采用log-BP算法的LDPC码译码仿真程序，给出了不同信噪比下误码率和误包率的统计图，用matlab和C（c-mex）程序分别编写，有详细说明和注释。
上传时间： 2014-01-09
上传用户：3到15
LDPC码以其接近Shannon极限的优异性能在编码界引起了轰动，成为研究的热点。随着研究的不断深入和技术的发展，目前，LDPC码已经被多个通信系统定为信道编码方案，并被应用到第二代数字视频广播卫星(DVB—S2)通信系统中。由于LDPC码译码过程中所涉及的数据量庞大，译码时序控制复杂，如何实现LDPC码译码器成为了人们研究的重点。 论文以基于FPGA实现LDPC码译码器为研究目标，主要对译码算法选择、译码数据量化、定点数据表示方式、译码算法关键运算单元的FPGA设计和译码的时序控制进行了深入研究。首先分析了LDPC码的基本译码原理和常用译码算法。然后重点分析了BP算法、log-BP算法、最小和算法和归一化最小和算法，并对四种译码算法的纠错性能和译码复杂度进行比较论证，选出适合硬件实现的译码方案。结合通信系统，对译码算法进行仿真分析，确定了译码算法的各个参数值和译码量化方案。 在系统仿真分析论证的基础之上，以归一化最小和译码算法为理论方案，利用硬件描述语言编写译码功能模块，并基于FPGA实现了固定译码长度的LDPC码译码器，利用MATLAB和Modelsim分别对译码器进行了功能验证和时序验证，最后模拟通信系统完成了译码器的硬件测试。
上传时间： 2013-04-24
上传用户：1234567890qqq
基于PSO的BP训练算法论文：在BP训练算法中，关于变权值、学习速率、步长的问题已被广泛地研究，几种基于启发式改进的技术也表明具有改善训练时间以及避免陷入局部最小的明显效果。这里BP训练过程由基于PSO同时优化log—Sigmoid函数与网络权值的新算 法(PSO。GainBP)实现。实验结果表明，PSO—GainBP比传统基于PSO的BP算法在网络训练方面具有更好的性能。
上传时间： 2017-01-19
上传用户：rishian
本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-05-23
上传用户：1101055045
无刷直流电机(BLDCM)是随着电机控制技术、电力电子技术和微电子技术的发展而出现的一种新型电机。它是在有刷直流电机的基础上发展起来的。无刷直流电机具有交流电机的结构简单、运行可靠、维护方便等一系列特点，又具有直流电机的运行效率高、无励磁损耗以及调速性能好等诸多优点，在很多场合有广泛的应用前景，成为了国内外研究的热点。无刷直流电机传统的理论部分分析和设计方法已经比较成熟，因此对无刷直流电机控制策略的研究就显得十分重要。 PID控制以其结构简单、可靠性高、易于工程实现等优点至今仍被广泛应用。在系统模型参数变化不大的情况下，PID控制性能优良。但在工业上有许多无法建立精确数学模型的复杂控制对象和非线性控制对象，若采用传统的PID进行控制的话，那么很难获得比较理想的控制效果。 对于无刷直流电机而言，它是一个多变量、强耦合的非线性系统，固定参数的PID调节器无法得到很理想的控制性能指标。基于以上原因，本文以无刷直流电机为控制对象，通过分析无刷直流电机的数学模型，以BP神经网络为基础，设计了应用于无刷直流电机的神经网络PID控制器。 在MATLAB平台上，先利用神经网络PID控制器，给出相应的控制算法，对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明，同传统PID控制器相比，神经网络PID控制器对模型、环境具有较好的适应能力与较强的鲁棒性，有效的改善了系统的控制结果，达到了预期的目的。随后利用SIMULNK建立了无刷直流电机控制系统的仿真模型。分别采用普通PID控制器和神经网络PID控制器对电机的不同运行状况进行了仿真分析。仿真结果验证了所建模型的正确性，并证明了神经网络控制的优越性。
上传时间： 2013-08-04
上传用户：YYRR
永磁同步电机(Permanent Magnet Synchronous Motor)因功率密度大、效率高、过载能力强、控制性能优良等优点，在中小容量调速系统和高精度调速场合发展迅速。但由于永磁同步电机的磁场具有独特的交叉耦合和交叉饱和现象，且其控制系统是一个强非线性、时变和多变量系统，要实现高精度调速就需对其控制策略进行深入研究。 永磁同步电机调速系统中，位置传感器的存在使得系统成本增加、结构复杂、可靠性降低，所以永磁同步电机的无位置传感器控制成为一个新的研究热点。本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-07-03
上传用户：kakuki123
·基于BP神经网络的字符识别
上传时间： 2013-06-17
上传用户：brucewan
·基于PCA和BP神经网络算法的车牌字符识别
上传时间： 2013-04-24
上传用户：maizezhen
基于BP神经网络的PID控制器的研究与实现:
上传时间： 2013-11-25
上传用户：SimonQQ
近年来，随着DSP技术的快速发展，数字视频处理技术得到了越来越广泛的应用。边缘检测是是数字视频处理中的一项关键技术，而且是进行对象检测和识别的基础。本文首先分析了当前发展比较成熟的几种边缘检测算法，然后针对基于DSP的数字视频处理系统的特点选用Laplacian of Gaussian（LoG）边缘检测算法，并在基于DM642的数字视频处理系统上实现，给出了仿真的结果。
上传时间： 2013-11-15
上传用户：familiarsmile
