模糊神经网络用于非线性系统模型辨识(英文)

提出了一种非线性系统的模型辨识方法。在只有被辨识系统的输入输出数据的情况下,利用一种无监督的聚类算法来进行结构辨识,从而自动获得模糊规则库,并可以得到模糊系统的初始参数。在聚类的基础上,构造一个与之相匹配的模糊神经网络,用它的学习算法来训练网络得到一个精确的模糊模型,从而实现参数辨识。同时,证明了所构造的模糊神经网络具有通用逼近能力,这个能力在模糊建模和模糊控制方面非常有用。通过对两个非线性系统辨识的仿真结果验证了该方法的有效性。     

从相关性分析Turbo码交织器的设计

分析了Ｔｕｒｂｏ码编译码对交织器相关性的要求,以及交织器的设计对码距的影响,提出了以序列相关性作为设计交织器的判据和斜对角交织方案。得出了当采用斜对角交织时,由于其序列相关性为０,在较小的交织深度下,Ｔｕｒｂｏ码可取得较好的差错纠错性能,仿真实验证明了此结论。