西安工程大学电子信息学院, 陕西 西安 710048
为了提高脑电信号的分类准确率,提出一种基于人工蜂群算法和BP神经网络的分类方法。针对反向传播(BP)神经网络存在全局搜索能力差、对初始权重敏感和人工蜂群算法的搜索公式精于探索但疏于开发等问题,采用全局搜索因子来增强人工蜂群算法的开发能力,再加入交叉运算来解决人工蜂群算法的全局搜索。采用改进的算法来优化BP神经网络对初始权重敏感的问题,进而实现对脑电信号的分类。实验结果表明,所提算法对脑电信号的分类准确率更高,分类准确率达到91.5%,而且可以加快收敛速度。
光计算 神经网络 脑电信号 人工蜂群 交叉运算 激光与光电子学进展
2020, 57(21): 212001
西安工程大学电子信息学院, 陕西 西安 710048
针对纺织厂实际生产中采用人工分类纱管费时费力不够智能化等问题,提出了基于改进深度卷积神经网络的分类方法。先基于AlexNet模型框架对原有网络结构进行改进,卷积层全部使用3×3大小卷积核,且多个卷积核串联使用,提取物体更抽象高级特征。再融合滑动平均、L2正则化等方法提升泛化能力,采用L_ReLU激活函数避免部分神经元出现“死亡”现象。最后将检测样本输入训练好的神经网络,实现纱管分类。实验结果表明:该方法的识别率达到88.2%,较传统分类方法识别率提升15个百分点左右,相比于其他神经网络模型具有识别率高、所需时间短的优点,满足实际工业需求。
图像处理 卷积神经网络 AlexNet模型 过拟合 纱管 激光与光电子学进展
2020, 57(10): 101014
1 西安工程大学 电子信息学院, 西安 710048
2 西安电子科技大学 空间科学与技术学院, 西安 710071
3 西安交通工程学院, 西安 710065
针对X射线脉冲星信号信噪比低, 难以获取精确脉冲星信号相位的问题, 提出了基于Wavelet-Fisz变换的X射线脉冲星信号的估计方法.根据X射线脉冲星信号特性建立了信号模型, 推导了Wavelet-Fisz变换理论, 利用该变换将X射线脉冲星信号逼近于高斯分布, 对变换后的信号数据进行估计.对大量RXTE的实测数据进行分析, 结果表明在Wavelet-Fisz变换下能获得较好的估计性能, 且耗时小, 有利于X射线脉冲星导航的工程应用.
光子序列 降噪 Wavelet-Fisz变换 X射线脉冲星信号 方差稳定变换 Photon sequence Noise reduction Wavelet-Fisz transformation X-ray pulsar signal VST 光子学报
2014, 43(12): 1204001
1 西安电子科技大学机电工程学院, 陕西 西安 710071
2 西安电子科技大学电子工程学院, 陕西 西安 710071
对于短时间内X射线脉冲星信号形成的脉冲轮廓的信噪比低，提出基于提升小波的X射线脉冲星信号的降噪方法。分析了基于提升小波的信号降噪理论模型。在周期叠加的基础上，利用探测设备及空间环境的先验信息建立预降噪模型，并对X射线脉冲星的脉冲轮廓做降噪预处理。通过选择小波和自适应的阈值函数，利用提升小波对脉冲轮廓降噪。通过对多组罗西X射线计时探测器(RXTE)卫星探测的实测X射线脉冲星数据的仿真分析，结果表明，降噪后的脉冲轮廓信噪比得到提高,且算法有更快的处理速度。
测量 X射线脉冲星 降噪 提升小波 周期叠加
