信号处理的智能方法分析.ppt

西电通院 信号处理的智能方法需求 内 容 问题的提出 1 人脑的信息处理 2 现有智能方法及其局限性 3 解决途径 4 1 问题的提出 在信息处理中，人脑具有明显的优越性，如: 人脸识别 信号功率谱估计 信号带宽的分析等 1 问题的提出 信息获取 通信 信息处理 1 问题的提出 香农的《信息论》 针对信息的通信过程，反映通信的基本规律 对信息处理过程仅有某些影响 没有覆盖以认知为目的的信息处理活动 1 问题的提出 寻找信息处理的基本规律 思路：“识物” “物”凝聚了客观世界的极多信息，与“物”相关联的某些信息是认知活动所追寻索的目标，“识物”就是认知的基础。 2.2 两个信息处理中心 快速脑 非逻辑脑 图像脑 右脑 人脑 慢速脑 逻辑脑 学术脑 左脑 2.2 两个信息处理中心 快速脑 非凡的学习能力 过目不忘的记忆能力 超级(快速)计算能力 拥有本能和直觉的反应 2.2 两个信息处理中心 快速脑采用潜意识和直觉的方式学习和记忆，信息存储量极大，可以不假思索地掌握知识； 主要用图像的方式来处理问题； 非逻辑处理。 2.2 两个信息处理中心 慢速脑 记忆容量和学习速度有限 用符号和逻辑的方式处理问题 记忆效率低下 意义：依靠它，人类才具有分析和逻辑能力，知识才可以传递和学习！人类的文明才可以发展！ 2.2 两个信息处理中心 左脑和右脑的称谓不完全准确 左脑：低速的逻辑脑（意识脑） 右脑：高速的图像脑（潜意识脑） 2.2 两个中心的处理机制 成年人的大脑，习惯了主要使用逻辑脑。 所谓思考的功能，一般都是由低速脑来完成！ 具有良好的逻辑记忆功能，负责逻辑判断和推理，具有短时记忆，总体记忆容量比较小。 经常出现的信息，逻辑脑就会把它转移到图像脑，深层记忆中保存下来！ 2.2 两个中心的处理机制 逻辑脑主宰人的思维，人们最重视的就是这个大脑！ 长期以来，以为人只有这个大脑存在，它代表理性和思维。 逻辑脑容易遗忘！ 2.3 两个中心的处理机制 对非逻辑脑的研究始于弗洛伊德(Sigmund Freud)的潜意识理论，目前已经是一门很重要的学科！ 研究表明：信息量特别大的图像，如运动，音乐和快速的信息处理，必然是由高速脑、也就是非逻辑脑来完成的！ 2.3 两个中心的处理机制 高速脑具有庞大而快速的记忆能力，可以过目不忘，在不经意中完成学习和记忆！ 非逻辑脑很难通过有意识的控制来学习知识； 大多数人都不善于使用自己的快速脑； 有些人经过训练，可以用高速脑来完成普通人用低速脑做的事情，感觉他们就是天才。 “不假思索” 3 现有智能方法及其局限性 人工智能(Artificial Intelligence ， AI) ，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 基于人的慢速脑研究； 思维观点: AI不仅限于逻辑思维，还应考虑形象思维、灵感思维，才能促进AI的突破性的发展。 3 现有智能方法及其局限性 人工智能 神经网络 小波分析 模式识别 模糊聚类 专家系统 遗传算法 3.1 神经网络的方法 人工神经元网络是由大量神经元通过极其丰富和完善的连接而构成的自适应非线性动态系统。 人工神经元网络是生物神经网络的一种模拟和近似，它从结构、实现机理和功能上模拟生物神经网络。 3.1 神经网络的方法 神经网络优点 (1)强的鲁棒性和容错性，并行处理方法； (2)自学习、自组织、自适应性，可以处理不确定或不知道的系统； (3)充分逼近任意复杂的非线性关系； (4)强的信息综合能力，能同时处理定量和定性的信息，协调多种输入信息关系。 3.1 神经网络的方法 神经网络缺点 (1)难于精确分析神经网络的各项性能指标； (2)不宜用来求解必须得到正确答案的问题：自发的集体行为； (3)不宜用来求解用数字计算机解决得很好问题； (4)体系结构的通用性差。 3.1 神经网络的方法 神经网络主要应用：如自动控制领域、处理组合优化问题、模式识别、图像处理、传感器信号处理、机器人控制、信号处理、数据挖掘等。 神经网络与其他方法相结合，取长补短：如神经网络与模糊逻辑、专家系统、遗传算法、小波分析、混沌、粗集理论、分形理论、证据理论和灰色系统等的融合。 3.2 遗传算法 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。 遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。 3.2 遗传算法 遗传算法的特点： (1)从问题解的串集开始搜索，覆盖面大，利于全局择优； (2)同时处理群体中的多个个体，减少了陷入局部最优解的风险，易于实现并行化； (3)采用概率的变迁规则来指导