[发明专利]基于六阶基数样条小波网络的带通滤波方法

说明书

本发明为利用六阶基数样条小波神经网络，进行带通滤波的方法，用以解决在复杂系统中信号带通滤波精度差的问题。由于小波神经网络具有自适应能力，带通特性，能够基于噪声统计特性的变化，在线调整滤波的带宽，因此本专利把六阶基数样条小波ψ(x)作为神经网络的激励函数；提出基于信号带宽确定神经网络输入权值2^j；同时给出了在复杂噪声环境下的神经网络隐层节点数的计算公式；继而由插值基到正交基的线性映射，得到系数并得到矩阵R＝[λ_k‑n]_k×n，进而构建矩阵Λ＝R^TR，选取矩阵β＝[ψ_j,K(n/2^J)]_n,K得M_f＝λ_A(β^TΛβ)^‑1β^TΛ，用迭代的方法得到最优输出权值{c_k}_k，最后基于系数{c_k}_k构建小波神经网络来实现信号的带通滤波。

技术领域

本发明与信号采集方法有关。

背景技术

神经网络起源于仿生学，是人工智能中最重要的技术之一，它可以通过学习采样数据建立预测未知事件的模型，并通过在线学习来适应模型，神经网络在计算机视觉、语音识别、机器翻译、医学等领域得到了广泛的应用。神经网络的非线性逼近能力使得它可以通过学习训练数据来逼近和恢复目标函数。在复杂系统中，噪声具有非平稳特性，即其分布特点会随时间而发生变化，而小波信号可以实现对噪声的带通滤波。因此设计一种将小波信号变换和神经网络结合的小波神经网络，并从小波采样的角度设计一个新的算法来适应小波神经网络的结构和参数，使其可以实现信号的带通滤波。

发明内容

本发明的目的是提供一种在复杂系统中信号滤波精度高的基于六阶基数样条小波网络的带通滤波方法。

本发明是这样实现的：

基于六阶基数样条小波网络的带通滤波方法，包括硬件电路设备上的信号处理和控制器内小波神经网络算法，硬件电路设备信号处理步骤如下：

（1）选择数据采集卡，数据采集卡包括单端转差分电路，模数转换电路，

（2）将以时间t为自变量的信号f(t)作为输入信号输入单端转差分电路，

（3）模数转换电路将单端转差分电路输出的差分信号由模拟电信号转换为数字信号h(T)，

（4）将数字信号h(T)传入存储器中等待处理，

（5）编写小波神经网络算法在控制器上，

（6）控制器将存储器中的信号进行处理，并传到上位机显示，

控制器内小波神经网络算法实现步骤如下：

1）选取六阶基数样条尺度函数为g(x)，它的傅里叶变换为

（1）

其中，w为角频率，

2）基于式(1)，得到

（2）

3）选定式子为

（3）

4）基于式(2)和(3)得

（4）

5）基于式(1)和(4)得

（5）

6）基于式(5)应用傅里叶逆变换获得，

（6）

为六阶基数样条小波，把作为小波神经网络的激励函数，