Matlab語言的Neural Network Toolbox 及其在同步中

訓練參數(shù)一般都依賴于選擇的訓練函數(shù)。兩個重要的參數(shù)：net.trainParam.epochs設置所有數(shù)據(jù)全部用于訓練的最多次數(shù)，net.trainParam.show設置訓練函數(shù)狀態(tài)報告的時間。例如：

3 在同步中的應用

在加性高斯白噪聲條件下，接收端對信號進行高速采樣，根據(jù)香農(nóng)定理，在一個模擬信號持續(xù)時間內(nèi)至少要保證4個采樣點，才能完整和準確地恢復信號的信息，由此決定了系統(tǒng)的采樣要求。軟件上主要由若干BP(Back-Propagation)前向神經(jīng)網(wǎng)絡完成，網(wǎng)絡的個數(shù)與算法精度有關。

在搜索長度一定的條件下，根據(jù)整個搜索區(qū)間上采樣點個數(shù)確定各個神經(jīng)網(wǎng)絡的輸出節(jié)點數(shù)目。使用的網(wǎng)絡個數(shù)由捕獲精度來確定，即整個捕獲區(qū)間上劃分為N個搜索相位，則采樣N個網(wǎng)絡并行執(zhí)行。每個網(wǎng)絡都具有相同的一組輸入信號，一個輸出為0或者1。

為體現(xiàn)神經(jīng)網(wǎng)絡對信號進行捕獲的思想，訓練樣本為不含噪聲的高斯脈沖信號，搜索的相位區(qū)間為6個，識別的結(jié)果是6維向量，在出現(xiàn)信號相應得區(qū)間位置上對應的元素為1，其他元素為0，測試樣本信噪比為30dB。圖2是6個不含噪聲的訓練樣本；圖2和圖3左邊是信噪比為30 dB的分別出現(xiàn)在6個不同區(qū)間的測試樣本，右邊是網(wǎng)絡輸出的識別結(jié)果，在向量的對應元素上出現(xiàn)尖峰。仿真結(jié)果說明在30 dB信噪比的情況下，利用神經(jīng)網(wǎng)絡能夠準確檢測到信號的出現(xiàn)時刻。由于仿真使用的訓練樣本比較少，神經(jīng)網(wǎng)絡沒有充分提取樣本的統(tǒng)計特性，也沒有足夠的網(wǎng)絡結(jié)構(gòu)和訓練過程對神經(jīng)網(wǎng)絡檢測信號能力的影響和噪聲對訓練過程和測試過程及性能的影響。通過仿真看來，在特定情況下神經(jīng)網(wǎng)絡對信號具有一定的檢測能力。

4 結(jié) 語

本文在介紹Matlab神經(jīng)網(wǎng)絡工具箱的基礎上，結(jié)合簡單例子進一步對神經(jīng)網(wǎng)絡工具箱中的一些函數(shù)及神經(jīng)網(wǎng)絡結(jié)構(gòu)進行解釋和說明。然后利用神經(jīng)網(wǎng)絡在同步中的應用進行了簡單的說明，并通過仿真驗證了神經(jīng)網(wǎng)絡在同步中的可行性。