反馈神经网络的信号放大方法
【专利摘要】为了提高多输入输出动态系统中的反馈神经网络信号处理速度，本发明提供了一种反馈神经网络的信号放大方法，包括：构造检测信号接收矩阵；对检测信号接收矩阵进行奇异值分解；根据奇异值分解结果构造反馈信号矩阵；利用反馈信号矩阵对接收矩阵信号进行反馈和放大。本发明根据反馈神经网络算法，利用待输入到多输入输出动态系统的输入信号的相位稳定性进行信号筛选，剔除掉不能体现出相位集中区域的信号，从而降低了多输入输出动态系统建模过程中运算的离散度，提高了建模的收敛速度。
【专利说明】
反馈神经网络的信号放大方法
技术领域
[0001] 本发明涉及多输入输出动态系统信号处理技术领域，更具体地，涉及一种反馈神 经网络的信号放大方法。
【背景技术】
[0002] 神经网络是用机器模拟人脑智能活动的杰出代表。它巧妙地将生物神经网络的结 构和工作方式角数学形式模拟出来，用于解决实际问题，已在众多领域获得成功应用。例 如，根据疾病危险因素预测疾病发生风险，反馈神经网络在流行病学资料分析中占有相当 比重。它属于非线性模拟系统，其特有的设计及工作原理使其对被分析的资料特性几乎没 有任何要求，无论被研究资料是连续型还是离散型的，采用神经网络方法不必经过繁琐的 变量特征分析过程即可直接使用并行处理的方式又使它对残缺资料以及干扰错误信号具 有一定的处理能力神经网络还具有自动学习、识别变量间关系的能力，可以识别变量间的 任何关系而不需要人脑的参与，其效果往往也优于传统分析方法。
[0003] 但是，传统的反馈神经网络算法在建模时收敛速度慢，限制了其在多输入输出动 态系统中。
【发明内容】
[0004] 为了提高多输入输出动态系统中的反馈神经网络信号处理速度，本发明通过借助 于相位处理的方式使反馈神经网络的信号得以适当放大，提高了建模时的收敛速度。
[0005] 具体地，本发明提供了一种反馈神经网络的信号放大方法，包括：
[0006] (1)构造检测信号接收矩阵；
[0007] (2)对检测信号接收矩阵进行奇异值分解；
[0008] (3)根据奇异值分解结果构造反馈信号矩阵；
[0009] (4)利用反馈信号矩阵对接收矩阵信号进行反馈和放大。
[0010]进一步地，所述步骤（1)包括：
[0011] (11)接收多个待输入到多输入输出系统的待处理信号Si (t)，i = 1，2，…N，N为正 整数；
[0012] (⑵计算各待处理信号S,⑴之间的对数比例，获得它们彼此之间的比例系数：
[0013] Κι:Κ2:Κ3: · · · :Kn= | lg( 11 Si(t) | |) |: | lg( 11 S2(t) | |) |: | lg( | |S3(t) | |) |: · · ·: ig(||sN(t)||)
[0014] (13)构造检测信号接收矩阵A:
[0015]
[0016] 进一步地，所述步骤(2)包括：
[0017]对检测信号接收矩阵进行奇异值分解：
[0018] A = UDVH，其中U为A的行奇异向量，D为A的对角阵，VH为A的列奇异向量。
[0019]进一步地，所述步骤(3)包括：
[0020] (31)获得各待处理信号Si(t)的相位信息矩阵P:
[0021]
其中Pi为与之对应的待处理信号Si(t)的相位 信息，? = 1，2，···Ν，Ν为正整数；
[0022] (32)对检测信号接收矩阵进行奇异值分解，获得其广义逆矩阵Α':
[0023] (33)计算广义逆矩阵#的秩α;
[0024] (34)对相位信息矩阵Ρ进行筛选：
[0025] 去掉相位信息矩阵ΡψΡ1小于预设阈值的值，得到矩阵Ρ~;
[0026] (35)计算相位信息矩阵Ρ~的秩β;
[0027] (36)计算各待处理信号SKt)的相位信息的比例：
[0028] Li: L2: L3: · · · : Ln= | | Pi | | : | | P21 | : | | P31 | : · · · : | | Pn 11;
[0029] (37)构造相位信息归一化对角矩阵I:
[0030]
其中Ci表示相位信息矩阵P中Pi小 于预设阈值的值的情况，且当相位信息矩阵小于预设阈值的值时，Cl=0,否则Cl= | |D I;
[0031] (38)确定矩阵I的重特征值T，进而计算Li与T之间的标准差Gi并以此标准差构造反 馈比例矩阵G;
[0032] (39)构造反馈信号矩阵F:
[0033]
[0034]进一步地，所述步骤(4)包括：
[0035] (41)根据反馈信号矩阵对接收矩阵信号进行反馈，得到待放大矩阵E:
[0036] E=A_F
[0037] (42)确定信号放大比例m;
[0038] (43)对待放大矩阵E进行放大，得到供输入给多输入输出动态系统的经过放大的 信号矩阵R'：
[0039] R' =mXE；
[0040] (44)对矩阵R'进行反对数运算，得到供输入给多输入输出动态系统的信号矩阵心 (t)〇
[0041 ] 进一步地，所述lg处理函数可以替换为In处理函数，且反对数运算相应地替换为 幂指数函数的反对数计算。
[0042] 进一步地，所述幂指数函数的反对数计算采用ex形式的函数进行。
[0043] 本发明的有益效果是:根据反馈神经网络算法，利用待输入到多输入输出动态系 统的输入信号的相位稳定性进行信号筛选，剔除掉不能体现出相位集中区域的信号，从而 降低了多输入输出动态系统建模过程中运算的离散度，提高了建模的收敛速度。
【附图说明】
[0044] 图1示出了根据本发明的反馈神经网络的信号放大方法的流程框图。
【具体实施方式】
[0045] 如图1所示，根据本发明的优选实施例，本发明提供了一种反馈神经网络的信号放 大方法，包括：
[0046] (1)构造检测信号接收矩阵；
[0047] (2)对检测信号接收矩阵进行奇异值分解；
[0048] (3)根据奇异值分解结果构造反馈信号矩阵；
[0049] (4)利用反馈信号矩阵对接收矩阵信号进行反馈和放大。
[0050]优选地，所述步骤(1)包括：
[0051 ] (11)接收多个待输入到多输入输出系统的待处理信号Si (t)，i = 1，2，…N，N为正 整数；
[0052] (12)计算各待处理信号Si⑴之间的对数比例，获得它们彼此之间的比例系数：
[0053] Κι?: · · · :Kn= | lg( 11 Si(t) | |) |: | lg( 11 S2(t) | |) |: | lg( | |S3(t) | |) |: · · ·: lg(11SN(t)11) I
[0054] (13)构造检测信号接收矩阵A:
[0055]
[0056] 优选地，所述步骤(2)包括：
[0057]对检测信号接收矩阵进行奇异值分解：
[0058] A = UDVH，其中U为A的行奇异向量，D为A的对角阵，VH为A的列奇异向量。
[0059] 优选地，所述步骤(3)包括：
[0060] (31)获得各待处理信号Si(t)的相位信息矩阵P:
[0061 ]
，其中Pi为与之对应的待处理信号Si(t)的相位 信息，? = 1，2，···Ν，Ν为正整数；
[0062] (32)对检测信号接收矩阵进行奇异值分解，获得其广义逆矩阵Α':
[0063] (33)计算广义逆矩阵#的秩α;
[0064] (34)对相位信息矩阵Ρ进行筛选：
[0065] 去掉相位信息矩阵ΡψΡ1小于预设阈值的值，得到矩阵Ρ~;
[0066] (35)计算相位信息矩阵Ρ~的秩β;
[0067] (36)计算各待处理信号SKt)的相位信息的比例：
[0068] Li: L2: L3: · · · : Ln= | | Pi | | : | | P21 | : | | P31 | : · · · : | | Pn 11;
[0069] (37)构造相位信息归一化对角矩阵I:
[0070]
，其中Ci表示相位信息矩阵P中Pi小 于预设阈值的值的情况，且当相位信息矩阵小于预设阈值的值时，Cl=0,否则Cl= | |D I;
[0071 ] (38)确定矩阵I的重特征值T，进而计算U与T之间的标准差Gi并以此标准差构造反 馈比例矩阵G;
[0072] (39)构造反馈信号矩阵F:
[0073]
[0074]优选地，所述步骤(4)包括：
[0075] (41)根据反馈信号矩阵对接收矩阵信号进行反馈，得到待放大矩阵E:
[0076] E=A_F
[0077] (42)确定信号放大比例m;
[0078] (43)对待放大矩阵E进行放大，得到供输入给多输入输出动态系统的经过放大的 信号矩阵R'：
[0079] R' =mXE；
[0080] (44)对矩阵R'进行反对数运算，得到供输入给多输入输出动态系统的信号矩阵Ri (t)〇
[0081 ]可替换地，所述lg处理函数可以替换为In处理函数，且反对数运算相应地替换为 幂指数函数的反对数计算。
[0082] 优选地，所述幂指数函数的反对数计算采用ex形式的函数进行。
[0083] 以上对于本发明的较佳实施例所作的叙述是为阐明的目的，而无意限定本发明精 确地为所揭露的形式，基于以上的教导或从本发明的实施例学习而作修改或变化是可能 的，实施例是为解说本发明的原理以及让所属领域的技术人员以各种实施例利用本发明在 实际应用上而选择及叙述，本发明的技术思想企图由权利要求及其均等来决定。
【主权项】
1. 一种反馈神经网络的信号放大方法，包括： (1) 构造检测信号接收矩阵； (2) 对检测信号接收矩阵进行奇异值分解； (3) 根据奇异值分解结果构造反馈信号矩阵； (4) 利用反馈信号矩阵对接收矩阵信号进行反馈和放大。2. 根据权利要求1所述的反馈神经网络的信号放大方法，其特征在于，所述步骤（1)包 括： (11) 接收多个待输入到多输入输出系统的待处理信号Si (t)，i = 1，2，…N，N为正整数； (12) 计算各待处理信号S1⑴之间的对数比例，获得它们彼此之间的比例系数： Κι:Κ2:Κ3: · · · :Kn= I lg( 11 Si(t) 11) I: I lg( 11 S2(t) 11) I: I lg( 11 S3(t) 11) I: · · ·: I lg( I sN(t)| I) (13) 构造检测信号接收矩阵A:3. 根据权利要求2所述的反馈神经网络的信号放大方法，其特征在于，所述步骤(2)包 括： 对检测信号接收矩阵进行奇异值分解： A = UDVh,其中U为A的行奇异向量，D为A的对角阵，Vh为A的列奇异向量。4. 根据权利要求3所述的反馈神经网络的信号放大方法，其特征在于，所述步骤(3)包 括： (31) 获得各待处理信号S1U)的相位信息矩阵P:，其中Pi为与之对应的待处理信号Si(t)的相位信息， 1 = 1，2，"，小为正整数； (32) 对检测信号接收矩阵进行奇异值分解，获得其广义逆矩阵A': (33) 计算广义逆矩阵Y的秩α; (34) 对相位信息矩阵P进行筛选： 去掉相位信息矩阵小于预设阈值的值，得到矩阵ΡΛ; (35) 计算相位信息矩阵ΡΛ的秩β; (36) 计算各待处理信号S1U)的相位信息的比例： Li: L2: L3: · · · : Ln= I I Pi I I : I IΡ21 I : I I Ρ31 I : · · · : I I Pn I I ; (37) 构造相位信息归一化对角矩阵I:其中C1表示相位信息矩阵P中Pd、于预设 阈值的值的情况，且当相位信息矩阵Pmp1小于预设阈值的值时，Cl=0,否则C1= I |D| I; (38) 确定矩阵I的重特征值T，进而计算Li与T之间的标准差Gi并以此标准差构造反馈比 例矩阵G; (39) 构造反馈信号矩阵F:5. 根据权利要求4所述的反馈神经网络的信号放大方法，其特征在于，所述步骤(4)包 括： (41) 根据反馈信号矩阵对接收矩阵信号进行反馈，得到待放大矩阵E: E=A-F (42) 确定信号放大比例m; (43) 对待放大矩阵E进行放大，得到供输入给多输入输出动态系统的经过放大的信号 矩阵R'： R' =mXE; (44) 对矩阵R'进行反对数运算，得到供输入给多输入输出动态系统的信号矩阵Rdt)。6. 根据权利要求2所述的反馈神经网络的信号放大方法，其特征在于，所述Ig处理函数 可以替换为In处理函数。7. 根据权利要求6所述的反馈神经网络的信号放大方法，其特征在于，反对数运算相应 地替换为幂指数函数的反对数计算。8. 根据权利要求7所述的反馈神经网络的信号放大方法，其特征在于，所述幂指数函数 的反对数计算采用ex形式的函数进行。
【文档编号】G06N3/10GK105897358SQ201610381531
【公开日】2016年8月24日
【申请日】2016年6月1日
【发明人】周琳, 陈林瑞
【申请人】四川东鼎里智信息技术有限责任公司