曾 英

(湖南城市學(xué)院通信與電子工程學(xué)院，湖南益陽(yáng)413000)

線性調(diào)頻(Chirp)信號(hào)是指頻率隨時(shí)間而線性改變(增加或減少)的信號(hào)，它是研究最早而且應(yīng)用最廣泛的一種脈沖壓縮信號(hào)［1］，它的主要優(yōu)點(diǎn)是所用的匹配濾波器對(duì)回波的多普勒頻移不敏感，即使回波信號(hào)有較大的多普勒頻移，仍能用同一個(gè)匹配濾波器完成脈沖壓縮，這將大大簡(jiǎn)化信號(hào)處理系統(tǒng).它的主要缺點(diǎn)是存在距離和多普勒平移的耦合.此外，線性調(diào)頻信號(hào)的匹配濾波器的輸出旁瓣電平較高，通常采用對(duì)SAW匹配濾波器進(jìn)行加權(quán)的方法來(lái)降低壓縮脈沖時(shí)間旁瓣電平.為了能夠測(cè)量長(zhǎng)距離又保留時(shí)間的分辨率，雷達(dá)需要短時(shí)間的脈沖波以及持續(xù)的發(fā)射信號(hào).線性調(diào)頻可以同時(shí)保留連續(xù)信號(hào)和脈沖的特性，因此被應(yīng)用在雷達(dá)和聲納探測(cè)上［2］.本文主要利用神經(jīng)網(wǎng)絡(luò)對(duì)線性調(diào)頻信號(hào)的預(yù)測(cè)進(jìn)行一些研究.

1 自適應(yīng)神經(jīng)網(wǎng)絡(luò)

圖1是一自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖，圖中p1，p2，p3，……pr是 r個(gè)輸入，w1，w2，w3，……wr是 r個(gè)輸入所對(duì)應(yīng)的權(quán)值，b為偏差，根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)，可以寫(xiě)出第i個(gè)輸出神經(jīng)元節(jié)點(diǎn)的加權(quán)輸入和，網(wǎng)絡(luò)輸出 a=f(ni)［3］.

圖1 自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖

單神經(jīng)元自適應(yīng)控制的結(jié)構(gòu)如圖2所示.

單神經(jīng)元自適應(yīng)控制器是通過(guò)對(duì)加權(quán)系數(shù)的調(diào)整來(lái)實(shí)現(xiàn)自適應(yīng)、自組織功能，控制算法為

圖2 單神經(jīng)元自適應(yīng)控制結(jié)構(gòu)圖

如果權(quán)系數(shù)的調(diào)整按有監(jiān)督的Hebb學(xué)習(xí)規(guī)則實(shí)現(xiàn)［4］，即在學(xué)習(xí)算法中加入監(jiān)督項(xiàng)z(k)，則神經(jīng)網(wǎng)絡(luò)權(quán)值學(xué)習(xí)算法為:

式中，z(k)=e(k);x1(k)=e(k);x2(k)=e(k)－e(k－1);x3(k)=Δ2e(k)=e(k)－2e(k－1)+e(k－2);η為學(xué)習(xí)速率;k為神經(jīng)元的比例系數(shù)，k＞0.

2 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制模型的構(gòu)建

預(yù)測(cè)控制是一種基于模型的控制，它是20世紀(jì)70年代發(fā)展起來(lái)的一種新的控制算法，具有預(yù)測(cè)模型、滾動(dòng)優(yōu)化和反饋校正等特點(diǎn).已經(jīng)證明該控制方法對(duì)于非線性系統(tǒng)能夠產(chǎn)生有希望的穩(wěn)定性.利用自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)可設(shè)計(jì)調(diào)頻信號(hào)預(yù)測(cè)控制器.圖3給出了一種神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制的結(jié)構(gòu)［5］.

圖中，NNM為神經(jīng)網(wǎng)絡(luò)對(duì)象響應(yīng)預(yù)報(bào)器，NNC為神經(jīng)網(wǎng)絡(luò)控制器.NNM提供的預(yù)測(cè)數(shù)據(jù)送入優(yōu)化程序，使性能目標(biāo)函數(shù)在選擇合適的控制信號(hào)u的條件下達(dá)最小值，即

其中n為預(yù)測(cè)時(shí)域長(zhǎng)度，m為控制時(shí)域長(zhǎng)度，λ是控制加權(quán)因子;u(t)為控制信號(hào);yr為期望響應(yīng)，ym為網(wǎng)絡(luò)模型響應(yīng).

圖3 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制系統(tǒng)

3 對(duì)調(diào)頻信號(hào)的預(yù)測(cè)仿真及結(jié)果分析

假定有一線性調(diào)頻信號(hào)f(t)=f0+kt，其中f0表示時(shí)間等于零時(shí)的頻率，k表示頻率改變的速率，文中設(shè)f0=0，k=160，信號(hào)采樣時(shí)間為2s，采樣頻率為1000Hz，在Matlab里仿真得圖4和圖5，圖4中用“——”表示輸入的線性調(diào)頻信號(hào)，“.”表示預(yù)測(cè)模型，圖5是兩信號(hào)的誤差曲線圖.從圖中的誤差曲線可以看出，在預(yù)測(cè)的初始階段，誤差較大，但經(jīng)過(guò)一段時(shí)間(5個(gè)信號(hào))后，誤差幾乎趨于零，這是因?yàn)樵诔跏茧A段，網(wǎng)絡(luò)的輸入需要5個(gè)延時(shí)信號(hào)，輸入不完整，因此不可避免地出現(xiàn)初始誤差.

圖4 信號(hào)預(yù)測(cè)波形圖

圖5 誤差曲線圖

4 結(jié)語(yǔ)

論文在介紹自適應(yīng)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，構(gòu)建了適應(yīng)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制模型，對(duì)線性調(diào)頻信號(hào)進(jìn)行了預(yù)測(cè)控制，從誤差曲線可以看出，在預(yù)測(cè)的初始階段，盡管誤差較大，但經(jīng)過(guò)一段時(shí)間(5個(gè)信號(hào))后，誤差幾乎趨于零，這是因?yàn)樵诔跏茧A段，網(wǎng)絡(luò)的輸入需要5個(gè)延時(shí)信號(hào)，輸入不完整，因此不可避免地出現(xiàn)初始誤差.如何在預(yù)測(cè)的初始階段，減少誤差，將是下一階段繼續(xù)研究的問(wèn)題.

［1］范懷玉.基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的信號(hào)處理［D］.鄭州:鄭州大學(xué)碩士學(xué)位論文，2007.

［2］Li J，Xiao W，Zhang X，et al.Denoising of power quality disturbance based on self－ adapting neural fuzzy control［J］.Information Technology Journal，2012，(11):1632 －1637.

［3］樊生文，李正熙.基于自適應(yīng)濾波算法的整流器電流預(yù)測(cè)控制［J］.電氣傳動(dòng)，2012，(1):31 －34.

［4］李加升，楊金輝，肖衛(wèi)初.基于神經(jīng)網(wǎng)絡(luò)內(nèi)模的岸電電源波形控制［J］.高電壓技術(shù)，2012，(11):3033－3040.

［5］王海軍，喬燁.基于GA－RBF模型的無(wú)線電波信號(hào)預(yù)測(cè)研究［J］.微型電腦應(yīng)用，2011，(12):13 －14，69.