现代信号处理大作业题目 答案.
姚天任-现代数字信号处理1-6章习题答案
第二章2．1已知x 是一平稳随机信号，取1、0、-1三个值的概率相等。
用x 对载波)(n c 进行调制后在噪声信道中传输。
接受信号为M n n v n xc n y ,,1,0 ),()()( =+=式中)(n v 是方差为σ2v的零均值白色高斯噪声，与x 相互独立。
上式用矢量表示为v c x y +=（1） 求条件概率函数)/()/(x y f y x f和。
（2） 由y求x 的四种估计：最大后验概率估计x MAP ˆ，最大似然估计x ML ˆ，最小均方误差估计x MS ˆ，最小线性均方误差估计xLMSˆ。
并用图形对它们进行比较。
解：（1）先求)/(x y f ，显然在这种情况下，y是一个1+M 的正态随机矢量，,][/c x v c x E mxy =+=I m m M v T T Txy x y xy v v E c x v c x c x v c x E y y E 12///][ ]))([( ]))([(+==-+-+=--=∑σ)]()(1exp[)2( )](1)(21exp[][)2(1)/(222/)1(21221)1(221c x y c x y c x y c x y vx y f T vM v M vT M M I---=---=+-+++σσσσππ求)/(y x f。
)/(y x P =)()()/()(),(y f x P x y f y f y x f= 已知)1(31)(31)1(31)(-+++=x x x x P δδδ简记)/()/(a y f a x y f ==根据全概率公式，得：)]1/()0/()1/([31 )1()1/( )0()0/()1()1/()()(=≤+=≤+-=≤===≤+==≤+-=-=≤=≤=∴x y Y P x y Y P x y Y P x P x y Y P x P x y Y P x P x y Y P y Y P y F)]1/()0/()1/([31)()(-++==y f y f y f y d y dF y f记)1/()0/()1/(ˆ-++=y f y f y f A，则 Ay f y x P A y f y x P Ay f A y f y x P )1/()/1(,)0/()/0()1/(31)1/(31)/1(====-=-=-=同理： 由)/(y x P 的分布律，我们可以容易得到)/(y x fA x y f x y f x y f y x f /)]1()1/()()0/()1()1/([)/(-+++-=δδδ（2） 求最大似然估计xMLˆ已知：0ˆ)/(ln(=∂∂=x x x y f M Lxy cc yc c c x y c c c x y c x y c xc x y c x y xc x y c x y T T ML T T vT T v T vT vM vx ===-=-----=∂---∂=∂---∂∴+-ˆ0)(1])()([21)]()(21[)]}()(21exp[)2ln{(ˆ2222212解得：σσσσσπ求最小均方误差估计xMSˆ)2(2)2(2]2exp[]2exp[]exp[]2exp[]2exp[2,2, ]exp[]exp[]exp[]exp[]exp[ ]21exp[ )]2(21exp[)]2(21exp[)]2(21exp[)]2(21exp[ )]2(21exp[1 )]2(21exp[1)]1/()1/([1 )]1()1/()()0/()1()1/([)/(22222222222222y a ch y a sh y a y a a y a y a y a yc c c a c c y c y c c y c y c y c y c y y y c c c y y y c c c y y y c c c y y y c c c y y A y c c c y y A y c c c y y A y f y f A A x y f x y f x y f x dx y x xf exav T vT T T vT vT vT vT vT T v TT T v T T T v T T T vTT T v T T T vT T T vML +=-++--====++-=-+++-+-+-++---+-++---+-=--=-+++-==⎰⎰∞∞=∞∞=则原式则令代入将σσσσσσσσσσσσσσδδδ求线性均方误差最小估计xLMSˆ已知)]([)])[var(,cov()(1ˆy E y y y x x E xLMS-+=-① 0)(=x E ， ②Tx T T T T T cv x c x x E y E x E y x E y E y x E x E y x σ2)]([ )()()(]))())(([(),cov(=+=-=--= ③I M v T x T T T T c c v c x v c x E y y E y E y y E y E y 122)])([( )(]))())(([()var(++=++==--=σσ 将I IM =+ˆ1σσσσσσσσσσσ212221121][ ])1[()][var(vT x x vT x x vvT x x vI c I c I c c IIc I c I y----+-=+=利用矩阵反演公式④ y y E y=-)(∴yc c cc c c y c c c c y c c c c c c y c c c c c c y c c cc c y E y y y x x E xvT T TvTxv vxTvTxvTxvTx xTTvTxvvxvTxvT x vTvx vT x LMSxσσσσσσσσσσσσσσσσσσσσσσσσσσσσ22222222224222222222222242221 )( )(][ ][ ]1[ )]([)])[var(,cov()(ˆ+=+=+-+=+-=+-=-+=-题2。
现代信号处理大作业王成志1
《现代信号处理》大作业姓名：王成志学号：1140349078一. L D 迭代算法的matlab 实现1.1 Levinson-Durbin 算法介绍功率谱估计大致可以分为经典谱估计和现代功率谱估计，经典谱估计方法存在着以下三点缺陷：（1）数据加窗或自相关加窗，都隐含着假定在窗外未观测到的数据或自相关系数为零，该假设不切实际。
（2）要性能好往往需要较长的数据，但实际数据长度有限（3）窗函数容易造成谱的模糊。
采用AR 模型的现代谱估计方法可以克服这些不足。
其中LD 递推算法可以在计算机上方便实现。
LD 递推算法具体计算步骤如下：（1） Yule-Walker 方程的矩阵形式(1)所示：⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--+-----001)0()2()1()()1()1()0()1()()2()1()0(2,1,σk k k xx xx xx xx x xx xx xx xx xx xx xx a a r k r k r k r k r r r r k r r r r 系数矩阵xx Hxx R R =,为Hermitian 矩阵，对角线上元素相同，即为Topliez 矩阵。
（2） P-1阶Yule-Walker 方程为：21111(0)(1)(1),1(1)(0)(2)0,1(1)(2)(0)0x x x p p x x x p x x x R R R p a R R R p a p R p R p R σ-----⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥---⎢⎥⎣⎦⎣⎦⎣⎦ 其中，2211{()}p p E e l σ--=为误差功率。
写成联立方程：2111,0,0()0,1,,1p pp k xk m a R m k m p σ---=⎧=-=⎨=-⎩∑ 取共轭得：21**11,0,0()0,1,,1p pp kxk m aR m k m p σ---=⎧=-=⎨=-⎩∑变量替换，并利用*()()x x R l R l =得：21*11,10,1()0,0,,2p pp p kx k m p aR m k m p σ-----=⎧=--=⎨=-⎩∑ 表示成矩阵：*1*1210(0)(1)(1),10(1)(0)(2),2(1)(2)(0)1x x x p x x x p p x x x R R R p a p R R R p a p R p R p R σ-----⎡⎤⎡⎤⎡⎤-⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎣⎦⎣⎦⎣⎦ 求解得：*.1,1,,0,,p k p k p p p k a a K a k p ---=+=22*1p p p p K σσ-=+∆ 2210p p p K σ-=∆+,p p p K a =222*22111[][1]p p p p p p p K K K σσσσ---=+-=-（3） 当k=1时，即一阶递推为：⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡-01)0()1()1()0(211,1σa R R R R x x x x求解可得：)1()0()0()1( ,11,1211,10,1x x x x R a R R R a a +=-==σ（4） 对于2≥p 时，递推为:10,≡p a , *,1,1,k p p p k p k p aK a a ---+=, ]1[2212p p p K -=-σσ 21,-∆-==p pp p p a K σ∑-=--+=∆11,1)()(p k x kp x p k p R ap R矩阵R x 已知，可得到各阶AR 模型系数为：)0())1(1( ,)0()1()1(2111xx xx xx r a r r a -=-=ρ11111)()()()(--=--∑-+-=∆-=k k l xx k xx k kk l k r l a k r k a ρρ1,,2,1)()()()(*11-=-+=--k i i k a k a i a i a k k k k12))(1(--=k k k k a ρρ1.2实验结果(1) 输入p=3，rr = [70,60,50,40] 时，求得AR 模型估计参数为:a =1.0000 -0.8571 0 0 1.0000 -0.5275 -0.3846 0 1.0000 -0.7572 -0.6996 0.5972 各阶求得的方差为：sigma = 18.5714 15.8242 10.18013阶时，a 3 (1)= -0.7572 a 3 (2)= -0.6996 a 3 (3)= -0.5972(2) 输入p=5，rr = [30,45,26,33,47,43]时，AR 模型估计参数为：a =1.0000 -1.5000 0 0 0 0 1.0000 0.2800 -1.1867 0 0 0 1.0000 0.8227 -1.3147 -0.4573 0 0 1.0000 1.9708 1.9858 -2.5226 -2.5105 0 1.0000 1.0869 1.0977 -1.8235 -1.8166 0.3521 各阶求得的方差为： sigma =37.5000 15.3067 12.1054 64.1881 56.23165阶时， a 5 (1)= 1.0869 a 5(2)= 1.0977 a 5(3)= -1.8235 a 5(4)= -1.8166 a 5(5)= 0.3521二． 一维平稳信号由两个高斯信号叠加而成12241122()()[exp(())exp(())]22z t t t j t t t j t αααωωπ=--++--+，其中12,t t >12ωω>，分别求出()z t 的WV 分布及其模糊函数，画出二者的波形图，指出并分析其信号项和交叉项。
现代信号处理思考题(含答案)
第一章 绪论1、 试举例说明信号与信息这两个概念的区别与联系。
信息反映了一个物理系统的状态或特性，是自然界、人类社会和人类思维活动中普遍存在的物质和事物的属性。
信号是传载信息的物理量是信息的表现形式，如文字、语言、图像等。
如人们常用qq 聊天，即是用文字形式的信号将所要表达的信息传递给别人。
2、 什么是信号的正交分解？如何理解正交分解在机械故障诊断中的重要价值？P9正交函数的定义信号的正交分解如傅里叶变换、小波分解等，即将信号分解成多个独立的相互正交的信号的叠加。
从而将信号独立的分解到不同空间中去，通常指滤波器频域内正交以便于故障分析和故障特征的提取。
傅里叶变换将信号分解成各个正交的傅里叶级数，将信号从时域转换到频域从而得到信号中的各个信号的频率。
正交小波变换能够将任意信号（平稳或非平稳）分解到各自独立的频带中；正交性保证了这些独立频带中状态信息无冗余、无疏漏，排除了干扰，浓缩了了动态分析与监测诊断的信息。
3、 为什么要从内积变换的角度来认识常见的几种信号处理方法？如何选择合适的信号处理方法？在信号处理各种运算中内积变换发挥了重要作用。
内积变换可视为信号与基函数关系紧密程度或相似性的一种度量。
对于平稳信号，是利用傅里叶变换将信号从时域变为频域函数实现的方式是信号函数x （t ）与基函数i t e ω 通过内积运算。
匹配出信号x （t ）中圆频率为w 的正弦波.而非平稳信号一般会用快速傅里叶变换、离散小波变换、连续小波变换等这些小波变换的内积变换内积运算旨在探求信号x （t ）中包含与小波基函数最相关或最相似的分量。
“特征波形基函数信号分解”旨在灵活运用小波基函数 去更好地处理信号、提取故障特征。
用特定的基函数分解信号是为了获得具有不同物理意义的分类信息。
不同类型的机械故障会在动态信号中反应出不同的特征波形，如旋转机械失衡振动的波形与正弦波形有关，内燃机爆燃振动波形是具有钟形包络的高频波；齿轮轴承等机械零部件出现剥落。
现代数字信号处理课后习题解答
解答：
已知
（式4.1）
（式4.2）
因为{x(n)}为实序列，所以由式4.1可得
当m>0时
其中k=m+n
当m<0时
其中l=-m
故
结合式4.2，利用褶积定理可得
5设有零均值平稳序列 ，将其分为K段，每段有 点数据，各段的周期图为 。平均周期图为 。试证明：如果当 时 很小，因而各周期图可认为是彼此独立的，则 。其中 ，这一结果说明了什么？
图4－10 习题15用图
解：由题条件： 是一平稳白噪声， ， ，
经过线性非移变系统得到的输出 也是一个广义平稳信号。
17、设有二阶自回归模型 ，X(n)是方差为 的白噪声，并且 。
（1）证明Y(n)的功率谱密度为
。
（2）求Y(n)的自相关函数。
（3）写出Yule-Walker方程。
解：（1）
由欧拉公式知
求解即可
9设N=5的数据记录为 ，AR模型的阶数p=3，试用莱文森递推法求AR模型参量及 的预测值 。
解：
利用已知数据求得：
一阶时：
二阶时：
三阶时：
故 AR模型得参数为：
因为
故
10利用题9所给N=5的数据记录 ，试用伯格算法求 参数。
解：（1）
前、后向预测误差分别为
（2）
（3）
（4）
模型为：
11推出随机初相（在0至 区间上均匀分布）的复（实）正弦加白噪声的自相关序列值公式。
得证。
（2）
（3）写出Yule-Walker方程：
18、设零均值平稳高斯过程的谱密度为 ，求出此过程的自相关函数。解：
习题五
1.证明白噪声的周期图功率谱估计是无偏的。
现代信号处理大作业题目+答案
研究生“现代信号处理”课程大型作业（以下四个题目任选三题做）1. 请用多层感知器（MLP ）神经网络误差反向传播（BP ）算法实现异或问题（输入为[00;01;10;11]X T =，要求可以判别输出为0或1），并画出学习曲线。
其中，非线性函数采用S 型Logistic 函数。
2. 试用奇阶互补法设计两带滤波器组(高、低通互补)，进而实现四带滤波器组；并画出其频响。
滤波器设计参数为：F p ＝1.7KHz , F r ＝2.3KHz , F s ＝8KHz , A rmin ≥70dB 。
3. 根据《现代数字信号处理》（姚天任等，华中理工大学出版社，2001）第四章附录提供的数据(pp.352-353)，试用如下方法估计其功率谱，并画出不同参数情况下的功率谱曲线：1） Levinson 算法2） Burg 算法3） ARMA 模型法4） MUSIC 算法4. 图1为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR 系统长M =11), 系统输入是取值为±1的随机序列)(n x ，其均值为零；参考信号)7()(-=n x n d ；信道具有脉冲响应：12(2)[1cos()]1,2,3()20 n n h n W π-⎧+=⎪=⎨⎪⎩其它式中W 用来控制信道的幅度失真(W = 2～4, 如取W = 2.9,3.1,3.3,3.5等)，且信道受到均值为零、方差001.02=v σ(相当于信噪比为30dB)的高斯白噪声)(n v 的干扰。
试比较基于下列几种算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况,在同一坐标下画出其学习曲线):1） 横向/格-梯型结构LMS 算法2） 横向/格-梯型结构RLS 算法并分析其结果。
图1 横向或格-梯型自适应均衡器参考文献[1] 姚天任, 孙洪. 现代数字信号处理[M]. 武汉: 华中理工大学出版社, 2001[2] 杨绿溪. 现代数字信号处理[M]. 北京: 科学出版社, 2007[3] S. K. Mitra. 孙洪等译. 数字信号处理——基于计算机的方法(第三版)[M]. 北京: 电子工业出版社, 2006[4] S.Haykin, 郑宝玉等译. 自适应滤波器原理(第四版)[M].北京: 电子工业出版社, 2003[5] J. G. Proakis, C. M. Rader, F. Y. Ling, etc. Algorithms for Statistical Signal Processing [M].Beijing: Tsinghua University Press, 2003一、请用多层感知器（MLP）神经网络误差反向传播（BP）算法实现异或问题（输入为[00;01;10;11]，要求可以判别输出为0或1），并画出学习曲线。
信号处理原理与应用答案
信号处理原理与应用答案【篇一：《现代信号处理理论与应用》作业题】txt>（2）纸质版（手写），认真，不得抄袭。
《现代信号处理理论与应用》作业题（1）推导《现代信号处理》（张贤达版）p37页公式（2-5-8）。
（2）推导矢量参数估计的cramer-rao不等式，并讨论等号成立条件。
（3）令观测样本为xi?s??i，(i?1,?,n)其中{?i}是一高斯白噪声，其均值为零，方差为1。
证明：s的极大似然估计是无偏的和一致的。
（4）若信号满足：s1(t)?a1co?st?a2co2s?t???apcosp?ts2(t)?b1sin?t?b2sin2?t???bpsinp?t观测信号为x(t)?s1(t)?s2(t)?n(t)，n(t)是均值为0，均方差为1的高斯白噪声。
计算a1,a2,?,ap,b1,b2,?,bp的最小二乘估计。
(5) 输入信号x(t)为高斯-马尔可夫信号s(t)和噪声n(t)的叠加，信号和噪声假定不相关，其功率谱分别为ss(?)?3和sn(?)?1。
计算?分别取0，+1和-1时，物理不可实现21??维纳滤波器的冲激响应和最小均方误差。
(6) 设信号满足的状态方程及观测方程分别为：?11?xk?1???xk?uk 01 ??yk?1?[1,0]xk?1?nk?1{uk,k?0}和{nk?1,k?0}是均值为零的高斯白噪且与初始状态x0独立，并有?50??10?，var{n}?r?2?(?1)k?1，初始状态的方程矩阵。
vx0??var{uk}?q??k?1k?1???010??01?计算卡尔曼滤波增益m(k)。
(7)接收信号为x(t)?s(t)?n(t)，其中n(t)是功率谱密度为n0的高斯白噪。
信号为 2t???2s(t)??2e,t?0。
??0,t?0求匹配滤波器传输函数及其脉冲响应，该匹配滤波器是物理可实现吗？有无可能将它变为物理可实现？若可能，求出滤波器的传递函数及其输出信噪比最大时刻，若不可能，说明理由。
东南大学 考博 信号与信息处理 《现代数字信号处理》第5章习题答案
《现代数字信号处理》习题参考答案
解：(a)
级联的系统函数是：
H
(
Z
)
=
1
+
aZ
−1
1 +
0.99Z
−2
×
1
−
法的品质因子是 QB
=
1 VB
=
K
。
因此，若要 QB Qper ≥ 5 ，必须要求 K ≥ 5 。由于 M = 178 （对 Δf = 0.005 ），因此必须使 数点数满足： N = KM ≥ 5×178 = 890 点。
5.4 设随机过程 x(n) 是单位方差白噪声 w(n) 激励如下的系统而产生的。
《现代数字信号处理》习题参考答案
第五章习题参考答案
5.1 给定随机过程 x(n)的 N=10000 个样本点，要计算其周期图，但由于存储单元有限，你最 多只能计算 1024 点的 DFT，试说明如何利用这 10000 个样本值计算其周期图，并使其 分辨率为：
Δω = 0.89 2π 10000
解：（提示：试分析时间抽取 FFT 算法是如何工作的）
( ) [ ] 因此在 0,π 区间内，功率谱 Px e jω 每针对 Px ( z) 的一对共轭复极点及其镜像共轭对都有
一个峰值，位置对应于极点的相角。共有两个峰值，其频率满足：
2 cosω1 =
a 0.98
； 2 cosω2
=
−a 0.99
因此：
ω1 = cos−1 2
现代信号处理大型作业汇总
accumulate_error=zeros(1,3001);
alpha = 0.5;%学习率
threshold = 0.005;%收敛条件∑e^2 < threshold
wd1=0; wd2=0;
bd1=0; bd2=0;
circle_time =0;
hidden_unitnum = 4;%隐藏层的单元数
for i=1:train_num
%前向传播
a0 = double ( p(i,:)' );%第i行数据
n1 = w1*a0+b1;
a1 = Logistic(n1);%第一个的输出
n2 = w2*a1+b2;
a2 = Logistic(n2);%第二个的输出
a = a2;
%后向传播敏感性
e = t(i,:)-a;
wd2 = alpha .* s2*a1';
w1 = w1 + wd1;
w2 = w2 + wd2;
bd1 = alpha .* s1;
bd2 = alpha .* s2;
b1 = b1 + bd1;
b2 = பைடு நூலகம்2 + bd2;
end;%end of for
if accumulate_error(circle_time) <= threshold| circle_time>3001 %then break;
accumulate_error(circle_time) = temp + abs(e)^2;
temp=accumulate_error(circle_time);
s2 = F(a2)*e;%输出层delta值
- 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)。
式中W用来控制信道的幅度失真(W = 2~4,如取W = 2.9,3.1,3.3,3.5等,且信道受到均
值为零、方差001.02=v σ(相当于信噪比为30dB的高斯白噪声(n v的干扰。试比较基
于下列几种算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况,在同一坐标下画出其学习曲线:
b2 = b2 + bd2;
end;%end of for
if accumulate_error(circle_time <= threshold| circle_time>3001 %then break;
end;%end of if
end;%end of while
plot(accumulate_error,'m';
s1 = F(a1*w2'*s2;%隐层delta值
%修改权值
wd1 = alpha .* s1*a0';
wd2 = alpha .* s2*a1';
w1 = w1 + wd1;
w2 = w2 + wd2;
bd1 = alpha .* s1;
bd2 = alpha .* s2;
b1 = b1 + bd1;
grid;
xlabel('学习次数'
ylabel('误差'
disp(['计算误差= ',num2str(accumulate_error(circle_time] ;
disp(['迭代次数= ',num2str(circle_time];
[train_num , input_scale]= size(p ;%规模
fclose(f;
accumulate_error=zeros(1,3001;
alpha = 0.5;%学习率
threshold = 0.005;%收敛条件∑e^2 < threshold
wd1=0; wd2=0;
bd1=0; bd2=0;
3.根据《现代数字信号处理》(姚天任等,华中理工大学出版社,2001第四章附录提供的数据(pp.352-353,试用如下方法估计其功率谱,并画出不同参数情况下的功率谱曲线:
1 Levinson算法
2 Burg算法
3 ARMA模型法
4 MUSIC算法
4.图1为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR系统长M =11,系统输入是取值为±1的随机序列(n x ,其均值为零;参考信号7((-=n x n d ;信道具有脉冲响应:
(1、多层感知器的中间隐层不直接与外界连接,其误差无法估计。
(2、反向传播算法:从后向前(反向逐层“传播”输出层的误差,以间接算
出隐层误差。分两个阶段:
正向过程:从输入层经隐层逐层正向计算各单元的输出
反向过程:由输出层误差逐层反向计算隐层各单元的误差,并用此误差修正前层的权值。
2、流程图:
开始
选择初始值
业出版社, 2006
[4] S.Haykin,郑宝玉等译.自适应滤波器原理(第四版[M].北京:电子工业出版社, 2003
[5] J. G. Proakis, C. M. Rader, F. Y. Ling, etc. Algorithms for Statistical Signal Processing [M].
j
3、程序:
%使用了3层结构,第二层隐藏层4个单元。2,3层都使用Logisitic函数。%训练xor数据。
function mlp(
f= fopen('XOR.txt';
A = fscanf(f, '%g',[3 inf];
A = A;
p = A(1:2, :';%训练输入数据
t = A(3, :';%desire out
circle_time =0;
hidden_unitnum = 4; %隐藏层的单元数
w1 = rand(hidden_unitnum,2;%4个神经元,每个神经元接受2个输入w2 = rand(1,hidden_unitnum;%一个神经元,每个神经元接受4个输入b1 = rand(hidden_unitnum,1;
研究生“现代信号处理”课程大型作业
(以下四个题目任选三题做
1.请用多层感知器(MLP神经网络误差反向传播(BP算法实现异或问题(输入为
[00;01;10;11]X T =,要求可以判别输出为0或1
,并画出学习曲线。其中,非线性函数采用S型Logistic函数。
2.试用奇阶互补法设计两带滤波器组(高、低通互补,进而实现四带滤波器组;并画出其频响。滤波器设计参数为:F p =1.7KHz , F r =2.3KHz , F s =8KHz , A rmin ≥70dB。
1横向/格-梯型结构LMS算法
2横向/格-梯型结构RLS算法
并分析其结果。
图1横向或格-梯型自适应均衡器
参考文献
[1]姚天任,孙洪.现代数字信号处理[M].武汉:华中理工大学出版社, 2001
[2]杨绿溪.现代数字信号处理[M].北京:科学出版社, 2007
[3] S. K. Mitra.孙洪等译.数字信号处理——基于计算机的方法(第三版[M].北京:电子工
Beijing: Tsinghua University Press, 2003
一、请用多层感知器(MLP神经网络误差反向传播(BP算法实现异或问题(输入为[00;01;10;11]
,要求可以判别输出为0或1,并画出学习曲线。其X T
中,非线性函数采用S型Logistic函ቤተ መጻሕፍቲ ባይዱ。
1、原理:
反向传播(BP算法:
b2 = rand(1,1;
while 1
temp=0;
circle_time = circle_time +1;
for i=1:train_num
%前向传播
a0 = double ( p(i,:' ;%第i行数据
n1 = w1*a0+b1;
a1 = Logistic(n1;%第一个的输出
n2 = w2*a1+b2;
a2 = Logistic(n2;%第二个的输出
a = a2;
%后向传播敏感性
e = t(i,:-a;
accumulate_error(circle_time = temp + abs(e^2;
temp=accumulate_error(circle_time;
s2 = F(a2*e; %输出层delta值