軟計(jì)算理論及其在信號(hào)處理中的應(yīng)用.pdf

1、隨著通信、計(jì)算機(jī)、電子學(xué)科的不斷發(fā)展，其工程應(yīng)用日趨廣泛和深入，所采用的數(shù)學(xué)方法也隨之不斷地豐富，在大量的工程應(yīng)用中由于信息處理的需求，軟計(jì)算理論和方法得到大量的應(yīng)用，其自身理論也在不斷的發(fā)展，軟計(jì)算與其它方法的結(jié)合應(yīng)用也在不斷出現(xiàn)，使之在信息處理應(yīng)用中顯現(xiàn)出極大的重要性，本文主要對(duì)軟計(jì)算方法(包括：小波理論、人工神經(jīng)網(wǎng)絡(luò)、分形理論、混沌理論、模糊數(shù)學(xué)等)在信息處理中的應(yīng)用進(jìn)行了深入的研究，探討了軟計(jì)算理論及其它相關(guān)數(shù)學(xué)理論的融合進(jìn)行信

2、息處理的方法，并進(jìn)行計(jì)算機(jī)仿真實(shí)驗(yàn)，仿真實(shí)驗(yàn)結(jié)果表明，該文提出的幾種方法是有效的。 本文詳細(xì)而具體地討論和研究了小波理論、人工神經(jīng)網(wǎng)絡(luò)、分形理論、混沌理論、模糊數(shù)學(xué)在超寬帶通信和微弱信號(hào)檢測(cè)的應(yīng)用研究。綜合運(yùn)用這些技術(shù)以構(gòu)建全新的超寬帶多用戶檢測(cè)、微弱諧波信號(hào)檢測(cè)方法和多傳感器多目標(biāo)跟蹤系統(tǒng)。 首先，在通信信號(hào)處理領(lǐng)域，對(duì)超寬帶通信中的多用戶檢測(cè)問(wèn)題進(jìn)行了深入分析，提出了兩種多用戶檢測(cè)算法。在超寬帶通信領(lǐng)域，提出了基于隱

3、馬爾可夫模型和Kalman濾波的多用戶檢測(cè)算法。 算法1：該算法將跳時(shí)二進(jìn)制相移鍵控超寬帶通信系統(tǒng)建模為隱馬爾可夫系統(tǒng)模型?？紤]到發(fā)射序列狀態(tài)之間可能存在時(shí)序的非繼承性，而搜索與前向序列對(duì)應(yīng)的具有最大轉(zhuǎn)移概率的后續(xù)序列，提出了最大后驗(yàn)概率(MAP)多用戶檢測(cè)算法,模擬結(jié)果表明了該算法的有效性。 算法2：該算法將跳時(shí)二進(jìn)制相移鍵控超寬帶通信系統(tǒng)建模為動(dòng)態(tài)系統(tǒng)模型，然后利甩Kalman濾波算法，設(shè)計(jì)了一種新的超寬帶盲自適應(yīng)多

4、用戶檢測(cè)算法。數(shù)值模擬結(jié)果表明，該方法比傳統(tǒng)的檢測(cè)器有更低的誤碼率，說(shuō)明該算法是一種有效的檢測(cè)算法。 其次，對(duì)微弱諧波信號(hào)難于檢測(cè)的問(wèn)題，針對(duì)強(qiáng)混沌背景和強(qiáng)分形噪聲背景干擾下的微弱諧波信號(hào)檢測(cè)問(wèn)題，提出了相應(yīng)的解決方案。 對(duì)強(qiáng)混沌背景噪聲干擾下的微弱諧波信號(hào)檢測(cè)問(wèn)題。利用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)混沌時(shí)間序列的能力建立預(yù)測(cè)模型，用模糊聚類算法來(lái)獲得RBF神經(jīng)網(wǎng)絡(luò)的徑向中心，將觀測(cè)信號(hào)減去預(yù)測(cè)出的混沌信號(hào)，得到誤差信號(hào)，而誤差信號(hào)

5、中可能含有有用微弱信號(hào)及普通的白噪聲。然后把誤差信號(hào)送入Duffing混沌振子，充分利用Duffing混沌振子對(duì)噪聲的免疫性，來(lái)檢測(cè)是否含有微弱信號(hào)。該方法充分利用了模糊聚類，神經(jīng)網(wǎng)絡(luò)，混沌時(shí)間序列的短期可預(yù)測(cè)性，從而大大提高檢測(cè)微弱信號(hào)的性能。仿真實(shí)驗(yàn)結(jié)果表明：該方法能夠在信噪比-120dB時(shí)檢測(cè)出微弱諧波信號(hào)。而對(duì)強(qiáng)分形噪聲干擾下的微弱諧波信號(hào)檢測(cè)問(wèn)題。本文提出了小波域多尺度模糊自適應(yīng)Kalman濾波和Duf fing混沌振子相結(jié)合

6、的方法來(lái)解決強(qiáng)分形背景干擾下的諧波信號(hào)檢測(cè)問(wèn)題。先對(duì)淹沒(méi)在強(qiáng)分形隨機(jī)背景干擾中的觀測(cè)信號(hào)進(jìn)行多尺度小波變換，根據(jù)分形隨機(jī)信號(hào)小波系數(shù)的平穩(wěn)性，建立狀態(tài)方程和觀測(cè)方程，利用Kalman濾波，對(duì)每一尺度進(jìn)行進(jìn)行濾波最后估計(jì)出分形隨機(jī)信號(hào)，并對(duì)噪聲方差未知時(shí)，利用模糊推理系統(tǒng)來(lái)動(dòng)態(tài)逼近，然后將估計(jì)信號(hào)與觀測(cè)信號(hào)作差得到誤差信號(hào)，把誤差信號(hào)送入Duf fing混沌振子，充分利用Duf fing混沌振子對(duì)噪聲的免疫性，來(lái)檢測(cè)是否含有微弱信號(hào)。仿真

7、實(shí)驗(yàn)結(jié)果表明：該方法能在低信噪比和低信干比下有效地檢測(cè)出淹沒(méi)在強(qiáng)分形噪聲中的微弱諧波信號(hào)。 同時(shí)，文中也給出了Duf fing混沌振子的免疫性一種新的統(tǒng)計(jì)解釋。 最后，對(duì)多傳感器多目標(biāo)跟蹤問(wèn)題提出了基于模糊聚類和JPDA的多傳感器多目標(biāo)跟蹤算法。傳統(tǒng)的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法(JPDA)是適合于密集雜波條件下的一種良好的多目標(biāo)跟蹤算法，但它是針對(duì)單傳感器對(duì)多目標(biāo)跟蹤的情況下使用的，不能直接用于多傳感器多目標(biāo)的跟蹤，并且隨著目