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(tǒng)計(jì)圖，用matlab和C（c-mex）程序分別編寫，有詳細(xì)說明和注釋。
上傳時(shí)間： 2014-01-09
上傳用戶：3到15
LDPC碼以其接近Shannon極限的優(yōu)異性能在編碼界引起了轟動，成為研究的熱點(diǎn)。隨著研究的不斷深入和技術(shù)的發(fā)展，目前，LDPC碼已經(jīng)被多個通信系統(tǒng)定為信道編碼方案，并被應(yīng)用到第二代數(shù)字視頻廣播衛(wèi)星(DVB—S2)通信系統(tǒng)中。由于LDPC碼譯碼過程中所涉及的數(shù)據(jù)量龐大，譯碼時(shí)序控制復(fù)雜，如何實(shí)現(xiàn)LDPC碼譯碼器成為了人們研究的重點(diǎn)。 論文以基于FPGA實(shí)現(xiàn)LDPC碼譯碼器為研究目標(biāo)，主要對譯碼算法選擇、譯碼數(shù)據(jù)量化、定點(diǎn)數(shù)據(jù)表示方式、譯碼算法關(guān)鍵運(yùn)算單元的FPGA設(shè)計(jì)和譯碼的時(shí)序控制進(jìn)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(diǎn)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(fù)雜度進(jìn)行比較論證，選出適合硬件實(shí)現(xiàn)的譯碼方案。結(jié)合通信系統(tǒng)，對譯碼算法進(jìn)行仿真分析，確定了譯碼算法的各個參數(shù)值和譯碼量化方案。 在系統(tǒng)仿真分析論證的基礎(chǔ)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(shí)現(xiàn)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(jìn)行了功能驗(yàn)證和時(shí)序驗(yàn)證，最后模擬通信系統(tǒng)完成了譯碼器的硬件測試。
標(biāo)簽： LDPC FPGA 譯碼器 實(shí)現(xiàn)研究
上傳時(shí)間： 2013-04-24
上傳用戶：1234567890qqq
基于PSO的BP訓(xùn)練算法論文：在BP訓(xùn)練算法中，關(guān)于變權(quán)值、學(xué)習(xí)速率、步長的問題已被廣泛地研究，幾種基于啟發(fā)式改進(jìn)的技術(shù)也表明具有改善訓(xùn)練時(shí)間以及避免陷入局部最小的明顯效果。這里BP訓(xùn)練過程由基于PSO同時(shí)優(yōu)化log—Sigmoid函數(shù)與網(wǎng)絡(luò)權(quán)值的新算 法(PSO。GainBP)實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，PSO—GainBP比傳統(tǒng)基于PSO的BP算法在網(wǎng)絡(luò)訓(xùn)練方面具有更好的性能。
上傳時(shí)間： 2017-01-19
上傳用戶：rishian
本文擬借助于神經(jīng)網(wǎng)絡(luò)良好的逼近能力，實(shí)現(xiàn)永磁同步電機(jī)的無位置傳感器控制。 人工神經(jīng)網(wǎng)絡(luò)(Neural Network)可以逼近任意復(fù)雜非線性映射，具有很強(qiáng)的自學(xué)習(xí)自適應(yīng)能力，十分適合于解決復(fù)雜的非線性控制問題。其中，BP神經(jīng)網(wǎng)絡(luò)是目前廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)之一，得到了較為深入的研究，其結(jié)構(gòu)簡單，需要離線確定的參數(shù)少、泛化能力強(qiáng)、逼近精度高、實(shí)時(shí)性強(qiáng)，采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)永磁同步電機(jī)的調(diào)速控制具有重要意義。 文中提出了基于BP神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)自適應(yīng)調(diào)速控制策略，建立了一種包含辨識網(wǎng)絡(luò)和控制網(wǎng)絡(luò)的雙神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)控制系統(tǒng)。辨識網(wǎng)絡(luò)在線動態(tài)辨識系統(tǒng)輸出并對控制網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整，控制網(wǎng)絡(luò)與PI控制方法相結(jié)合實(shí)現(xiàn)永磁同步電機(jī)自適應(yīng)轉(zhuǎn)速控制。仿真結(jié)果表明，該系統(tǒng)動態(tài)響應(yīng)快、實(shí)時(shí)性較強(qiáng)、精度較高。 文中提出了一種基于混合訓(xùn)練算法的BP神經(jīng)網(wǎng)絡(luò)永磁同步電機(jī)無位置傳感器控制方法。采用混沌優(yōu)化和梯度下降法相結(jié)合的混合算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練后，將其用于永磁同步電機(jī)的轉(zhuǎn)子位置角在線估計(jì)。結(jié)果表明，該訓(xùn)練算法可以有效地加快神經(jīng)網(wǎng)絡(luò)收斂速度，且估計(jì)的轉(zhuǎn)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(jī)調(diào)速控制系統(tǒng)，并進(jìn)行了相應(yīng)的軟硬件設(shè)計(jì)，為實(shí)現(xiàn)永磁同步電機(jī)的各種控制策略奠定了實(shí)驗(yàn)基礎(chǔ)。DSP控制系統(tǒng)為神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供樣本，為研究永磁同步電機(jī)的自適應(yīng)調(diào)速控制和轉(zhuǎn)子位置角估計(jì)創(chuàng)造了條件。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 永磁同步電機(jī) 自適應(yīng)控制
上傳時(shí)間： 2013-05-23
上傳用戶：1101055045
無刷直流電機(jī)(BLDCM)是隨著電機(jī)控制技術(shù)、電力電子技術(shù)和微電子技術(shù)的發(fā)展而出現(xiàn)的一種新型電機(jī)。它是在有刷直流電機(jī)的基礎(chǔ)上發(fā)展起來的。無刷直流電機(jī)具有交流電機(jī)的結(jié)構(gòu)簡單、運(yùn)行可靠、維護(hù)方便等一系列特點(diǎn)，又具有直流電機(jī)的運(yùn)行效率高、無勵磁損耗以及調(diào)速性能好等諸多優(yōu)點(diǎn)，在很多場合有廣泛的應(yīng)用前景，成為了國內(nèi)外研究的熱點(diǎn)。無刷直流電機(jī)傳統(tǒng)的理論部分分析和設(shè)計(jì)方法已經(jīng)比較成熟，因此對無刷直流電機(jī)控制策略的研究就顯得十分重要。 PID控制以其結(jié)構(gòu)簡單、可靠性高、易于工程實(shí)現(xiàn)等優(yōu)點(diǎn)至今仍被廣泛應(yīng)用。在系統(tǒng)模型參數(shù)變化不大的情況下，PID控制性能優(yōu)良。但在工業(yè)上有許多無法建立精確數(shù)學(xué)模型的復(fù)雜控制對象和非線性控制對象，若采用傳統(tǒng)的PID進(jìn)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(jī)而言，它是一個多變量、強(qiáng)耦合的非線性系統(tǒng)，固定參數(shù)的PID調(diào)節(jié)器無法得到很理想的控制性能指標(biāo)。基于以上原因，本文以無刷直流電機(jī)為控制對象，通過分析無刷直流電機(jī)的數(shù)學(xué)模型，以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，設(shè)計(jì)了應(yīng)用于無刷直流電機(jī)的神經(jīng)網(wǎng)絡(luò)PID控制器。 在MATLAB平臺上，先利用神經(jīng)網(wǎng)絡(luò)PID控制器，給出相應(yīng)的控制算法，對典型的參數(shù)時(shí)變非線性系統(tǒng)的控制進(jìn)行了仿真研究。仿真結(jié)果表明，同傳統(tǒng)PID控制器相比，神經(jīng)網(wǎng)絡(luò)PID控制器對模型、環(huán)境具有較好的適應(yīng)能力與較強(qiáng)的魯棒性，有效的改善了系統(tǒng)的控制結(jié)果，達(dá)到了預(yù)期的目的。隨后利用SIMULNK建立了無刷直流電機(jī)控制系統(tǒng)的仿真模型。分別采用普通PID控制器和神經(jīng)網(wǎng)絡(luò)PID控制器對電機(jī)的不同運(yùn)行狀況進(jìn)行了仿真分析。仿真結(jié)果驗(yàn)證了所建模型的正確性，并證明了神經(jīng)網(wǎng)絡(luò)控制的優(yōu)越性。
標(biāo)簽： PID BP神經(jīng)網(wǎng)絡(luò) 無刷直流電機(jī)
上傳時(shí)間： 2013-08-04
上傳用戶：YYRR
永磁同步電機(jī)(Permanent Magnet Synchronous Motor)因功率密度大、效率高、過載能力強(qiáng)、控制性能優(yōu)良等優(yōu)點(diǎn)，在中小容量調(diào)速系統(tǒng)和高精度調(diào)速場合發(fā)展迅速。但由于永磁同步電機(jī)的磁場具有獨(dú)特的交叉耦合和交叉飽和現(xiàn)象，且其控制系統(tǒng)是一個強(qiáng)非線性、時(shí)變和多變量系統(tǒng)，要實(shí)現(xiàn)高精度調(diào)速就需對其控制策略進(jìn)行深入研究。 永磁同步電機(jī)調(diào)速系統(tǒng)中，位置傳感器的存在使得系統(tǒng)成本增加、結(jié)構(gòu)復(fù)雜、可靠性降低，所以永磁同步電機(jī)的無位置傳感器控制成為一個新的研究熱點(diǎn)。本文擬借助于神經(jīng)網(wǎng)絡(luò)良好的逼近能力，實(shí)現(xiàn)永磁同步電機(jī)的無位置傳感器控制。 人工神經(jīng)網(wǎng)絡(luò)(Neural Network)可以逼近任意復(fù)雜非線性映射，具有很強(qiáng)的自學(xué)習(xí)自適應(yīng)能力，十分適合于解決復(fù)雜的非線性控制問題。其中，BP神經(jīng)網(wǎng)絡(luò)是目前廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)之一，得到了較為深入的研究，其結(jié)構(gòu)簡單，需要離線確定的參數(shù)少、泛化能力強(qiáng)、逼近精度高、實(shí)時(shí)性強(qiáng)，采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)永磁同步電機(jī)的調(diào)速控制具有重要意義。 文中提出了基于BP神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)自適應(yīng)調(diào)速控制策略，建立了一種包含辨識網(wǎng)絡(luò)和控制網(wǎng)絡(luò)的雙神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)控制系統(tǒng)。辨識網(wǎng)絡(luò)在線動態(tài)辨識系統(tǒng)輸出并對控制網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整，控制網(wǎng)絡(luò)與PI控制方法相結(jié)合實(shí)現(xiàn)永磁同步電機(jī)自適應(yīng)轉(zhuǎn)速控制。仿真結(jié)果表明，該系統(tǒng)動態(tài)響應(yīng)快、實(shí)時(shí)性較強(qiáng)、精度較高。 文中提出了一種基于混合訓(xùn)練算法的BP神經(jīng)網(wǎng)絡(luò)永磁同步電機(jī)無位置傳感器控制方法。采用混沌優(yōu)化和梯度下降法相結(jié)合的混合算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練后，將其用于永磁同步電機(jī)的轉(zhuǎn)子位置角在線估計(jì)。結(jié)果表明，該訓(xùn)練算法可以有效地加快神經(jīng)網(wǎng)絡(luò)收斂速度，且估計(jì)的轉(zhuǎn)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(jī)調(diào)速控制系統(tǒng)，并進(jìn)行了相應(yīng)的軟硬件設(shè)計(jì)，為實(shí)現(xiàn)永磁同步電機(jī)的各種控制策略奠定了實(shí)驗(yàn)基礎(chǔ)。DSP控制系統(tǒng)為神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供樣本，為研究永磁同步電機(jī)的自適應(yīng)調(diào)速控制和轉(zhuǎn)子位置角估計(jì)創(chuàng)造了條件。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 永磁同步電機(jī) 自適應(yīng)控制
上傳時(shí)間： 2013-07-03
上傳用戶：kakuki123
·基于BP神經(jīng)網(wǎng)絡(luò)的字符識別
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 字符識別
上傳時(shí)間： 2013-06-17
上傳用戶：brucewan
·基于PCA和BP神經(jīng)網(wǎng)絡(luò)算法的車牌字符識別
標(biāo)簽： PCA BP神經(jīng)網(wǎng)絡(luò) 算法 車牌字符
上傳時(shí)間： 2013-04-24
上傳用戶：maizezhen
基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的研究與實(shí)現(xiàn):
標(biāo)簽： PID BP神經(jīng)網(wǎng)絡(luò) 控制器
上傳時(shí)間： 2013-11-25
上傳用戶：SimonQQ
近年來，隨著DSP技術(shù)的快速發(fā)展，數(shù)字視頻處理技術(shù)得到了越來越廣泛的應(yīng)用。邊緣檢測是是數(shù)字視頻處理中的一項(xiàng)關(guān)鍵技術(shù)，而且是進(jìn)行對象檢測和識別的基礎(chǔ)。本文首先分析了當(dāng)前發(fā)展比較成熟的幾種邊緣檢測算法，然后針對基于DSP的數(shù)字視頻處理系統(tǒng)的特點(diǎn)選用Laplacian of Gaussian（LoG）邊緣檢測算法，并在基于DM642的數(shù)字視頻處理系統(tǒng)上實(shí)現(xiàn)，給出了仿真的結(jié)果。
上傳時(shí)間： 2013-11-15
上傳用戶：familiarsmile
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
