采用LoG-BP算法的LDPC碼譯碼仿真程序，給出了不同信噪比下誤碼率和誤包率的統計圖，用matlab和C（c-mex）程序分別編寫，有詳細說明和注釋。
上傳時間： 2014-01-09
上傳用戶：3到15
LDPC碼以其接近Shannon極限的優異性能在編碼界引起了轟動，成為研究的熱點。隨著研究的不斷深入和技術的發展，目前，LDPC碼已經被多個通信系統定為信道編碼方案，并被應用到第二代數字視頻廣播衛星(DVB—S2)通信系統中。由于LDPC碼譯碼過程中所涉及的數據量龐大，譯碼時序控制復雜，如何實現LDPC碼譯碼器成為了人們研究的重點。 論文以基于FPGA實現LDPC碼譯碼器為研究目標，主要對譯碼算法選擇、譯碼數據量化、定點數據表示方式、譯碼算法關鍵運算單元的FPGA設計和譯碼的時序控制進行了深入研究。首先分析了LDPC碼的基本譯碼原理和常用譯碼算法。然后重點分析了BP算法、LoG-BP算法、最小和算法和歸一化最小和算法，并對四種譯碼算法的糾錯性能和譯碼復雜度進行比較論證，選出適合硬件實現的譯碼方案。結合通信系統，對譯碼算法進行仿真分析，確定了譯碼算法的各個參數值和譯碼量化方案。 在系統仿真分析論證的基礎之上，以歸一化最小和譯碼算法為理論方案，利用硬件描述語言編寫譯碼功能模塊，并基于FPGA實現了固定譯碼長度的LDPC碼譯碼器，利用MATLAB和Modelsim分別對譯碼器進行了功能驗證和時序驗證，最后模擬通信系統完成了譯碼器的硬件測試。
上傳時間： 2013-04-24
上傳用戶：1234567890qqq
基于PSO的BP訓練算法論文：在BP訓練算法中，關于變權值、學習速率、步長的問題已被廣泛地研究，幾種基于啟發式改進的技術也表明具有改善訓練時間以及避免陷入局部最小的明顯效果。這里BP訓練過程由基于PSO同時優化log—Sigmoid函數與網絡權值的新算 法(PSO。GainBP)實現。實驗結果表明，PSO—GainBP比傳統基于PSO的BP算法在網絡訓練方面具有更好的性能。
上傳時間： 2017-01-19
上傳用戶：rishian
本文擬借助于神經網絡良好的逼近能力，實現永磁同步電機的無位置傳感器控制。 人工神經網絡(Neural Network)可以逼近任意復雜非線性映射，具有很強的自學習自適應能力，十分適合于解決復雜的非線性控制問題。其中，BP神經網絡是目前廣泛應用的神經網絡之一，得到了較為深入的研究，其結構簡單，需要離線確定的參數少、泛化能力強、逼近精度高、實時性強，采用BP神經網絡實現永磁同步電機的調速控制具有重要意義。 文中提出了基于BP神經網絡的永磁同步電機自適應調速控制策略，建立了一種包含辨識網絡和控制網絡的雙神經網絡結構控制系統。辨識網絡在線動態辨識系統輸出并對控制網絡參數進行調整，控制網絡與PI控制方法相結合實現永磁同步電機自適應轉速控制。仿真結果表明，該系統動態響應快、實時性較強、精度較高。 文中提出了一種基于混合訓練算法的BP神經網絡永磁同步電機無位置傳感器控制方法。采用混沌優化和梯度下降法相結合的混合算法對BP神經網絡進行離線訓練后，將其用于永磁同步電機的轉子位置角在線估計。結果表明，該訓練算法可以有效地加快神經網絡收斂速度，且估計的轉子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調速控制系統，并進行了相應的軟硬件設計，為實現永磁同步電機的各種控制策略奠定了實驗基礎。DSP控制系統為神經網絡訓練提供樣本，為研究永磁同步電機的自適應調速控制和轉子位置角估計創造了條件。
上傳時間： 2013-05-23
上傳用戶：1101055045
無刷直流電機(BLDCM)是隨著電機控制技術、電力電子技術和微電子技術的發展而出現的一種新型電機。它是在有刷直流電機的基礎上發展起來的。無刷直流電機具有交流電機的結構簡單、運行可靠、維護方便等一系列特點，又具有直流電機的運行效率高、無勵磁損耗以及調速性能好等諸多優點，在很多場合有廣泛的應用前景，成為了國內外研究的熱點。無刷直流電機傳統的理論部分分析和設計方法已經比較成熟，因此對無刷直流電機控制策略的研究就顯得十分重要。 PID控制以其結構簡單、可靠性高、易于工程實現等優點至今仍被廣泛應用。在系統模型參數變化不大的情況下，PID控制性能優良。但在工業上有許多無法建立精確數學模型的復雜控制對象和非線性控制對象，若采用傳統的PID進行控制的話，那么很難獲得比較理想的控制效果。 對于無刷直流電機而言，它是一個多變量、強耦合的非線性系統，固定參數的PID調節器無法得到很理想的控制性能指標。基于以上原因，本文以無刷直流電機為控制對象，通過分析無刷直流電機的數學模型，以BP神經網絡為基礎，設計了應用于無刷直流電機的神經網絡PID控制器。 在MATLAB平臺上，先利用神經網絡PID控制器，給出相應的控制算法，對典型的參數時變非線性系統的控制進行了仿真研究。仿真結果表明，同傳統PID控制器相比，神經網絡PID控制器對模型、環境具有較好的適應能力與較強的魯棒性，有效的改善了系統的控制結果，達到了預期的目的。隨后利用SIMULNK建立了無刷直流電機控制系統的仿真模型。分別采用普通PID控制器和神經網絡PID控制器對電機的不同運行狀況進行了仿真分析。仿真結果驗證了所建模型的正確性，并證明了神經網絡控制的優越性。
上傳時間： 2013-08-04
上傳用戶：YYRR
永磁同步電機(Permanent Magnet Synchronous Motor)因功率密度大、效率高、過載能力強、控制性能優良等優點，在中小容量調速系統和高精度調速場合發展迅速。但由于永磁同步電機的磁場具有獨特的交叉耦合和交叉飽和現象，且其控制系統是一個強非線性、時變和多變量系統，要實現高精度調速就需對其控制策略進行深入研究。 永磁同步電機調速系統中，位置傳感器的存在使得系統成本增加、結構復雜、可靠性降低，所以永磁同步電機的無位置傳感器控制成為一個新的研究熱點。本文擬借助于神經網絡良好的逼近能力，實現永磁同步電機的無位置傳感器控制。 人工神經網絡(Neural Network)可以逼近任意復雜非線性映射，具有很強的自學習自適應能力，十分適合于解決復雜的非線性控制問題。其中，BP神經網絡是目前廣泛應用的神經網絡之一，得到了較為深入的研究，其結構簡單，需要離線確定的參數少、泛化能力強、逼近精度高、實時性強，采用BP神經網絡實現永磁同步電機的調速控制具有重要意義。 文中提出了基于BP神經網絡的永磁同步電機自適應調速控制策略，建立了一種包含辨識網絡和控制網絡的雙神經網絡結構控制系統。辨識網絡在線動態辨識系統輸出并對控制網絡參數進行調整，控制網絡與PI控制方法相結合實現永磁同步電機自適應轉速控制。仿真結果表明，該系統動態響應快、實時性較強、精度較高。 文中提出了一種基于混合訓練算法的BP神經網絡永磁同步電機無位置傳感器控制方法。采用混沌優化和梯度下降法相結合的混合算法對BP神經網絡進行離線訓練后，將其用于永磁同步電機的轉子位置角在線估計。結果表明，該訓練算法可以有效地加快神經網絡收斂速度，且估計的轉子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調速控制系統，并進行了相應的軟硬件設計，為實現永磁同步電機的各種控制策略奠定了實驗基礎。DSP控制系統為神經網絡訓練提供樣本，為研究永磁同步電機的自適應調速控制和轉子位置角估計創造了條件。
上傳時間： 2013-07-03
上傳用戶：kakuki123
·基于BP神經網絡的字符識別
上傳時間： 2013-06-17
上傳用戶：brucewan
·基于PCA和BP神經網絡算法的車牌字符識別
上傳時間： 2013-04-24
上傳用戶：maizezhen
基于BP神經網絡的PID控制器的研究與實現:
上傳時間： 2013-11-25
上傳用戶：SimonQQ
近年來，隨著DSP技術的快速發展，數字視頻處理技術得到了越來越廣泛的應用。邊緣檢測是是數字視頻處理中的一項關鍵技術，而且是進行對象檢測和識別的基礎。本文首先分析了當前發展比較成熟的幾種邊緣檢測算法，然后針對基于DSP的數字視頻處理系統的特點選用Laplacian of Gaussian（LoG）邊緣檢測算法，并在基于DM642的數字視頻處理系統上實現，給出了仿真的結果。
上傳時間： 2013-11-15
上傳用戶：familiarsmile
