基于时空神经网络增强数字示波器功能的研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于时空神经网络增强数字示波器功能的研究

袁继敏, 李小玲, 古天祥

文章导航 > 电子科技大学学报 > 2007 > 36(5): 938-941

袁继敏, 李小玲, 古天祥. 基于时空神经网络增强数字示波器功能的研究[J]. 电子科技大学学报, 2007, 36(5): 938-941.

引用本文:

袁继敏, 李小玲, 古天祥. 基于时空神经网络增强数字示波器功能的研究[J]. 电子科技大学学报, 2007, 36(5): 938-941.

YUAN Ji-min, LI Xiao-ling, GU Tian-xiang. Study of Enhancing Features of Digital Oscilloscope Based on Elman Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(5): 938-941.

Citation:

YUAN Ji-min, LI Xiao-ling, GU Tian-xiang. Study of Enhancing Features of Digital Oscilloscope Based on Elman Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(5): 938-941.

基于时空神经网络增强数字示波器功能的研究

1.
电子科技大学自动化学院成都 610054;
2.
攀枝花学院计算机学院四川攀枝花 617000;
3.
攀枝花学院电气信息工程学院四川攀枝花 617000

作者简介:
袁继敏(1969-),男,博士生,副教授,主要从事测试测量及仪器方面的研究.

中图分类号: TM935.2;TP216.+1

Study of Enhancing Features of Digital Oscilloscope Based on Elman Networks

1.
School of Automation Engineering,University of Electronic Science and Technology of China Chengdu 610054;
2.
School of Computer Science & Technology,Panzhihua University Panzhihua Sichuan 617000;
3.
School of Information and Electrical Engineering,Panzhihua University Panzhihua Sichuan 617000

摘要: 运用时空神经网络时域和空域模式识别方法给数字示波器增加AM调制信号测量功能。选择Elman神经网络结构,采用反向传播网络训练函数traingdx和learnbcf函数的算法,实现了AM调制信号检波的功能。同时,增加输出反馈回隐层的连接和延迟,采用附加动量因子的梯度下降权值/阀值学习算法改进神经网络。改进的网络学习速度快,逼近精度高,输出既没有振荡,也不产生纹波;并且网络适应性好,测量的鲁棒性高,要求采集信号周期少;方法新颖,运算量小,计算误差小,添加到数字示波器函数中,实现了示波器测量AM调制信号的功能。
- 数字示波器 /
- 神经网络 /
- 测量 /
- 调制
Abstract: In this paper, a method for enhancing the measure performance of digital oscilloscope for Amplitude Modulation (AM) signals is presented by applying Elman sptio-temporal neural network. In this method, the demodulation of AM signals is implemented by adopting both "traingdx" and "learnbcf" functions in Elman network; the structure of Elman network is improved by introducing weights and delays from the output layer to the hidden layer; and an additive momentum factor is adopted in gradient learning algorithm. Simulation results demonstrate that the proposed method has faster learning speed, less computational error, and higher measuring robustness and precision.
- digital oscilloscope /
- elman networks /
- measurement /
- modulation

[1]	杨旺功, 淮永建, 张福泉. 基于Gabor及深度神经网络的葡萄种子分类 . 电子科技大学学报, 2020, 49(1): 131-138. doi: 10.12178/1001-0548.2019164
[2]	崔浩, 李斌成, 肖石磊, 王静, 王亚非, 高椿明. 光反馈光腔衰荡技术同时测量高反膜S和P偏振反射率 . 电子科技大学学报, 2018, 47(2): 307-310. doi: 10.3969/j.issn.1001-0548.2018.02.024
[3]	宋竹, 秦志光, 罗嘉庆, 张悦涵. 电信数据中用户行为特征测量与分析 . 电子科技大学学报, 2015, 44(6): 934-939. doi: 10.3969/j.issn.1001-0548.2015.06.024
[4]	谭骏, 陈兴蜀, 杜敏, 朱锴. 基于自适应BP神经网络的网络流量识别算法 . 电子科技大学学报, 2012, 41(4): 580-585. doi: 10.3969/j.issn.1001-0548.2012.04.020
[5]	汪文勇, 黄鹂声, 向渝. 基于测量的WMSNs跨层QoS机制 . 电子科技大学学报, 2012, 41(5): 735-740. doi: 10.3969/j.issn.1001-0548.2012.05.018
[6]	田毅贞, 张齐军. 知识型神经网络的射频/微波器件建模方法 . 电子科技大学学报, 2011, 40(6): 815-824. doi: 10.3969/j.issn.1001-0548.2011.06.002
[7]	江虹, 伍春, 马景辉. 最小二乘SVM的CR认知引擎设计 . 电子科技大学学报, 2011, 40(1): 41-46. doi: 10.3969/j.issn.1001-0548.2011.01.008
[8]	李小玲, 袁继敏, 银星, 古天祥. 混沌背景下微弱信号时域参数检测的研究 . 电子科技大学学报, 2009, 38(4): 569-572. doi: 10.3969/j.issn.1001-0548.2009.04.022
[9]	钱艺, 王沁, 吴巍, 刘金龙. 神经网络并行MIMD处理器的研究及实现 . 电子科技大学学报, 2008, 37(6): 904-907.
[10]	陈文宇, 刘井波, 孙世新. 层次分析的神经网络集成方法 . 电子科技大学学报, 2008, 37(3): 432-435.
[11]	刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计 . 电子科技大学学报, 2007, 36(6): 1241-1244.
[12]	王运, 黄大贵, 杨天文. 开放式数控切割机神经网络误差补偿研究 . 电子科技大学学报, 2007, 36(2): 305-308.
[13]	傅彦, 周俊临, 吴跃. 快速神经网络无损压缩方法研究 . 电子科技大学学报, 2007, 36(6): 1245-1248.
[14]	李军建, 成建波, 蒋泉, 陈守卫. CRT显示管分辨率自动测量系统 . 电子科技大学学报, 2007, 36(2): 288-290.
[15]	陈科, 许家珆, 程永新. 基于免疫算法和神经网络的新型抗体网络 . 电子科技大学学报, 2006, 35(5): 804-806,840.
[16]	朱培勇, 孙世新. 具有时滞的Hopfield神经网络的周期解 . 电子科技大学学报, 2005, 34(5): 680-683.
[17]	文武, 杨汉生, 徐军, 钟守铭. 随机型细胞神经网络的稳定性 . 电子科技大学学报, 2005, 34(5): 700-702,716.
[18]	徐军, 钟守铭, 张春凤. 分布时滞Hopfield神经网络稳定性 . 电子科技大学学报, 2004, 33(2): 200-203.
[19]	王定成, 王毅, 钟守铭. 一类神经网络算法的渐近行为 . 电子科技大学学报, 2003, 32(2): 221-224.
[20]	陈中柘. 神经网络定性分析 . 电子科技大学学报, 2002, 31(3): 250-254.

WeChat

点击查看大图

计量

文章访问数: 3395
HTML全文浏览量: 129
PDF下载量: 73
被引次数: 0

基于时空神经网络增强数字示波器功能的研究

1. 电子科技大学自动化学院成都 610054;

2. 攀枝花学院计算机学院四川攀枝花 617000;

3. 攀枝花学院电气信息工程学院四川攀枝花 617000

作者简介:
袁继敏(1969-),男,博士生,副教授,主要从事测试测量及仪器方面的研究.

收稿日期: 2007-01-05
刊出日期: 2007-10-15

中图分类号: TM935.2;TP216.+1

关键词:

摘要: 运用时空神经网络时域和空域模式识别方法给数字示波器增加AM调制信号测量功能。选择Elman神经网络结构,采用反向传播网络训练函数traingdx和learnbcf函数的算法,实现了AM调制信号检波的功能。同时,增加输出反馈回隐层的连接和延迟,采用附加动量因子的梯度下降权值/阀值学习算法改进神经网络。改进的网络学习速度快,逼近精度高,输出既没有振荡,也不产生纹波;并且网络适应性好,测量的鲁棒性高,要求采集信号周期少;方法新颖,运算量小,计算误差小,添加到数字示波器函数中,实现了示波器测量AM调制信号的功能。

English Abstract

袁继敏, 李小玲, 古天祥. 基于时空神经网络增强数字示波器功能的研究[J]. 电子科技大学学报, 2007, 36(5): 938-941.

引用本文:

袁继敏, 李小玲, 古天祥. 基于时空神经网络增强数字示波器功能的研究[J]. 电子科技大学学报, 2007, 36(5): 938-941.

YUAN Ji-min, LI Xiao-ling, GU Tian-xiang. Study of Enhancing Features of Digital Oscilloscope Based on Elman Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(5): 938-941.

Citation:

YUAN Ji-min, LI Xiao-ling, GU Tian-xiang. Study of Enhancing Features of Digital Oscilloscope Based on Elman Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(5): 938-941.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发