基于神经网络的非线性信号建模的研究.pdfVIP

计算机科学2004V01．31N_O．10A 基于神经网络的非线性信号建模研究 of ResearchesNonlinear BasedonNeuralNetworks Signal Modeling 杨明张虹邱玉辉 (西南师范大学计算机与信息科学学院 重庆400715) AbstractThe describesseveralincomonuse inside methodsnon-linear paper modeling systems， signal—processing outtheir in methods neu— pointes practice these withneuralnetwork．Wecanfind difficulty modeling，andcompares ralnetworkmodelsarebetterthanothersvia it a believewouldbecomeusefultoolin comparison，and very signal— processingsystems． Volterra model，Neural Keywords polynomial，NARMAnetwork，State-space—expression r十∞』Lf十∞ 1 引言 l …l J—o,o J—oo 非线性信号处理是信号与信息处理学科中的一 —tn)dtldt2…dt。+… 个重要研究领域，有着十分重要的广泛应用。早期统 其中，z(￡)为非线性系统的输入，Y(￡)为输出， 计信号处理使用的经典方法多是建立在线性、平稳 和服从高斯分布等很强的假设条件下用一个线性模 型表示，但多数实际问题并不完全满足上述假定，甚 响应，它们只与系统本身有关，与激励信号无关，即 至有些问题根本不能用线性模型描述。因而现代信 号处理中的一个重要方向就是解决非线性、非平稳 和非高斯分布信号的建模问题。由于缺乏有效的数 性系统的辨识问题就成为确定表达式中的有关参 学工具，因此要更多地依靠从实验数据中提取信息。 数，这往往转化成线性系统的问题j使得问题容易且 人工神经网络是一个非线性自适应动力学系统，也 有效地解决。 是一个信号与信息处理系统。由于神经网络具有可 逼近任意非线性函数的能力，因此可把它作为非线 于实际系统建模时面临着如何辨识核函数的困难。 性系统的模型。本文即是对目前常用的几种建模方 级数中的各项不是互相独立的，实际应用时希望能 法与神经网络方法作一比较，找出神经网络模型在 预先知道所需级数的阶次，而且随着阶次的升高所 非线性系统建模方面的优势。 要估计的参数个数增加得很快[1