人工神经网络技术在系统流量异常检测模块中的应用

介绍人工神经网络技术,建立了人工神经网络的典型模型.应用BP算法的泛化功能,将输入输出样本进行训练,不断学习调整网络权值,使网络实现给定的输入输出映射关系,以达到检测流量异常的目的.     

基于嵌入式系统的图像对象分割

随着计算机科学和微电子技术的迅速发展,以计算机技术、集成电路技术和软件技术为核心的嵌入式系统的信息处理能力迅速提升,为基于嵌入式系统的图像信息处理提供了硬件基础。本文以ARM920T结构的S3C2410处理器为核心,构建了一个嵌入式图像处理平台,在嵌入式Linux操作系统的支撑下,实现了嵌入式图像的采集、图像灰度化和基于迭代法的图像对象分割,实验证明本系统是切实可行,为进一步的研究提供了基础。     

MIMO-OFDM系统抗干扰信道估计算法

提出一种抗干扰信道估计(AICE)算法用于解决MIMO-OFDM系统信道估计问题。该算法在接收端通过对收到的累加信号进行分解,得到来自不同发射天线的信号,通过消除符号间干扰与子载波间干扰及采用期望值最大迭代算法进行信道估计来减小估计误差,提高信道估计的准确性。与ICE算法的性能比较证明了AICE算法在瑞利衰落信道下具有更好的信道估计均方误差及误比特率性能。     

基于神经网络的解耦控制方法

本文介绍了BP算法的基本原理及其实现步骤,并将BP算法应用于神经网络解耦器和PID神经网络的训练中,即本文中各个神经网络的训练算法均采用BP算法,提出了一种神经网络在线解耦控制算法,即将神经网络解耦和神经网络PID控制两者结合,对系统进行解耦控制。将解耦与控制结合,既避免了单独采用自适应PID控制时控制效果不佳的问题,又避免了单独采用解耦时原有控制器不能适应变化后的对象问题。最后对一组双输入双输出耦合系统进行了仿真研究。