人工神經(jīng)網(wǎng)絡(luò)用于傳感信號的模式識別.pdf

1、隨著神經(jīng)網(wǎng)絡(luò)理論的飛速發(fā)展，對神經(jīng)網(wǎng)絡(luò)的研究幾乎延伸到生活的各個領(lǐng)域。神經(jīng)網(wǎng)絡(luò)有很多優(yōu)點(diǎn)，有很好的適應(yīng)能力、較高的容錯性、能適應(yīng)超大規(guī)模集成電路等等。本文主要是將人工神經(jīng)網(wǎng)絡(luò)用于分布式光纖傳感系統(tǒng)中光纖傳感信號的模式識別，通過利用LABVIEW及MATLAB語言進(jìn)行混合編程，獲取傳感信號的幅度和有效值，并利用神經(jīng)網(wǎng)絡(luò)分析方法對傳感信號進(jìn)行模式識別，通過該應(yīng)用程序可以很容易實(shí)現(xiàn)實(shí)時的對傳感系統(tǒng)輸出信號進(jìn)行檢測并分析出外界干擾信號的類型，從

2、而達(dá)到利用分布式光纖傳感系統(tǒng)對監(jiān)測對象的實(shí)時檢測及判別。本文的意義在于為光纖傳感信號的模式識別提供了一種新的思路，以期待能為進(jìn)一步探索新的更加有效的神經(jīng)網(wǎng)絡(luò)及訓(xùn)練方法來實(shí)現(xiàn)傳感信號的模式識別帶來一定的幫助。該課題的研究重點(diǎn)在于MATLAB人工神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)及由MATLAB的模式識別程序向LABVIEW中的移植實(shí)現(xiàn)。
　　 本論文的主要研究成果包括：
　　 1)深入研究MZI分布式光纖傳感系統(tǒng)及人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及功能，并

3、對MZI系統(tǒng)的解調(diào)及解調(diào)的誤差分析進(jìn)行深入的分析研究。
　　 2)構(gòu)建分布式光纖傳感系統(tǒng)來獲取樣本數(shù)據(jù)，并利用LABVIEW對數(shù)據(jù)進(jìn)行分析和處理，選取所獲數(shù)據(jù)段的幅度值和有效值作為傳感信號的特征量。
　　 3)設(shè)計(jì)了四種改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)的MATLAB程序，并運(yùn)用獲得的樣本數(shù)據(jù)的特征量對它們分別進(jìn)行訓(xùn)練，對訓(xùn)練結(jié)果進(jìn)行比較分析，選取最佳BP網(wǎng)絡(luò)訓(xùn)練方法。以獲取最理想的傳感信號的模式識別效果。
　　 4)選取基于

4、最優(yōu)化數(shù)值理論算法的LMBP神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)及與其相對應(yīng)的訓(xùn)練方法來進(jìn)行傳感信號的模式識別。設(shè)計(jì)相應(yīng)的MATLAB程序，并運(yùn)用獲得的樣本數(shù)據(jù)的特征量對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使其能夠具備準(zhǔn)確識別不同的外界干擾信號的模式的能力。
　　 5)深入研究MATLAB和LABVIEW混合編程的方法，設(shè)計(jì)并利用LABVIEW中的MATLABscript節(jié)點(diǎn)進(jìn)行混合編程，從而實(shí)現(xiàn)利用LABVIEW實(shí)現(xiàn)相對友好的用戶界面，同時提高了程序算法的高