基于一种柔性函数基和模拟退火算法的信号处理研究.pdfVIP

第十七届中国过程控制会议论文集 基于一种柔性函数基和模拟退火算法的信号处理 12 1 2 2 黄明键 马广富 王时春 李金屏 1 （哈尔滨工业大学航天学院 ，哈尔滨，150001 2 济南大学控制科学与工程学院 ，济南，250022 ） 摘要：本文介绍了一种基于柔性函数基的信号拟合，是一种在信号拟合过程中将柔性函数基与模拟退火 算法相结合的方法。文章先对柔性函数基和模拟退火算法了粗略介绍，然后在基于柔性函数基的信号拟 合中溶入了模拟退火算法。研讨了两者的结合原理和步骤，以及在实际中的应用，仿真实验表明这种方 法可以较好的拟合仿真信号和实际信号，但仍然存在一些缺陷，需要在以后的工作中进一步改进。 关键字：柔性函数基；模拟退火算法；神经网络；全局最优 0 引 言 对于信号的拟和，小波神经网络的理论和应用方面是当今的热点。小波神经网络实质上就是用小 波基来代替通常的 sigmoid 函数作为网络神经元的激励函数，事实上，小波神经网络小波分析理论与 神经网络理论结合而成的一种神经网络，其结合了小波变换良好的时频局域化性质及神经网络的自学 习功能和良好的容错能力,具有较强的逼近能力和容错能力,能够很好的应用于信号处理,数据压缩,模 式识别和故障诊断领域。但是小波神经网络在时域上有明确简单的表达式很少，而且有些表达式非常 复杂，为了解决这一问题，本文使用多参数的柔性函数基，通过参数的调整使得函数基更能贴近复杂 的信号。 1 柔性函数基的数学基础 所谓的柔性顾名思义就是更加灵活方便准确的贴近原始信号。柔性函数基具有振荡性和衰减性两 个特点。振荡性是因为信号拟合必须在连续振荡中进行。衰减性是因为考虑到实际的信号总是在有限 支集内，在无限远处信号幅度为 0 。当对复杂信号进行处理时，有时需要根据信号的不同特征、不同 情况对信号进行分段处理，即针对信号不同特点的部分进行参数变化，以使该函数基最适合待处理信 号的相应部分。 下式即为本文中选择的函数基表达式[2] ： 1 p 3 2 f (p , p , …, p ) = p sin ( x + )(1+p exp( –p (x –p ) )) （1） 0 1 6 2 4 5 6 (x −p 0 )2 +p 1 从上面的函数基可以很清楚的看出，柔性函数基分为三角函数和高斯函数两个部分。其中使用三角函 数表示了函数基的震荡部分，用高斯函数代表其衰减的部分。柔性函数基表达式包括 （p0,p1,p2,p3,p4,p5,p6 ）七个参数，每个参数代表不同的意 义。参数p 0 控制函数基振荡较剧烈的部分的中心点，p 1 则表 示函数基在此点剧烈振荡的幅度，p 2 与p 4 共同决定函数基振 幅的变化，p 3 决定整个函数基振荡频率的变化趋势，p 5 表示 高斯函数衰减的窗口大小，p 6 为高斯函数衰减中心。通过 7 个参数的调整，我们可以根据信号所表现出来的特征，通过 不断的调整灵活的变化波形，很好的拟和一些不规则的信号。 举例简单介绍一下参数的选择： 如图 1 所示，信号在 5s 附近振荡比较剧烈，然后向两边 逐渐变弱直至消失。首先考虑振荡的情况，此时，将p 0 设置 图 1 一个待处理的信号 112 第十七届中