| 【中文题名】 | 基于模糊神经网络的非线性滤波研究 |
| 【英文题名】 | Research on Nonlinear Filtering Based on Fuzzy Neural Networks |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-1 |
| 【中关键词】 | 模糊神经网络,滤波,自适应,逼近性,鲁棒性, |
| 【英关键词】 | FNN,filtering,self-adaptation,approximation capability,robustness, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 大多数先进的滤波算法都是在各种基本算法的基础上发展而来的，通过改进这些基本算法的性能，在某些特定的情况下可取得较好的效果。为适应信号及噪声的非线性和更复杂性的特性，本文将自适应、自组织和自学习机制引入到滤波中，形成模糊神经网络(FNN)的非线性滤波方法。
模糊神经网络是一门交叉学科，它在结合模糊逻辑(FL)和神经网络(NN)的基础上、以简单的数学方法和逻辑推理完成复杂的智能分析，能有效地处理问题的非线性、模糊性和不确定性关系。
本文研究和分析了经典BP神经网络(BPNN)、径向基函数神经网络(RBFNN)和模糊神经网络的理论和算法，并在此基础上应用基于激励函数变化明显区域的模糊神经网络的初始化方法，使网络模型较快地跟踪被测系统而收敛到其最优。利用模糊逻辑和RBF神经网络的等价性将模糊逻辑和神经网络有机的结合来构成模糊神经网络，并将模糊神经网络方法应用到地震勘探的实际资料处理中，取得了较好的应用效果。除此之外，同时运用中值滤波、BP神经网络滤波、RBF神经网络滤波和模糊神经网络滤波来对不同资料和不同特征的噪声进行滤波性能评价。实验结果充分证明了基于模糊神经网络的非线性滤波方法的正... |
| 【论文题纲】 |
|
摘要 |
2-3 |
|
ABSTRACT |
3-4 |
|
目录 |
4-6 |
|
第1章 引言 |
6-12 |
|
1.1 选题依据 |
6-7 |
|
1.2 研究现状 |
7-10 |
|
1.2.1 传统非线性滤波方法研究现状 |
7 |
|
1.2.2 研究中的非线性滤波新算法研究现状 |
7-9 |
|
1.2.3 神经网络的研究现状 |
9 |
|
1.2.4 模糊神经网络的研究现状 |
9-10 |
|
1.3 本文的基本研究思路和研究内容 |
10-11 |
|
1.4 本文所取得的成果 |
11-12 |
|
第2章 滤波-神经网络-模糊理论基础 |
12-32 |
|
2.1 滤波的基本理论 |
12-15 |
|
2.1.1 自适应滤波原理 |
12-13 |
|
2.1.2 滤波性能评价方法和标准 |
13-15 |
|
2.1.2.1 噪声的滤除能力 |
13-14 |
|
2.1.2.2 边缘保持能力 |
14 |
|
2.1.2.3 相对信噪比指标 |
14 |
|
2.1.2.4 相关系数指标 |
14-15 |
|
2.2 人工神经网络的基本理论 |
15-17 |
|
2.2.1 人工神经网元模型 |
15-16 |
|
2.2.2 神经网络的学习方式 |
16-17 |
|
2.2.3 神经网络的特点 |
17 |
|
2.3 BP神经网络基本原理 |
17-24 |
|
2.3.1 BP神经网络的结构与算法 |
17-20 |
|
2.3.2 BP神经网络学习流程图 |
20-22 |
|
2.3.3 BP神经网络的不足及改进 |
22-24 |
|
2.4 径向基函数神经网络基本原理 |
24-26 |
|
2.4.1 网络的输出计算 |
24-25 |
|
2.4.2 网络的学习算法 |
25-26 |
|
2.5 模糊神经网络基本原理 |
26-32 |
|
2.5.1 模糊逻辑与神经网络的结合 |
26-28 |
|
2.5.2 模糊神经网络的学习方法 |
28-30 |
|
2.5.3 模糊神经网络的主要形式 |
30-32 |
|
2.5.3.1 逻辑模糊神经网络 |
30 |
|
2.5.3.2 算术模糊神经网络 |
30-31 |
|
2.5.3.3 混合模糊神经网络 |
31-32 |
|
第3章 模糊神经网络算法研究 |
32-39 |
|
3.1 结构等价型 |
32-33 |
|
3.2 模糊神经网络结构 |
33-39 |
|
3.2.1 模糊系统的T-S模型 |
33-34 |
|
3.2.2 模糊神经网络结构 |
34-36 |
|
3.2.3 模糊神经网络算法 |
36-39 |
|
第4章 模糊神经网络滤波研究 |
39-58 |
|
4.1 模糊神经网络的逼近能力 |
39 |
|
4.2 模糊神经网络初始化 |
39-42 |
|
4.2.1 激励函数变化明显区域 |
39-41 |
|
4.2.2 网络初始化算法 |
41-42 |
|
4.3 模糊神经网络在地震资料处理中的应用 |
42-51 |
|
4.3.1 理论模型滤波处理 |
42-43 |
|
4.3.2 合成地震记录滤波处理 |
43-48 |
|
4.3.2.1 随机噪声处理 |
43-45 |
|
4.3.2.2 相干噪声处理 |
45-48 |
|
4.3.3 实际地震资料滤波处理 |
48-51 |
|
4.4 滤波性能评价的实际应用 |
51-58 |
|
4.4.1 滤波均值保留能力 |
54 |
|
4.4.2 噪声的滤除能力 |
54-58 |
|
第5章 结论及建议 |
58-60 |
|
5.1 结论与成果 |
58 |
|
5.2 建议 |
58-60 |
|
致谢 |
60-61 |
|
参考文献 |
61-62 |
|
| 【DOI】 | LunWen.ID:2.2008.388096 |
