基于改进粒子群算法的模糊小波神经网络建模

发布时间：2019-07-09 11:05

【摘要】：随着射频功放非线性对射频前端的影响日益增大,使得功放建模变得越来越重要。提出了一种自适应模糊小波神经网络模型结构,并利用改进的粒子群优化算法,建立有记忆的功放模型。将小波函数融入到自适应模糊推理系统的模糊规则中,得到新的网络模型;在粒子群算法中引入最差位置影响因子,提高搜索效率,并进一步简化,忽略粒子的速度项,同时采用与适应度函数值相关的动态变化惯性权重,加快了收敛速度,避免出现"早熟"现象。仿真结果表明:该方法建立的功放模型误差小、精度高,能够有效地表征功放特性。
文内图片：
图片说明：IPSO流程框图
[Abstract]:With the increasing influence of RF power amplifier nonlinear on RF front end, power amplifier modeling becomes more and more important. In this paper, an adaptive fuzzy wavelet neural network model is proposed, and the memorized power amplifier model is established by using the improved particle swarm optimization algorithm. The wavelet function is integrated into the fuzzy rules of adaptive fuzzy reasoning system to obtain a new network model, and the worst position influence factor is introduced into particle swarm optimization algorithm to improve the search efficiency, and further simplify and ignore the velocity term of particles. At the same time, the dynamic change inertia weight related to the value of adaptability function is used to speed up the convergence speed and avoid the "premature" phenomenon. The simulation results show that the power amplifier model established by this method has the advantages of small error and high accuracy, and can effectively characterize the characteristics of power amplifier.
【作者单位】： 辽宁工程技术大学电子与信息工程学院;
【基金】：国家自然科学基金(No.61372058) 辽宁省高等学校优秀科技人才支持计划(No.LR2013012) 辽宁工程技术大学研究生科研资助项目(No.5B2014032)
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 蔡念,胡匡祜,李淑宇,苏万芳;小波神经网络及其应用[J];中国体视学与图像分析;2001年04期

2 吴曦,康会光;基于随机小波神经网络的一类随机过程的逼近[J];安阳师范学院学报;2002年02期

3 丁勇,刘守生,胡寿松;一种广义小波神经网络的结构及其优化方法[J];控制理论与应用;2003年01期

4 刘雨华,叶小岭,周媛;小波神经网络在综合评价中的应用[J];统计与决策;2005年15期

5 刘景艳;邹有明;;小波神经网络在提升设备故障诊断中的应用[J];煤矿机械;2006年04期

6 韩宝如;孟玲玲;;一种基于小波神经网络的模拟电路故障诊断方法[J];电子测量技术;2006年06期

7 李建丽;钟仪华;李智超;;小波神经网络多属性综合评价及其应用[J];科技资讯;2008年03期

8 刘渊;戴悦;曹建华;;基于小波神经网络的流量混沌时间序列预测[J];计算机工程;2008年16期

9 张坤;;小波神经网络在粮食产量预测中的应用[J];计算机与数字工程;2010年03期

10 左磊;侯立刚;高大明;彭晓宏;吴武臣;;基于粒子群-小波神经网络的模拟电路故障诊断[J];北京工业大学学报;2010年03期

相关会议论文 前10条

1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集（2）[C];2009年

2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年

4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年

5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年

7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年

9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年

10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

相关博士学位论文 前10条

1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年

2 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年

3 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年

4 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年

5 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年

6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年

7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年

8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年

9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年

10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年

相关硕士学位论文 前10条

1 张清华;小波神经网络参数优化及其应用[D];东北农业大学;2009年

2 王建双;基于小波神经网络控制器设计与研究[D];哈尔滨理工大学;2009年

3 张蓉晖;小波神经网络及其在模拟电路诊断中的应用[D];华中科技大学;2008年

4 吴曦;基于随机小波神经网络的一类随机过程的逼近[D];西北工业大学;2001年

5 王勇;基于小波神经网络的模拟电路故障诊断的研究[D];内蒙古工业大学;2006年

6 孙新强;基于小波神经网络的板料冲压回弹研究[D];西南交通大学;2015年

7 但立;基于小波神经网络的地面三维激光扫描点云数据的滑坡监测研究[D];长安大学;2015年

8 葛小川;基于小波神经网络的某坦克炮平衡与定位控制[D];南京理工大学;2015年

9 蔡崇国;小波分析在大功率交流伺服系统中的应用研究[D];南京理工大学;2015年

10 卢金长;数据挖掘技术在上证指数预测中的应用研究[D];云南财经大学;2015年

，

本文编号：2512103