开题报告-基于变换域方法的信号特性分析与研究.doc

长安大学毕业设计（论文）开题报告表课题名称基于变换域方法的信号特性分析与研究课题来源学生姓名1、 毕业设计研究内容 毕业设计的主要内容有：对于一维信号，通过傅里叶变换，离散余弦变换或小波变换等频率分析工具，对包括声音在内的一维信号进行频率域，小波域分析，得出有关特性；利用神经网络，根据变换域的特性进行进一步的处理，从而实现对信号的识别。二、课题意义 小波变换是对Fourier分析方法的突破。它不但在时域和频域同时具有良好的局部化性质，而且对低频信号在频域和对高频信号在时域里都有很好的分辨率，从而可以聚集到对象的任意细节。小波分析相当于一个数学显微镜，具有放大、缩小和平移功能，通过检查不同放大倍数下的变化来研究信号的动态特性。因此，小波分析已成为地球物理、信号处理、图像处理、理论物理等诸多领域的强有力工具。人工神经网络，也简称为神经网络或称作连接模型，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。在神经网络中有大量的节点，每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。 小波神经网络将小波变换良好的时频局域化特性和神经网络的自学习功能相结合，因而具有较强的逼近能力和容错能力。在结合方法上，可以将小波函数作为基函数构造神经网络形成小波网络，或者小波变换作为前馈神经网络的输入前置处理工具，即以小波变换的多分辨率特性对过程状态信号进行处理，实现信噪分离，并能够提取出对加工误差影响最大的状态特性。 小波神经网络在信号特性分析、信号处理与保护研究等方面有广泛研究，将小波神经网络用于感应伺服电机的智能控制，使该系统具有良好的跟踪控制性能，以及好的鲁棒性，利用小波包神经网络进行心血管疾病的智能诊断，小波层进行时频域的特征提取，前向神经网络用来进行分类，正确分类率很高。 3、 国内外发展状况小波分析方法是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，通过物理的直观和信号处理的实际需要经验的建立了反演公式，当时未能得到数学家的认可。正如1807年法国的热学工程师J.B.J.Fourier提出任一函数都能展开成三角函数的无穷级数的创新概念未能得到认可一样。幸运的是，早在七十年代，A.Calderon表示定理的发现、Hardy空间的原子分解和无条件基的深入研究为小波变换的诞生做了理论上的准备，而且J.O.Stromberg还构造了历史上非常类似于现在的小波基；1986年著名数学家Y.Meyer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的统一方法-多尺度分析之后，小波分析才开始蓬勃发展起来，其中比利时女数学家I.Daubechies撰写的小波十讲（Ten Lectures on Wavelets）对小波的普及起了重要的推动作用。与Fourier变换、视窗Fourier变换（Gabor变换）相比，具有良好的时频局部化特性，因而能有效的从信号中提取资讯，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题，因而小波变化被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进展。在信号的判别方法中，人工神经网络得到了重点研究，应用非常广泛，主要有以下几种：线性神经网络最典型的例子是自适应线性元件。自适应线性元件20世纪50年代末由widrow和hoff提出，主要用途是通过线性逼近一个函数式而进行模式联想以及信号滤波、预测、模型识别和控制等。线性神经网络的输出可以取任意值，其传输函数是线性函数。线性神经网络采用widrow-hoff学习规则，即LMS算法来调整网络的权值和偏置。BP神经网络是包含多个隐含层的网络，具备线性不可分问题的能力。在历史上，由于一直没有找到合适的多层神经网络的学习算法，导致神经网络的研究一直陷入低迷。20世纪80年代中期，Rumelhart等成立了PDP小组，提出了著名的误差反向传播算法，解决了多层神经网络的学习问题，极大促进了神经网络的发展，这种神经网络就被称为BP神经网络。BP网络是前向神经网络的核心部分，也是整个人工神经网络中的精华，广泛应用于分类识别、逼近、回归、压缩等领域。在实际应用中，大约80%的神经网络模型采用BP网络或者BP网络的变化形式。反馈神经网络的输出除了与当前的输入和网络的权值有关之外，还与网络之前的输入有关。反馈神经网络有着比前向神经网络更强的计算能力，其最突出的有点就是具有很强的联想记忆能力和优化计算功能，最重要的研究方向是反馈神经网络的稳定性。近年来将小波分析等信号处理方法和神经网络相结合，在信号或信息判别中得到了快速发展和应用。四、设计内容1. 查找文献资料，对傅里叶变换和小波变换进行学习研究，对信号进行预处理。2. 查找文献资料，对神经网络进行学习研究，实现信号判别。五、预期结果掌握了傅里叶变换，小波变换理论和实际应用方法；设计的判别方法有一定实用价值，并形成毕业论文。六、进度安排序号任务时间1查找相关资料，熟悉数字信号处理的有关理论。第一三周2查阅有关小波变换国内外的研究进展和各种提取算法文献，并进行初步设计。第四六周3用软件进行程序设计与仿真，；第七九周4对仿真结果分析并改进，开始撰写论文第十十二周5整理毕业论文，请指导老师评阅，不足处加以修改。完善论文第十三十六周6准备论文答辩。第十七周六、 完成任务所具备的条件因素a)指导老师的悉心指导，之前所学的信号与系统，数字信号处理等课程的理论知识；b)熟悉软件开发环境；积极到图书馆查阅资料文献；七、参考文献1) 高西全，丁玉美，数字信号处理（第三版）M，西安电子科技大学出版社,20112）孙延奎，小波分析及其应用M. 北京:机