南邮现代信号的处理最后大作业的4道地训练题目含答案详解.docVIP

实用标准文案 精彩文档 南邮研究生“现代信号处理”期末课程大作业 （四个题目任选三题做） 1. 请用多层感知器（MLP）神经网络误差反向传播（BP）算法实现异或问题（输入为，要求可以判别输出为0或1），并画出学习曲线。其中，非线性函数采用S型Logistic函数。 2. 试用奇阶互补法设计两带滤波器组(高、低通互补)，进而实现四带滤波器组；并画出其频响。滤波器设计参数为：Fp＝1.7KHz, Fr＝2.3KHz, Fs＝8KHz, Armin≥70dB。 3. 根据《现代数字信号处理》（姚天任等，华中理工大学出版社，2001）第四章附录提供的数据(pp.352-353)，试用如下方法估计其功率谱，并画出不同参数情况下的功率谱曲线： Levinson算法 Burg算法 ARMA模型法 MUSIC算法 4. 图1为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR系统长M=11), 系统输入是取值为±1的随机序列，其均值为零；参考信号；信道具有脉冲响应： 式中用来控制信道的幅度失真(W = 2～4, 如取W = 2.9,3.1,3.3,3.5等)，且信道受到均值为零、方差(相当于信噪比为30dB)的高斯白噪声的干扰。试比较基于下列几种算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况,在同一坐标下画出其学习曲线): 横向/格-梯型结构LMS算法 横向/格-梯型结构RLS算法 并分析其结果。 图1 横向或格-梯型自适应均衡器 一、请用多层感知器（MLP）神经网络误差反向传播（BP）算法实现异或问题（输入为，要求可以判别输出为0或1），并画出学习曲线。其中，非线性函 数采用S型Logistic函数。 1、原理： 反向传播(BP)算法： (1)、多层感知器的中间隐层不直接与外界连接，其误差无法估计。 (2)、反向传播算法：从后向前（反向）逐层“传播”输出层的误差，以间接算出隐层误差。分两个阶段： 正向过程：从输入层经隐层逐层正向计算各单元的输出 反向过程：由输出层误差逐层反向计算隐层各单元的误差，并用此误差修正前层的权值。 选择初始值开始 选择初始值 开始 前向计算求所有神经元的输出 计算输出层 从后向前计算隐层 计算保存权值修正量 修正权值 是否收敛？ 结束 Y N j 3、程序： %使用了3层结构，第二层隐藏层4个单元。2，3层都使用Logisitic函数。 %训练xor数据。 function mlp() f= fopen(XOR.txt); A = fscanf(f, %g,[3 inf]); A = A; p = A(1:2, :);%训练输入数据 t = A(3, :);%desire out [train_num , input_scale]= size(p) ;%规模 fclose(f); accumulate_error=zeros(1,3001); alpha = 0.5;%学习率 threshold = 0.005;% 收敛条件 ∑e^2 threshold wd1=0; wd2=0; bd1=0; bd2=0; circle_time =0; hidden_unitnum = 4; %隐藏层的单元数 w1 = rand(hidden_unitnum,2);%4个神经元，每个神经元接受2个输入 w2 = rand(1,hidden_unitnum);%一个神经元，每个神经元接受4个输入 b1 = rand(hidden_unitnum,1); b2 = rand(1,1); while 1 temp=0; circle_time = circle_time +1; for i=1:train_num %前向传播 a0 = double ( p(i,:) );%第i行数据 n1 = w1*a0+b1; a1 = Logistic(n1);%第一个的输出 n2 = w2*a1+b2; a2 = Logistic(n2);%第二个的输出 a = a2; %后向传播敏感性 e = t(i,:)-a; accumulate_error(circle_time) = temp + abs(e)^2; temp=accumulate_error(circle_time);