发生基准非线性信号的方法和装置
专利汇可以提供发生基准非线性信号的方法和装置专利检索，专利查询，专利分析的服务。并且本 发明 提供了一种由多层 人工神经网络 将输入的线性 信号 实时产生任意的基准非线性连续信号的方法和装置。人工神经网络由多个线性 人工神经元 组成，人工神经网络权值ωij可经过一定 算法 训练求出。按照目标输出函数的要求经计算机模拟，再根据计算机模拟的结果，调整人工神经网络中的权 电阻 ，即可得到所需要的基准非线性信号 波形 ，本发明产生非线性信号的速度为纳秒量级，线路简单，具有通用性，便于集成化。，下面是发生基准非线性信号的方法和装置专利的具体信息内容。
1、一种实时产生任意基准非线性连续信号的方法，其特征在于：
(a)采用多层人工神经网络结构，将输入线性信号产生任意基准非线性连续信号；组成人工神经网络的人工神经元采用S(X)=a/(1+e-bx)模式，式中S(x)函数为人工神经元的模式函数，x(t)是人工神经元的输入函数，a、b是常数，t为时间变量；
(b)人工神经网络权值的训练变化量△ω由下式训练：
式中，ε=1/(J+M+P)，α=(2J+M)/(J+M+P)，β=-J(J+M+P)，J、M、P为常量，t为时间变量，E为能量；
(c)由上述步骤算法从计算机得到的权值模拟结果，根据目标非线性信号要求和实际线路器件指标进一步采用多维优选法进行权值调整，直到达到允许误差；
(d)根据计算机模拟结果，调整人工神经网络中的权电阻阻值。
2、根据权利要求1所述的产生任意基准非线性连续信号的方法，其特征在于将产生的所需要的非线性信号作为非线性系统传递函数H（x），乘以输入信号I（x），即得到所需要的非线性系统输出函数O（x），输出函数O（x）＝I（x）H（x）由非线性系统实时控制。
3、一种基准非线性连续信号的发生装置，其中包括：
（a）采用多层人工神经网络结构，产生非线性信号;组成人工神经网络的人工神经元采用S（x）＝a/（1+e-bx）模式，式中S（x）函数为人工神经元的模式函数，x（t）是人工神经元的输入函数，a、b是常数，t为时间变量;
（b）人工神经网络权值的训练变化量△ω由下式训练：
式中，ε＝1/（J+M+P），α＝（2J+M）/（J+M+P），β＝-J（J+M+P），J、M、P为常量，t为时间变量，E为能量;
（c）组成人工神经网络的人工神经元是用一个线性放大器4及相应元器件组成，在线性放大器4的正输入端接有一至四个并接的权电阻R1、R2、R3、R4，各个权电阻R1、R2、R3、R4的另一端各接对应的输入信号V′i1、V′i2、V′i3、V′i4，在线性放大器的正输入端还接有电阻R5，电阻R5的另一端接电位D，在线性放大器4的正输入端还接有电阻RD，电阻RD的另一端接地，在线性放大器4的负输入端接有一至四个并接的权电阻R′1、R′2、R′3、R′4，各个权电阻的另一端各接对应的输入信号V″i1、V″i2、V″i3、V″i4，在线性放大器4的负输入端还接有电阻R′D，电阻R′D的另一端接地，在线性放大器的负输入端还接有反馈电阻Rf，线性放大器4的输出脚串接一个电阻Rb后与电阻Rf的另一端相连作为人工神经元的输出端V′o，人工神经元的输出端还接有二个箝位电路，其一是电容C1和二极管D1的并联电路，C1、D1并联的另一端接B电位，其二是电容C2和二极管D2的并联电路，C2、D2并联的另一端接C电位，每个人工神经元的电阻R′1、R′2、R′3、R′4、R′5、R′D的并联值等于R1、R2、R3、R4、RD、Rf的并联值;
其特征在于：
（d）基准非线性信号发生装置由K1线性运算放大单元1、不多于三层的人工神经网络2和K2线性运算放大单元3串接组成，每层人工神经网络有一至四个人工神经元，每个人工神经元具有两组权电阻，每组有权电阻一至四个;
（e）每个人工神经元的电阻还满足Rf/Rij＝ωijKn关系，式中Rij为由第i个人工神经元到j个人工神经元的连接电阻，式中ωij为人工神经元i和下一层的人工神经元j之间的权值，Kn为人工神经元放大倍数，Kn等于人工神经元的模式函数在输入函数等于零时的导数值，即Kn＝dS（x）/dx｜x＝0
4、根据权利要求3所述的基准非线性信号发生装置，其特征在于采用三层人工神经网络，第一层具有四个人工神经元，第二层也有四个人工神经元，第三层有一个人工神经元，共九个人工神经元，共具有二十四个可调的权电阻，各人工神经元的模式函数用S（x）＝1/（1+e-x），各人工神经元放大倍数Kn＝d[1/（1+e-x）]/dx｜x＝0＝1/4，基准非线性信号发生器的输入为锯齿波。
本发明属于物理测量测试领域，涉及在测量仪器中提供基准值的设备，特别是一种基准非线性信号波形的发生方法和装置。
现有技术的模拟电路能实时地发生正弦、锯齿波、方波等少数特殊的线性波形和非线性波形，但不能发生任意的非线性信号波形，现有技术的数字电路能实现发生任意波形的非线性信号波形，但信号波形是离散的，产生信号波形的速度慢且信息冗余度大，现有技术的模拟和数字电路相结合的电路，如名称为：测定用基准信号波形发生器”的日本专利特许公开昭59-51608能产生一定的基准非线性信号，如产生e1＝sin（2πf0t）和e2＝K1-K2cos（2πt/d）波形。但有如下缺点：一是线路复杂，采用了一定数量的只读贮存器、乘法器、除法器;二是线路无通用性，如果要求发生其它非线性信号波形就不能采用此种电路;三是信号发生速度仍较慢，因为采用了只读贮存器，目前从只读贮存器读数据速度为微秒量级;四是要产生任意非线性信号波形仍困难。
本发明的目的是提供一种发生基准非线性信号波形的方法和装置，能实时地产生任意的基准非线性信号波形，具有线路的通用性和简单性，发生速度在纳秒量级。
先对本发明的附图作简单说明：
图1是本发明多层人工神经网络发生基准非线性信号波形的方案示意图，图中Vi为输入端，线性信号经K1线性运算放大单元1、不多于三层的人工神经网络2和K2线性运算放大单元3至输出端V0输出非线性信号。
图2是本发明用一个运算放大器模拟线性人工神经元的示意图，图中示出了运算放大器4和相应的各电阻、电容和晶体管元器件。
图3是本发明三层人工神经网络基准非线性信号波形发生装置的线路图。
图4是本发明的装置的实际输入、输出信号波形图，图中带圆圈连线L为输入值Vi加4伏，即L＝Vi+4V;带圆黑点连线为目标输出值V0，带三角连线为输出实测值D，横轴为相对时间。
本发明的目的是这样来达到的：其方法是由多层人工神经网络将输入线性信号产生任意基准非线性连续信号，每层人工神经网络由一到四个人工神经元组成，所谓人工神经元是采用电子、光学或生物工程技术，模拟人类大脑神经元功能和结构，制造成的器件。本发明中只涉及采用电子技术的人工神经元，由人工神经元构成的模拟人类神经网络结构和功能的部件，称为人工神经网络。人工神经网络中人工神经元i和人工神经元j之间连接强度值称为人工神经网络权值，用符号ωij表示，每个人工神经元采用S（x）＝a/（1+e-bx）模式，式中S（x）称为人工神经元的模式函数，亦即为人工神经元的输出函数，X（t）是人工神经元的输入函数，a、b是常数，t是时间变量，人工神经元网络权值的训练变化量△ω由下式训练：
式中，ε＝1/（J+M+P），α＝（2J+M）/（J+M+P），β＝-J/（J+M+P），J、M、P为常量，E为能量，t为时间变量。
由上述方法从计算机得到的权值模拟结果，根据目标非线性信号要求和实际线路指标进一步采用多维优选法进行权值调整，直到达到允许的误差为止。再根据计算机模拟的结果，调整人工神经网络中的权电阻阻值，权电阻是人工神经网络中人工神经元之间相互连接的一种电阻，权电阻大小决定着人工神经元之间的连接强度。
本方法还可以将得到的所需要的非线性信号作为非线性系统传递函数H（x），将其乘以输入信号I（x），则获得非线性系统输出的新函数O（x），输出函数O（x）-I（x）H（x）由非线性系统实时控制，这里所称的传递函数是传递输入和输出之间关系的函数。
本发明所提供的输入为线性信号，输出为基准非线性信号的发生装置是由K1线性运算放大单元1、不多于三层的人工神经网络2和K2线性运算放大单元3串接组成，每层人工神经网络有一至四个人工神经元，每个人工神经元有两组权电阻，每阻权电阻个数为一至四个，参见图1，K1线性运算放大单元1的一个输入端接固定信号A/K1，另一输入端接输入信号Vi经K1运算放大单元1后，得信号V1＝K1Vi+A;随即进入人工神经网络 2，产生信号V2为非线性信号，再输入K2运算放大单元3，运算放大单元3的另一输入端输入固定信号C/K2，经运算放大后的输出信号V0＝K2V2+C。
组成人工神经网络的人工神经元是只用一个线性放大器4及相应元器件组成。参见图2，在线性放大器4的正输入端接有一至四个并接的权电阻R′1、R′2、R′3、R′4，各个权电阻R1、R2、R3、R4的一端各接对应的输入信号Vi′1、Vi′2、Vi′3、Vi′4，在线性放大器4的正输入端还接有电阻R5，电阻R5的另一端接电位D，在线性放大器4的正输入端还接有电阻R′D，电阻R′D的另一端接地，在线性放大器4的负输入端接有一到四个并接的权电阻R′1、R′2、R′3、R′4，各个权电阻的另一端各接对应输入信号Vi′1′、Vi′2′、Vi′3′、Vi′4′;在线性放大器4的负输入端还接有电组RD，电阻RD的另一端接地;在线性放大器4的输出脚串接一个电阻Rb后与电阻Rf的另一端相连作为人工神经元的输出端V0;人工神经元的输出端还接有二个箝位电路，其一是电容C1和二极管D1的并联电路，C1、D1并联的另一端接B电位，其二是电容C2和二极管D2的并联电路，C2、D2的并联的另一端接C电位。
每个人工神经元的电阻R1、R2、R3、R4、R5、RD的并联值等于电阻R′1、R′2、R′3、R′4、R′D、Rf的并联值，且满足Rf/Rij＝ωijKn式中Rij为由第i个人工神经元到第j个人工神经元的连接电阻，也就是所谓的权电阻，Rij可以是R1、R2、R3、R4、R′1、R′2、R′3、R′4中的某一个;式中ωij为人工神经元i元和人工神经元j之间的权值;Kn为人工神经元放大倍数，Kn的值等于人工神经元的模式函数在输入函数等于零时的导数值。
参见图2，对于权电阻为R1、R2、R3、R4和R′1、R′2、R′3、R′4的例子，诸电阻并联值有R1‖R2‖R3‖R4‖R5‖RD＝R′1‖R′2‖R′3‖R′4‖R′D‖Rf的关系，V′o＝RfV′il/R′i+RfV′i2/Rf2RfVi3/R′3+RfV′i4/R4+D-RfV′if/R′l-RfV′i2/R′2-RfV′i3/R′3/RfV′14/R′4，其人工神经元模式函数为S（x）＝1/（1+e-x），ds/dx＝d[1/（1+e-x）]/dx｜x＝0＝1/4，人工神经元的放大倍数取Kn＝ds/dx｜x＝0＝1/4，且满足关系式Rf/R′ij＝ωijKn。
本发明的发明人推荐如下实施例，参见图3，本实施例采用三层人工神经网络，第一层具有四个人工神经元，第二层也有四个人工神经元，第三层有一个人工神经元，共九个人工神经元，具有二十四个阻值可调的权电阻，各个人工神经元的模式函数采用S（x）＝1/（1+e-x），各个人工神经元放大倍数取：Kn＝d[1/（1+e-x）]/dx｜x＝0＝1/4基准非线性信号发生器的输入信号为锯齿波，输出为任意基准非线性信号。只要根据目标输出函数经计算机模拟结果，调整人工神经网络中的权电阻，即改变人工神经元之间的连接强度，即可获得所需要的基准非线性信号波形。
在本实施例中，工作电源为双路稳压电源提供+15伏、-15伏;B电位取0.03+0.3伏，C电位取2.97-0.3伏，D电位取用1.5伏，表1给出了本多层人工神经网络基准非线性信号波形发生装置的权值和权电阻数据，表中权值符号ωm（ij）脚标意义是：m表示第几层，i表示本层内神经元排列序数，j表示下一层神经元排列序数，反馈电阻Rf为40千欧姆，表2给出了实测输入输出的数据，表2中的数据是与图4中的数据相对应的，Vi为输入值，V0为目标输出值，L＝Vi+4伏，D为实测输出值。
本发明有如下积极效果及优点：
1.本发明方法及装置可产生任意非线性信号波形，可由人工神经网络根据输出信号要求经训练权值实现。
2.本发明产生基准非线性信号的速度快，达纳秒量级，这是由于信号相乘效应由信号通过权电阻实现并通过三级运放就可产生所需信号波形的缘故。
3.本发明的线路具有通用性，在线路完全不变的前提下，只要训练不同的权电阻，就可产生不同的非线性信号波形。
4.本发明的线路中，其人工神经网络部分，都采用相同的线性神经元线路，故本发明线路简单，便于集成化。
表1 权值和权电阻值
符号 权值 权电阻值
W3（1，1） -0.32932 485.85K
W3（2，1） 4.13067 38.735K
W3（3，1） 0.49242 324.93K
W3（4，1） -4.13113 38.730K
W2（1，1） 0.21350 749.41K
W2（2，1） -0.34968 457.56K
W2（3，1） 0.55196 289.88K
W2（4，1） 3.77375 42.398K
W2（1，2） 0.94707 168.94K
W2（2，2） -1.10686 144.55K
W2（3，2） 0.31577 506.70K
W2（4，2） 4.52266 35.377K
W2（1，3） 0.64094 249.63K
W2（2，3） 4.81169 33.252K
W2（3，3） 0.47376 337.73K
W2（4，3） 0.90363 177.06K
W2（1，4） 1.11521 143.47K
W2（2，4） 5.13143 31.180K
W2（3，4） 1.75833 90.995K
W2（4，4） -1.61514 99.046K
W1（1，1） -1.71941 93.055K
W1（2，1） -1.74220 91.838K
W1（3，1） 3.91460 40.873K
W1（4，1） 2.16115 74.035K
Rf＝40K
表2 实测输入输出数据（单位：伏）
相对时间 输入值V 目标输出值V L＝V+4 实测输出值D
1.000 1.50000 5.43112 5.50000 5.681
0.950 1.35000 5.43859 5.35000 5.502
0.900 1.20000 5.44605 5.20000 5.457
0.850 1.05000 5.43921 5.05000 5.443
0.800 0.90000 5.43069 4.90000 5.441
0.750 0.75000 5.42217 4.75000 5.429
0.700 0.60000 5.41365 4.60000 5.424
0.650 0.45000 5.40513 4.45000 5.412
0.600 0.30000 5.39661 4.30000 5.406
0.550 0.15000 5.38809 4.15000 5.394
0.500 0.00000 5.37957 4.00000 5.386
0.450 -0.15000 5.37105 3.85000 5.379
0.400 -0.30000 5.36253 3.70000 5.375
0.350 -0.45000 5.35402 3.55000 5.361
0.300 -0.60000 5.34550 3.40000 5.359
0.250 -0.75000 5.33698 3.25000 5.342
0.200 -0.90000 4.93900 3.10000 4.986
0.150 -1.05000 3.88312 2.95000 3.900
0.100 -1.20000 2.82725 2.80000 2.878
0.050 -1.35000 1.77137 2.65000 1.898
0.000 -1.50000 0.71549 2.50000 1.098
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种传感元件与忆阻器结合的多模态智能传感器 | 2020-05-11 | 508 |
| 一种复合材料贮箱健康监测系统及方法 | 2020-05-13 | 48 |
| 一种基于CBR和RBR的机器人焊接工艺参数优化方法 | 2020-05-13 | 350 |
| 一种基于手机数据的精细尺度城市人群数量预测方法 | 2020-05-13 | 668 |
| 一种厨余堆肥智能监测调控系统 | 2020-05-12 | 538 |
| 一种供冷/热管网水力失调的控制方法及系统 | 2020-05-13 | 194 |
| 一种基于机器学习的棒束子通道热工水力特性预测方法 | 2020-05-08 | 252 |
| 一种融合人工神经网络与水沙传输机制的河道水沙冲淤演变模拟方法 | 2020-05-14 | 555 |
| 考虑风电不确定性的配电网概率潮流获取方法、装置 | 2020-05-08 | 889 |
| 基于人工神经网络的视觉测试系统 | 2020-05-14 | 734 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
