-
公开(公告)号:CN103077267A
公开(公告)日:2013-05-01
申请号:CN201210579435.7
申请日:2012-12-28
Applicant: 电子科技大学
Abstract: 针对目前参量声源系统建模困难的问题,本发明提供了一种基于改进BP神经网络的参量声源建模方法。该方法首先采集足够的训练和测试样本数据,对其进行预处理。并建立神经网络模型,对于神经网络模型的结构和参数,采用遗传算法进行优化处理,找到较优的神经网络隐层数、神经元之间的初始权值及阈值,最后用样本数据训练和测试所建的基于改进BP神经网络的参量声源模型。该模型具有可靠、评估精度较高的优点。
-
公开(公告)号:CN103105773A
公开(公告)日:2013-05-15
申请号:CN201210576357.5
申请日:2012-12-27
Applicant: 电子科技大学
IPC: G05B11/42
Abstract: 本发明提供一种以神经网络逆辨识、控制与自适应PID控制器来改善声参量阵系统信号失真的控制系统设计方法。该方法主要是利用对已有声参量阵系统进行试验获得的大量数据训练出其神经网络模型,并通过反向训练出其逆模型。把辨识出来的逆模型串接到声参量阵系统的前部,实现一个“伪线性系统”。并通过增加辅助自适应PID控制器来实现对系统信号失真的预处理。与现有系统相比,该声参量阵系统控制系统设计方法可大幅减小系统的声音失真。该方法的优点在于采用随机信号进行训练,具有广泛性;通过自适应PID控制器使系统性能更优;系统硬件电路简单,运行过程可靠,处理结果理想,实现成本低廉。
-
-
公开(公告)号:CN103077267B
公开(公告)日:2015-06-24
申请号:CN201210579435.7
申请日:2012-12-28
Applicant: 电子科技大学
Abstract: 针对目前参量声源系统建模困难的问题,本发明提供了一种基于改进BP神经网络的参量声源建模方法。该方法首先采集足够的训练和测试样本数据,对其进行预处理。并建立神经网络模型,对于神经网络模型的结构和参数,采用遗传算法进行优化处理,找到较优的神经网络隐层数、神经元之间的初始权值及阈值,最后用样本数据训练和测试所建的基于改进BP神经网络的参量声源模型。该模型具有可靠、评估精度较高的优点。
-
-
-