Matlab語(yǔ)言的Neural Network Toolbox 及其在同步中

訓練參數一般都依賴(lài)于選擇的訓練函數。兩個(gè)重要的參數：net.trainParam.epochs設置所有數據全部用于訓練的最多次數，net.trainParam.show設置訓練函數狀態(tài)報告的時(shí)間。例如：

3 在同步中的應用

在加性高斯白噪聲條件下，接收端對信號進(jìn)行高速采樣，根據香農定理，在一個(gè)模擬信號持續時(shí)間內至少要保證4個(gè)采樣點(diǎn)，才能完整和準確地恢復信號的信息，由此決定了系統的采樣要求。軟件上主要由若干BP(Back-Propagation)前向神經(jīng)網(wǎng)絡(luò )完成，網(wǎng)絡(luò )的個(gè)數與算法精度有關(guān)。

在搜索長(cháng)度一定的條件下，根據整個(gè)搜索區間上采樣點(diǎn)個(gè)數確定各個(gè)神經(jīng)網(wǎng)絡(luò )的輸出節點(diǎn)數目。使用的網(wǎng)絡(luò )個(gè)數由捕獲精度來(lái)確定，即整個(gè)捕獲區間上劃分為N個(gè)搜索相位，則采樣N個(gè)網(wǎng)絡(luò )并行執行。每個(gè)網(wǎng)絡(luò )都具有相同的一組輸入信號，一個(gè)輸出為0或者1。

為體現神經(jīng)網(wǎng)絡(luò )對信號進(jìn)行捕獲的思想，訓練樣本為不含噪聲的高斯脈沖信號，搜索的相位區間為6個(gè)，識別的結果是6維向量，在出現信號相應得區間位置上對應的元素為1，其他元素為0，測試樣本信噪比為30dB。圖2是6個(gè)不含噪聲的訓練樣本；圖2和圖3左邊是信噪比為30 dB的分別出現在6個(gè)不同區間的測試樣本，右邊是網(wǎng)絡(luò )輸出的識別結果，在向量的對應元素上出現尖峰。仿真結果說(shuō)明在30 dB信噪比的情況下，利用神經(jīng)網(wǎng)絡(luò )能夠準確檢測到信號的出現時(shí)刻。由于仿真使用的訓練樣本比較少，神經(jīng)網(wǎng)絡(luò )沒(méi)有充分提取樣本的統計特性，也沒(méi)有足夠的網(wǎng)絡(luò )結構和訓練過(guò)程對神經(jīng)網(wǎng)絡(luò )檢測信號能力的影響和噪聲對訓練過(guò)程和測試過(guò)程及性能的影響。通過(guò)仿真看來(lái)，在特定情況下神經(jīng)網(wǎng)絡(luò )對信號具有一定的檢測能力。

4 結 語(yǔ)

本文在介紹Matlab神經(jīng)網(wǎng)絡(luò )工具箱的基礎上，結合簡(jiǎn)單例子進(jìn)一步對神經(jīng)網(wǎng)絡(luò )工具箱中的一些函數及神經(jīng)網(wǎng)絡(luò )結構進(jìn)行解釋和說(shuō)明。然后利用神經(jīng)網(wǎng)絡(luò )在同步中的應用進(jìn)行了簡(jiǎn)單的說(shuō)明，并通過(guò)仿真驗證了神經(jīng)網(wǎng)絡(luò )在同步中的可行性。