论文部分内容阅读
模糊信号处理(Fuzzy Signal Processing)是近40 年来发展很快的一个技术领域,其应用范围十分广泛。模糊神经网络自动机(Fuzzy neural network automaton)的抽取技术和应用是模糊信号处理技术领域的重要组成部分。其目的是借助模糊神经网络与自动机结合的技术,通过一定的后续处理方法,灵活的运用网络,将接收到的处于模糊不清或紊乱中信号的有用参数(即有用的模糊知识)有效地提取出来,以有效的进行模式识别。随着现代电子战信号环境的日益恶化,利用无线电收集敌方辐射源信息,或对破坏的有用信息,进行模糊信号的多维参数提取(即多参量联合估计)工作已变得越来越重要也越来越困难。尤其是当信号飘移不定或模糊不清处于多种变状态时,通常采用的确定有限态自动机(即确定自动装置)进行处理将失去作用。为此,作者在探讨模糊神经网络自动机的理论及其应用问题之后,对于模糊信息的识别展开了研究工作。相继引入了有效模糊有限自动机的抽取和模糊无限状态自动机的抽取方法,以及模糊无限自动机的收敛性和自动机种类中各种自动机的等价性处理框架,提出了有理论和实用参考价值的新方法,相应的计算机模拟结果证实了所提方法的有效性。本文的主要贡献集中在以下几个方面。1. 根据识别模糊信号(语言)的类型, 划分出相应模糊自动机的种类在分析识别模糊信号种类的基础上,划分出了模糊语言的种类,相应得出分别识别这些模糊语言的几种模糊自动机。进一步研究了它们的相应关系。2. 利用神经网络的模糊有限态自动机的抽取在探讨神经网络结构及其算法特点的基础上,把模糊自动机映射到反馈神经网络里,再把神经网络与自动机结合起来。利用非线性函数(通常用Sigmoid 函数)训练神经网络,从而抽取模糊有限态自动机。同时,利用拓广的自组织特征映射(ESOM)方法,给出了抽取模糊有限态自动机的具体措施。3. 利用神经网络的模糊无限态自动机的抽取和收敛根据模糊有限态自动机的特点,提出了无限态自动机。同时,在分析把模糊有限态自动机映射到神经网络中特点的基础上,把网络结构稍作改动,应用到无限态自动机中。利用似输出空间的划分方法,抽取出了模糊无限态自动机。同时,根据映射特点,给出了模糊无限态自动机收敛到模糊有限态自动机,进一步收敛到确定