模糊系統(tǒng)理論在信道均衡及經(jīng)濟預警方面的應用.pdf

1、由于模糊系統(tǒng)具有非線性性，能夠處理模糊性概念，能系統(tǒng)地描述人類知識的特點，因此模糊系統(tǒng)理論在模式識別以及其它很多領(lǐng)域內(nèi)都有廣泛的應用。而信道均衡和經(jīng)濟預警都可以看成是模式識別中的一類問題，所以本文基于模糊系統(tǒng)理論建立了模式識別的模型，并將它們應用到信道均衡和經(jīng)濟預警中。 本文在模糊C-均值算法的基礎(chǔ)上設(shè)計了一種能對動態(tài)數(shù)據(jù)(本文指不在同一時刻到達的數(shù)據(jù))進行實時模糊聚類的N-偽遞推模糊C-均值算法(N-PRFCM)，然后將其用到

2、非線性均衡上，并設(shè)計了相應的模糊控制器。該均衡算法具有實時、半盲、自適應的特性。而且由于該算法關(guān)心的僅是信道聚類中心間的距離，因此信道的非線性畸變程度對它的影響可以忽略不計。我們從模式識別的角度對信道均衡和經(jīng)濟預警的問題給予了統(tǒng)一的概括；但是，由于它們的模型并不完全相同，故而所用處理方法不能完全相同。因此我們考慮將TSK模糊神經(jīng)網(wǎng)絡應用到經(jīng)濟預警上，它同時具有神經(jīng)網(wǎng)絡自適應能力強和模糊系統(tǒng)可以處理專家經(jīng)驗的優(yōu)點。但是由于通常影響經(jīng)濟發(fā)展

3、趨勢的指標是很多的，這就會造成模糊規(guī)則幾何級數(shù)地增加以及神經(jīng)網(wǎng)絡神經(jīng)元的增加，從而需要大量數(shù)據(jù)訓練網(wǎng)絡。但是我國的經(jīng)濟預警是近年來才發(fā)展起來的，大多數(shù)時候不具備訓練網(wǎng)絡所需的大量數(shù)據(jù)；針對這個實際中難以解決的問題，我們對最近鄰聚類法做出了改進，使得聚類時的中心可以自適應變動，因此改進后的聚類方法具有更強的魯棒性，也更為合理。然后據(jù)此設(shè)計了模糊系統(tǒng)，將其應用到經(jīng)濟發(fā)展警情的評判中。由于基于該模糊系統(tǒng)的經(jīng)濟預警模型具有非線性、時變特性和自學