基于自适应谐振网络的矢量量化研究
合集下载
自适应均衡技术ppt课件
均衡与自适应均衡
调滤波器的频率特性来弥补实际信道的幅频 特性和群延时特性，使包括均衡器在内的整 个系统的总频率特性满足无码间干扰传输条 件。时域均衡是直接从时间响应角度考虑， 使包括均衡器在内的整个传输系统的冲激响 应满足无码间干扰条件。频域均衡满足奈奎 斯特整形定理的要求，仅在判决点满足无码 间干扰的条件相对宽松一些。所以，在数字 通信中一般采用时域均衡。时域均衡器可以 分两大类：线性均衡器和非线性均衡器。
LMS算法其优点是结构简单，算法复杂度低， 易于实现，稳定性高，便于硬件实现，但是这 种算法收敛速度慢，对快速变化的信号不适合。
RLS算法是基于最小二乘准则的精确方法，它 的收敛速度快，稳定性强， 因此常被应用于 实时系统识别和快速启动的信道均衡。
自适应均衡技术的发展综述
递归RLS 或Kalman 滤波算法由Picinbono 在1978 年推导出的，70 年代～80 年代，世界上许多学 者专家从各个不同角度分别对RLS 算法进行了改 进和完善。与此同时，另外一类自适应均衡算 法——盲均衡技术也受到关注，盲均衡的最初研 究成果由Sato 在1975 年提出并应用到PAM 通信 系统中，随后Godard 等人将这种算法推广应用 到二维以及多维信号星座上。
目录
均衡与自适应均衡 自适应均衡技术的发展综述 为什么需要自适应均衡滤波器？
均衡与自适应均衡
在通信原理中我们学习过均衡技术，由于 信道特性的不理性等因素的影响，实际数字基 带系统的输出在抽样时刻上，或多或少会存在 一定的码间干扰。理论和实际均表明，在数字 基带系统输出端加入一种可调（或者不可调） 的滤波器，可以减小码间干扰的影响。这种起 补偿作用的滤波器统称为均衡器。 均衡器可分 为时域均衡器（TDE）和频域均衡器（FDE）两 大类。频域均衡是利用可
《智能控制技术》考试试题
《智能控制技术》考试试题（备注：请将本试卷粘贴在答题本内页）一、概念题（每小题5分，共20分）（1）人工神经网络人工神经网络的研究是人工智能、认知科学、神经生理学、非线性动力学等学科的交叉热点。
2．模糊推理知道了语言控制规则中蕴含的模糊关系后，就可以根据模糊关系和输入情况，来确定输出的情况，这就叫“模糊推理”。
3．专家系统专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复制问题。
4．递阶控制对递阶结构的大系统所采用的控制方式。
二、简答题（每小题10分，共40分）1．简述智能控制的发展过程,并说明智能控制的特点。
从20世纪60年代至今，智能控制的发展过程通常被划分3个阶段：萌芽期、形成期和发展期。
智能控制具有以下基本特点：1）应能为复杂系统进行有效的全局控制，并具有较强的容错能力。
2）定性策划和定量控制相结合的多模态组合控制。
3）从系统的功能和整体优化的角度来分析和综合系统，以实现预定的目标，并具有自组织能力。
4）同时具有以知识表示的非数学广义模型和以数学表示的数学模型的混合控制过程，系统在信息处理上，既有数学运算，又有逻辑和知识推理。
2．智能控制学科有哪几种结构理论?这些理论的内容是什么?二元结构理论傅京孙曾对几个与自学习控制(learning control)有关的领域进行了研究。
为强调系统的问题求解和决策能力,他用“智能控制系统”来包括这些领域。
他指出“智能控制系统描述自动控制系统与人工智能的交接作用”。
我们可以用式(1.3)和(1.6)以与图1.3来表示这种交接作用,并把它称为二元交集结构。
1.4.2 三元结构理论萨里迪斯于1977年提出另一种智能控制结构,它把傅京孙的智能控制扩展为三元结构,即把智能控制看作为人工智能、自动控制和运筹学的交接,如图1.4所示。
萨里迪斯认为,构成二元交集结构的两元互相支配,无助于智能控制的有效和成功应用。
工程化硅微谐振加速度计设计与实现
工程化硅微谐振加速度计设计与实现
高乃坤;刘福民;徐杰;高适萱;王学锋;阚宝玺
【期刊名称】《传感器与微系统》
【年(卷),期】2024(43)4
【摘要】提出一种基于MEMS敏感结构芯片与专用集成电路芯片(ASIC)集成封装的硅微谐振加速度计设计方案。
敏感结构主要包括敏感质量块、一级微杠杆放大结构和双端固定音叉谐振器。
整体结构采用左右差分对称布局,实现器件高灵敏度。
敏感结构芯片基于全硅晶圆级封装工艺,实现敏感结构芯片的低应力与批量化加工。
敏感结构芯片与ASIC芯片采用堆叠式集成封装,实现器件的小型化与低功耗。
所设计加速度计的谐振频率约为18.2 kHz,量程为±20 g_(n),标度因数为216 Hz/g_(n),标度因数稳定性为5×10^(-6),零偏稳定性为6.5μg_(n)(1σ,10 s)。
所提方案实现
了器件的小型化、低功耗与集成化。
【总页数】4页(P112-114)
【作者】高乃坤;刘福民;徐杰;高适萱;王学锋;阚宝玺
【作者单位】北京航天控制仪器研究所
【正文语种】中文
【中图分类】TP212;TH89
【相关文献】
1.小型化硅微谐振式加速度计的实现与性能测试
2.高精度硅微谐振加速度计工程化设计与实现
3.基于FPGA的高精度硅微谐振加速度计数据采集与参数补偿系统设
计与实现4.硅微谐振加速度计高精度相位闭环控制系统设计与实现5.一种差分杠杆结构的硅微谐振加速度计设计与实现
因版权原因，仅展示原文概要，查看原文内容请购买。
物理层关键技术
次数，一般可用MIPS 表示； 处理时延：复杂度高→处理时延大。
数据比特率(bps)
数据比特率越低压缩倍数就越大，可通信的话路 数也就越多，移动通信系统也就越有效。
数据比特率降低，语音质量也随之相应降低，为 了补偿质量的下降，可采用提高设备硬件复杂度 和算法软件复杂度的办法。
降低比特速率另一种有效方法是采用可变速率的 自适应传输，它可以大大降低语音的平均传送率。
采用一类反射系数格形算法 采用矢量量化技术
27
混合编码的基本原理
混合编码是介于波形编码与参量编码之间的一种 编码方法，兼有参量编码低速率与波形编码的高 质量的优点。
实现混合编码的基本思想是以参量编码原理，特 别是以LPC原理为基础，保留参量编码低速率的优 点，并适当的吸收波形编码中能部分反映波形个 性特征的因素。重点改善自然度性能。
17
ADPCM波形编码
ADPCM是利用样本与样本之间的高度相关性和量 化阶自适应来压缩数据的一种波形编码技术。
该算法利用了语音信号样点间的相关性，并针对 语音信号的非平稳特点，使用了自适应预测和自 适应量化，在32kbps/8kHz速率上能够给出网络等 级话音质量。
ADPCM标准是一个代码转换系统,它使用ADPCM 转换技术实现64Kb/s A律或u律PCM(脉冲编码调制) 速率和32Kb/s速率之间的相互转换。
15
复杂度与处理时延
语音编码硬件复杂度取决于DSP处理能力，而软件复杂度则主要体现 在算法复杂度上。算法复杂度增大，也会带来更长的运算时间和更大 的处理时延 。
如下所示，我们给出几种已知低数据比特率语音编码的上述四个参数 与性能比较表格。
编码器类型
脉码调制PCM 自适应差分脉码调制ADPCM 自适应子带编码 多脉冲线性预测编码 随机激励线性预测编码 线性预测声码器
数据比特率(bps)
数据比特率越低压缩倍数就越大，可通信的话路 数也就越多，移动通信系统也就越有效。
数据比特率降低，语音质量也随之相应降低，为 了补偿质量的下降，可采用提高设备硬件复杂度 和算法软件复杂度的办法。
降低比特速率另一种有效方法是采用可变速率的 自适应传输，它可以大大降低语音的平均传送率。
采用一类反射系数格形算法 采用矢量量化技术
27
混合编码的基本原理
混合编码是介于波形编码与参量编码之间的一种 编码方法，兼有参量编码低速率与波形编码的高 质量的优点。
实现混合编码的基本思想是以参量编码原理，特 别是以LPC原理为基础，保留参量编码低速率的优 点，并适当的吸收波形编码中能部分反映波形个 性特征的因素。重点改善自然度性能。
17
ADPCM波形编码
ADPCM是利用样本与样本之间的高度相关性和量 化阶自适应来压缩数据的一种波形编码技术。
该算法利用了语音信号样点间的相关性，并针对 语音信号的非平稳特点，使用了自适应预测和自 适应量化，在32kbps/8kHz速率上能够给出网络等 级话音质量。
ADPCM标准是一个代码转换系统,它使用ADPCM 转换技术实现64Kb/s A律或u律PCM(脉冲编码调制) 速率和32Kb/s速率之间的相互转换。
15
复杂度与处理时延
语音编码硬件复杂度取决于DSP处理能力，而软件复杂度则主要体现 在算法复杂度上。算法复杂度增大，也会带来更长的运算时间和更大 的处理时延 。
如下所示，我们给出几种已知低数据比特率语音编码的上述四个参数 与性能比较表格。
编码器类型
脉码调制PCM 自适应差分脉码调制ADPCM 自适应子带编码 多脉冲线性预测编码 随机激励线性预测编码 线性预测声码器
第4章矢量量化
矢量量化的研究目的：针对待定的信息源和矢量 维数，找到一种最优的矢量量化器，它能够在R 一定时给出最低的畸变。
2020/2/19
5
什么是矢量量化(VQ)
x2,y2
V2
y
x1, y1
V1
V3
V
x
V4
V5
V6
图4.1
上图的两维矢量空间里，存在6类矢量，每一类都有
一个中心，V i 称为室心 Xi,Yi ，每一室心对应一个码
2020/2/19
32
2020/2/19
33
4.5.2 有记忆的矢量量化系统
概念：有记忆的矢量量化在量化每一个输入矢量时， 不仅与此矢量本身有关，而且也与其前面的矢量有 关。也就在量化时，它通过“记忆”，利用了过去 输入矢量的信息，利用了矢量与矢量之间的相关性， 从而提高了矢量量化的性能。 优点：在语音编码中，引入记忆后，还可利用音长 、短时的非平稳统计特性，清音、浊音和无声区域 的特性，短时频谱特性等信息。意味着在相同维数 条件下大大提高了矢量量化系统的性能。
2020/2/19
15
失真测度的方法：
均方误差(即欧氏距离)、加权的均方误差、 Itakura—Saito（板仓-斋藤）距离，似然比失 真测度等。
2020/2/19
16
4.3.1 欧氏距离——均方误差
设输入信号的某个k维矢量X，与码书中某个k维 矢量Y进行比较，xi、yi分别表示X和Y的元素 (1≤i≤k)，则定义均方误差为欧氏距离，即有
2020/2/19
19
4.3.3 识别失真测度
2020/2/19
20
§4.4最佳矢量量化器和码本的设计
4.4.1 矢量量化器最佳设计的两个条件
2020/2/19
5
什么是矢量量化(VQ)
x2,y2
V2
y
x1, y1
V1
V3
V
x
V4
V5
V6
图4.1
上图的两维矢量空间里，存在6类矢量，每一类都有
一个中心，V i 称为室心 Xi,Yi ，每一室心对应一个码
2020/2/19
32
2020/2/19
33
4.5.2 有记忆的矢量量化系统
概念：有记忆的矢量量化在量化每一个输入矢量时， 不仅与此矢量本身有关，而且也与其前面的矢量有 关。也就在量化时，它通过“记忆”，利用了过去 输入矢量的信息，利用了矢量与矢量之间的相关性， 从而提高了矢量量化的性能。 优点：在语音编码中，引入记忆后，还可利用音长 、短时的非平稳统计特性，清音、浊音和无声区域 的特性，短时频谱特性等信息。意味着在相同维数 条件下大大提高了矢量量化系统的性能。
2020/2/19
15
失真测度的方法：
均方误差(即欧氏距离)、加权的均方误差、 Itakura—Saito（板仓-斋藤）距离，似然比失 真测度等。
2020/2/19
16
4.3.1 欧氏距离——均方误差
设输入信号的某个k维矢量X，与码书中某个k维 矢量Y进行比较，xi、yi分别表示X和Y的元素 (1≤i≤k)，则定义均方误差为欧氏距离，即有
2020/2/19
19
4.3.3 识别失真测度
2020/2/19
20
§4.4最佳矢量量化器和码本的设计
4.4.1 矢量量化器最佳设计的两个条件
【国家自然科学基金】_最优实验设计_基金支持热词逐年推荐_【万方软件创新助手】_20140731
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
科研热词 推荐指数 遗传算法 7 矢量量化 4 特征选择 3 正交设计 3 并行算法 3 实验 3 多目标优化 3 动态规划 3 任务调度 3 非结构化 2 非线性规划 2 量子粒子群优化算法 2 逆系统方法 2 路径规划 2 背包问题 2 粒子群优化算法 2 目标跟踪 2 特征提取 2 模式识别 2 服务质量 2 收敛性 2 支持向量机 2 撞击流 2 微波辅助提取 2 异构机群系统 2 均匀设计 2 均值漂移 2 可分负载 2 反馈线性化 2 反应-沉淀法 2 分光光度法 2 黄酮类化合物 1 黄酮 1 高超声速巡航飞行器 1 高纯 1 高效连接 1 高压直流输电 1 骨缺损 1 马尔可夫决策过程 1 风扇/压气机 1 页面聚类 1 非线性控制器 1 非线性度 1 非牛顿流体 1 需求延迟 1 需求传播 1 需求与初始库存水平相关 1 雷达散射截面 1 雷达图 1 零折射 1 随机进化算法 1 随机的 1
陶瓷材料 防火墙 闭环dna计算模型 镁合金 钴结壳 鉴别 金银花 量化误差 配种选择算子 部分曲面匹配 遗传模拟退火 递归 透镜喇叭天线 逆向工程 适应度函数 适应度 连续属性值 进化计算 进化算法(ea) 进化 返回信息 近似串匹配 过度自信 辐照 转动 轨道计算和定轨,方法 跨声速流 足球视频 超滤膜 超滤 超声波电机 超声换能器 超临界co2萃取 资源管理 资源受限项目调度 资源ห้องสมุดไป่ตู้化 质粒构建 谐振 说话人识别 语音情感识别 计算流体力学 解析模型 视差 规划域定义语言 裂缝参数优化 裂缝 血管化 螺旋滚筒 蜜蜂进化型遗传算法 蜜蜂 蚁群算法 虚拟样机技术 薪酬合同 薄钢板
基于改进SOGI-PLL电网基波正序分量同步方法
式中， ％ 为锁相环输出的正序分量相位角。
图 1 传统二阶广义积分器结构图 Fig. 1 Diagram of traditional SOGI structure
图中输入信号为v» ，输出信号为和原信号 相同的信号v» , 及 移 相 90°的信号
由 图 1 得到传统的S O G I 传递函数为
\⑷ 崖
= U P„ 0 + u „ s\n{-2cot+ (/>)
⑶
式 中 ， 0 = A —供。， 0 为负序电压分量相位角。
设和％中的直流分量和交流分量分别为
Ud~dc > Ud-act Uq-dc-> Uq~〇c i 贝丨j舍—
k = Ud-ac+ ^-dc
(4)
Ud-dc
UP
(5)
Uq-dc
0
V a c " U ncos(-2cot+ </>)
U ns\n{-2cot+ (/>)
(6)
电压不对称故障下，而 轴 电 压 分 量 中 混 有 二 倍 频 的 交 流 分 量 ，因 此 单 同 步 坐 标 系 锁 相 环 无 法 实 现准确锁相和电压基波信号的正负序分离[14]。
3 基 于 改 进 SOGI-P L L 的电网基波正序分 量同步方法
者 ，Emaik 2 7 3 8 2 4 3 1 3 @ q q . c o m ) ; 王安娜(1956-),女 ，辽宁鞍山人，博 士 ，教 授 ，主要从事智能电网、模式 识别、故障诊断等方面的教学与科研工作。
第6期
唐爱博等：基于改进SOGI-P L L 电网基波正序分量同步方法
•1137 •
相 位 、频 率 信 息 。在 电 网 发 生 不 对 称 故 障 时 ，负序 分量的波动会影响锁相结果的准确性，为实现精确 锁 相 ，必 须 准 确 跟 踪 基 波 电 压 信 号 的 正 序 分 量 [5,6]。 文 献 [7]提 出 基 于 频 率 前 馈 的 新 型 三 相 锁 相 环 结 构 来实现正序分量跟踪，在却坐标系下利用双二阶广 义积分器进行瞬时对称分量运算分离出基波电压 信号的正负序分量。但瞬时对称分量运算也会减缓 系统的响应速度，同时二阶广义积分器对高次谐波 具 有 较 好 的 抑 制 效 果 ，对 低 次 谐 波 的 抑 制 效 果 较 差 ，当混有直流分量时也无法完成电压信号的准确 检 测 [8]。文 献 [9〜11]利 用 特 定 频 率 的 陷 波 器 来 消 除 电网电压不对称时而轴分量中的2倍工频波动量， 但陷波器参数选取较复杂，且没有考虑直流分量和 频率相位偏移的影响。文献[12，13]利用多级联模块 来消除却坐标系下全谐波分量对锁相结果的影响， 但 多 级 联 结 构 增 加 了 系 统 延 时 ，减 缓 了 响 应 速 度 。
第四章 矢量量化技术
4.5矢量量化技术的优化设计
上面介绍的矢量量化技术用于语音信号处理时有其局限： 实时性的问题 码本优化问题 降低复杂度的优化设计方法：引入模糊理论
模糊c均值聚类算法
模糊c均值聚类算法目标函数为如下式所示：
J FCM ( X , U , Y ) =
u km ( X i ) d ( X i ,YK ) ∑∑
1 d r ( X ,Y ) = K
∑
K
i =1
( xi − yi ) r
二、欧氏距离测度
3）r平均误差
1 d r ( X ,Y ) = [ K
'
∑x
i =1
K
K
i
− yi ]
r
1 r
4）绝对值平均误差
1 d1 ( X , Y ) = K
∑
i =1
xi − y i
5）最大平均误差
dM ( X , Y ) = lim[dr ( X , Y )] = max[ xi − yi ]
(4-30)
模糊c均值聚类算法
模糊矢量量化码本估计的步骤如下： 1）设定初始码本和每个码字的初始隶属度函数uk ，为了 方便可以令每个码字的初始隶属度函数为相等的值； 2）对于训练观察矢量序列 X = { X , X ,..., X }，利用式（4-30） 计算新的聚类中心Yk 及新的隶属度函数uk ； 3）利用式（4-29）的目标函数，判断迭代计算是否收敛。 如果前后差值小于某个阈值，则迭代计算结束，由新的 聚类中心和隶属度函数集组成重估后的新码本；否则继 续进行下一轮迭代计算。
'2 p
是码书重构矢量的预测误差功率
a Ra = r (0)ra (0) + 2∑ r (i )r 'a (i)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｓ ｕ ｆ ｖ ｃ ｏ ｕａ ｉａ ｉ ｎ ｂ ｓ ｄ ｏ ｄ ｐｔｖ ｅ ｏ ａ ｅ ｔ ｅ ｒ ｅ ｒ ｌｎｅ ｗｏ ｋ ｔ ｄｙ ｏ ｅ ｔ ｒ ｑ ｎｔｚ ｔｏ ａ ｅ ｎ ａ ａ ｉ ｅ ｒ ｓ ｎ ｎｃ ｈ ｏ ｙ ｎ ｕ ａ ｔ ｒ
Ｚ ＨＡＮ Ｘｉｏ Ｇ ａ
摘 要 ：简介 矢量 量 化技 术 ． 述 了码 书设 计 和 码 字 搜 索 的 原理 。 析 了 自适 应谐 振 网络 相 对 于一 般 竞 争 网络 的优 点 ， 描 分 即 自适 应 谐 振 网络 克 服 了一般 竞 争 网络 的“ 定 性／ 稳 可塑 性 困境 ” 问题 。 文 章 归 纳 了 自适 应谐 振 神 经 网络 的 一般 结构 和 学 习 算 法 。 出 了基 于 自适 应 谐 振神 经 网络 的码 书设 计 算 法 ， 确 定 了相 关 的 网络 参 数 。 于 自适 应 谐 振 神 经 网 络 提 并 基 的码 书设 计 比一 般 竞 争 网络 具 有 更 好 的 效 果 。
矢 量 量 化 （ ｅｔｒ ｕｎｉ ｔｎ Ｖ 是 ７ Ｖ ｃｏ Ｑ ａｔａｉ ， Ｑ） ０年 代 后 期 发 展 ｚ ｏ
起 来 的 一 种数 据 压缩 技术 ，是 一 种 高 效 的数 据 压 缩 技 术 ， 它 具 有压 缩 比大 、 码 简 单 和 失 真较 小 等 优 点 。自从 １ ８ 解 ９ ０年 提
关键 词 ：自适 应 谐 振理 论 ； 经 网络 ； 神 矢量 量 化； 争； 书设 计 ； 字搜 索 竞 码 码 中 图分 类 号 ： Ｐ ７ Ｔ２３ 文 献标 识 码 ： Ａ 文章 编 号 ：１ ７ — ２ ６ ２ １ ）７ ０ ６ — ３ ６４ ６ ３ （０ ０ ０ — ０ ８ ０
（ ｉｎＡ ａｅ ｙｏ ａｕｅ ｅ ｔ ｅｈｏｏｙ Ｘ ＇ １０ ８ Ｃ ｉ ） Ｘ ＇ ｃｄ ｍ ａ ｆＭｅｓ ｒ ｎ Ｔｃｎｌ ， ｉｎ７０ ６ ， ｈｎ ｍ ｇ ａ ａ Ａ ｓ ａ ｔ ｈｓｐｐｒｂ ｅｙ ｉｔ ｄ ｃｓｖｃｏ ｑ ａｔａｉ ｎ ｅｃ ｂ ｓｔ ａｉ ｐ ｎ ｉ ｆｃｄｂ ｏ ｅｉ ｎ ｂ ｔ ｃ：Ｔ ｉ ａｅ ｒ ｆ ｎｒ ｕ ｅ ｅｔｒ ｕ ｎｉ ｔ ｎ ａｄ ｄ ｓｒ ｅ ｈ ｂｓ ｆ ｃ ｒ ｉｌ ｏ ｚ ｏ ｉ ｅ ｃ ｉ ￣ｅｏ ｏ ｅｏｋ ｄｓ ｎ ａｄ ｇ
在 信道 中传 输 的数 字形 式 ， 提 高传 输 效率 。在信 源 编码 理论 以
中有一 种称 之 为 “ 源 编码 系统 ” 观 点 ， 系统 先将 输 入信 号 块 的 即 进 行分 “ ” 即块 ） 理 ， 段 （ 处 然后 将 每 ～ “ ” 即 矢量 ） 射 为信 道 块 （ 映
出 矢量 量 化 器 （ ｅｔｒ ｕ ｎｉ ｔ ）码 书设 计 的 Ｌ Ｇ算 法 以 Ｖ ｃｏ ａｔａｅ Ｑ ｚ ｒ Ｂ
来 ． 量 量 化 技 术 已经 成 功 、 泛 地 应 用 到 图 像 压 缩 和 语 音 矢 广
第 ｌ ８卷 第 ７期
Ｖ０ ．８ １１ Ｎｏ７ ．
电 子 设 计 工 程
Ｅｌｃ ｒ ｎ ｃ Ｄｅ ｉｎ Ｅｎ ｉ ｅ ｒｎ ｅ ｔｏ ｉ ｓｇ ｇ ｎ ｅ ｉ ｇ
２１ ０ ０年 ７月
Ｊ１２ １ ｕ． ０ ０
基于 自适应谐振 网络 的矢量量化研 究
张 潇
西安 ７０ ６ ） １０ ８ （ 安 计 量技 术研 究 院 陕 西 西
ｃ ｄ ｗ ｒ ｅ ｒ ｈ Ａｄ ｐ ｉｅ ｒ ｓ ｎ ｎ ｅ ｔ ｅ ｒ ｅ ｒ ｌｎ ｔ ｏ ｋ，ｗｈ ｃ ａ ｏｖ ｈ ｒ ｂ ｅ ｏ ｔ ｂ ｌｙ ｐ ａ ｔ ｉ ｉ ｍｍａ， ｏ ｅ ｏ ｄ ｓ ａｃ ． ａ ｔ ｅ ｏ ａ ｃ ｈ ｏ ｙ ｎ ｕ ａ ｅ ｗ ｒ ｖ ｉ ｈ ｃ ｎ ｓ ｌｅ ｔｅ ｐ ｏ ｌｍ ｆｓａ ｉ ｔ ／ ｌｓｉ ｔ ｄ ｌ ｉ ｃｙ ｅ ｉ ｐ ｏ ｅ ｏ ｂ ｏ ａ ｅｙ ｂ ｔ ｒ ｔ ａ ｅ ｕ ａ ｏ ｅ ｉ ｏ ｅｗｏ ｋ ｈ ｉ ａ ｅ ｕ ｓ ｒ ｖ ｄ ｔ ｅ ｃ ｍｐ ｒｌ ｅｔ ｈ ｎ ｒ ｇ ｌｒ ｃ ｍｐ ｔ ｉ ｎ ｎ ｔ ｒ ．Ｔ ｓ ｐ ｐ ｒ ｓ ｍｍａ ｚ ｓ ｔ ｅ ｔｕ ｔ ｒ ｎ ｅ ｒ ｉ ｇ ｅ ｔ ｉ ｒ ｅ ｈ ｓ ｃｕ ｅ ａ ｄ ｌ ａｎ ｎ ｒ ａｇ ｒ ｈ ｌｏ ｔ ｍ．Ｔｈ ｃ ｄ ｂ ｏ ｄ ｓ ｎ ｌｏ ｔ ｍ ， ｂ ｓ ｄ ｎ ｄ ｐ ｉｅ ｅ ｏ ａ ｃ ｔｅ ｒ ｎ ｕ ａ ｎ ｔ ｏ ｋ， ｉ ｐ ｏ ｏ ｅ ａ ｄ ｉ ｅ ｏ ｅ ｏ ｋ ｅ ｉ ａｇ ｒ ｈ ｇ ｉ ａ ｅ ｏ ａ ａ ｔ ｒ ｓ ｎ ｎ ｅ ｈ ｏ ｙ ｅ ｒ ｌ ｅｗ ｒ ｖ ｓ ｒｐ ｓｄ ｎ ｃ ｒ ｌ ｔ ｅ ｎ ｔ ｒ ａａ ｔ ｒｉ ｄ ｔ ｒ ｎ ｄ Ｔ பைடு நூலகம் ａｇ ｒ ｈ ｉ ｂ ｔ ｒｔ ａ ｅ ｕ ａ ｏ ｅ ｉ ｏ ｅｗｏ ｋ ｏｒ ａｉ ｅｗｏ ｋ ｐ ｒ ｍｅｅ ｅ ｅｍｉ ｅ ． ｓ ｌｏ ｔ ｍ ｓ ｅｔ ｈ ｎ ｒ ｇ ｌ ｒｃ ｍｐ ｔ ｉｎ ｎ ｔ ｒ ． ｅ ｖ ｓ ｈ ｉ ｅ ｔ Ｋｅ ｒ ｓ ａ ａ ｔ ｅｒ ｓ ｎ ｎ ｅ ｔ ｅ ｒ ； ｅ ｒ ｌ ｅｗｏｋ ｖ ｃｏ ｕ ｎｉａｉ ｎ ｃ ｍｐ ｔ ｉｎ ｃ ｄ ｂ ｏ ｅ ｉ ； ｏ ｅ ｒ ｅ ｒ ｈ ｙ ｗｏ ｄ ： ｄ ｐｉ ｅ ｏ ａ ｃ ｏ ｎ ｕ ａ ｔ ｒ ； ｅ ｔｒｑ ａ ｔ ｔ ； ｏ ｅｉ ｏ ； ｏ ｅ ｏ ｋ ｄ ｓｇ ｃ ｄ ｗｏ ｄ ｓ ａ ｃ ｖ ｈ ｙ ｎ ｚ ｏ ｔ ｎ