智能控制及其MATLAB
实现
题目：基于BP神经网络的图像压缩实现方法
姓名：裴晓鹏
学号： 2015510298
授课教师：李国勇
所在院系：信息工程学院
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6 基于BP神经网络的图像压缩实现方法
摘要
在当今这个信息爆炸的时代，图像传输和共享是一个很重要的环节，但是图像数据
的海量性使其存储和传输成为数字图像处理领域的一大难题。研究发现，一幅图像之所
以占据内存大，是因为除了有效信息以外，还有许多冗余信息和相干信息。也正是因为
图像中存在着大量的冗余信息和相干信息，使得对图像进行压缩，即去除图像中的冗余
信息和相干信息，只保留图像中的有效特征信息变得可行。所谓图像压缩是指用较少的
数据量对冗余信息和相干信息进行有效的表征或直接去除。压缩图像为数字图像提供了
一种有效的表示方法，同时缓解了系统的存储和传输等压力，在一定程度上能够减少图
像存储量和减轻图像传输的负担，也能实现快速传输和实时处理。本文在图像压缩原理
及几种常用的图像压缩方法的研究基础上，采用BP神经网络实现图像压缩，能够重构
出高质量的图像。在要求存储量较少的同时还追求高质量的重构图像的情况下，这种压
缩方法对数据的存储和传输有一定的实践指导作用。
关键词：图像压缩；快速传输；BP神经网络
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
Image compression method based on BP neural network
Abstract
Today information explodes, the image’s transmission and sharing is an important pa rt but the image data huge amounts make its storage and transport become a big problem in the field of digital image processing. The study found that an image is to occupy memory is big, because in addition to the valid information, there are a lot of redundant information and irrelevant information. Is precisely because there are a lot of redundant information in the image and correlation information, make the image is compressed, which remove the redundant information in the image and correlation information, only keep the effective feature information of images become feasible. Image compression refers to the use of less amount of data to the redundant information and coherent information for effective characterization or remove directly. Compressed image as the representation method of digital image provides an effective, at the same time reduce the pressure on the system of storage and transmission, etc, to a certain extent, can reduce the image storage and reduce the burden of image transmission, also can realize fast transmission and real-time processing. Based on the principle of image compression and several common image compression method based on the research of image compression is realized by using the BP neural network, to reconstruct the high quality images. In demanding less storage capacity but also the pursuit of high quality under the condition of reconstructed images, the compression method for data storage and transmission have certain practice guidance.
Key words: Image compression; Rapid transmission; The BP neural network
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
第一章引言
在当今充满各种类型信息的时代，图像是人类感知世界、表达信息、获取信息和传
递信息的重要工具之一。随着人类对图像信息需求量的不断增加，庞大图像数据量的获取、存储、传输以及传播等都面临着巨大的挑战。现实应用中，一幅较大图像数据的存
储通常需要占用比较大的内存，而真正用来表征图像本质特征的数据往往相对较少，如
果我们将整幅图像数据全部保存，将无形中占用和浪费较大的内存资源，假如我们只保
存表征图像的有效数据，则能够节约大量的存储空间。因此，如何对图像信号用少量的
数据进行有效表征以减少存储空间和缩短传输时间已成为图像处理领域的研究热点之
一。【1】研究发现，一幅图像之所以占据内存大，是因为除了有效信息以外，还有许多余
信息和相干信息。通常把图像中大量重复出现的这部分信息称为冗余信息，对于那些可
用其它信息表示的信息称为相干信息，也正是因为图像中存在着大量的冗余信息和相干
信息，使得对图像进行压缩，即去除图像中的冗余信息和相干信息，只保留图像中的有
效特征信息变得可行【2】。所谓图像压缩是指用较少的数据量对冗余信息和相干信息进行
效的表征或直接去除。压缩图像为数字图像提供了一种有效的表示方法，同时缓解了系
统的存储和传输等压力，也便于用有限的资源查看和处理大量的图像信息。
图像压缩技术历经50多年的不断发展，目前已经有一些比较成熟的方法。常用的
图像压缩技术通常采用变换的方法来有效地去除图像中的冗余信息。基于变换编码压缩
的方法，常用的主要有离散余弦变换(Discrete Cosine Transform, DCT)编码〔81和离散
小波变换(Discrete Wavelet Transform, DWT)编码，，‘“。DCT变换将空间域的图像信号
变换到频域，使得信号能量集中在一起，能够用少量的有效数据来表征原始图像。由于DCT变换基固定，并且能够快速实现，使其在许多图像压缩技术中采用。如JPEG,MPEG, H.26x和A VS等标准均采用了DCT变换技术。如今，通信网络技术的发展、数字图像
的阅览和图像数据的传输不断要求图像压缩方法能够提供高质量和高分辨率的解压图像，来满足不同等级的需求，这些灵活性的要求往往与DCT的编码结构很难结合起来，
有待相关研究者进行更深入的研究【3】。
1974年，小波变换(Wavelet Transform, WT)理论出现，极大地促进了数据压缩技术
的进一步发展【4】。小波变换和DCT变换类似，可以将图像从空间域变换到频域，使图
像按频率能量分布更为集中;小波变换通过对图像进行多尺度分解，可以获得不同程度
上的近似图像信号。80年代末，Lu Jian等人就将小波变换应用到图像压缩编码中，其
具体过程为:首先对图像依据Mallat塔式快速小波变换算法进行多尺度分解;然后对每级
的小波系数进行量化;再对量化后的小波系数进行编码处理，最终获得压缩图像。随着
小波变换理论的不断发展，其在图像数据压缩领域已经被广泛地应用，如2002年提出
的图像压缩编码方法JPEG2000就是基于DWT的一种新的静止图像压缩标准【5】。
1993年，MPEG-1正式成为视频图像压缩标准(运动图像压缩标准)。MPEG-1主要
面向数字存储媒体，应用于多媒体计算机、电子出版物以及交互式电视等领域。随着
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
数字图像技术的不断发展，随后的几年中，陆续推出了MPEG-2, MPEG-4, MPEG-7等
标准【6】。
图像压缩编码方法已经发展多年，并且日渐成熟，一系列的图像压缩标准也在不断
完善和发展，从静止图像压缩标准JPEG到JPEG2000的发展使得图像的压缩比以及重
构图像质量都有很大的提升，尤其从动态图像压缩标准MPEG-X系列可以看出，基于
图像内容信息的压缩编码方法将是图像压缩发展的趋势【7】。
本文在阐述BP 神经网络的图像压缩原理基础上，仿真实现了基于BP神经网络的静
态灰度图像压缩。
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
第二章人工神经网络简介
人工神经网络从生理学角度模拟人脑大量神经元细胞的运行机理，通过不断对链接
权值进行修改，达到训练、模拟、预测等目的。人工神经网络经一段时间的低潮后，从
20 世纪80 年代起，逐渐进入热潮，并衍生出多种网络链接方式，在工程、勘探、图像、预测等方面应用广泛【8】。1988年Hecht-Nielsen对人工神经网络定义如下“人工神
经网络是一个并行、分布处理结构，它由处理单元及称为连接的无向信号通道互连而成。
这些处理单元具有局部内存，并可以完成局部操作。每个处理单元有一个单一的输出链接，这个输出可根据需要被分支多个并行链接，且这些并行连接都输出相同的信号，即
相应处理单元的信号及信号的大小不因分支的多少而变化。处理单元的输出信号可以是
任何需要的数学模型，每个处理单元进行的操作必须是完全局部的。也就是说，它必须
仅仅依赖于经过输入连接到达处理单元的所有输入信号的当前值和储存在处理单元局
部的范围值。”【9】
1986 年，Rumelhart和Mc Celland在Parallel Distributed Processing一书中，提出BP
学习算法。用得最广泛的BP神经网络一般采用三层，即一输入层，一隐层，一输出层。BP算法训练时，由工作信号正向传播和误差信号反向传播组成；工作时，采用训练好
的权值进行计算。
工作信号正向传播。神经网络的输入数据在输入层经传递函数的计算，把结果传向
隐层；再经隐层传递函数的计算，结果传向输出层，在输出层产生输出。在此过程中，
网络权值不变，算法计算因输入、网络权重、阈值、传递函数等产生的输出。
误差信号反向传播．产生输出结果后，根据输出值和期望值之间的差异，把误差回传，根据不同的具体算法，从输出层起，逐层调整网络权值，至输入层，目的是通过调
整权值，使输出的数据更接近期望值．然后再进行工作信号正向传播，得出输出层结果后，再调整网络权值，如此循环。工作时，采用经多次调整的网络权值，把输入数据传
递到输出层，产生输出。
BP 网络是目前发展较为成熟的神经网络模型之一，是一种利用非线性可微分函数
进行权值修正与调整的多层前馈人工神经网络，能通过严谨的数学理论进行推理验证，
在模式识别、函数逼近、数据压缩等方面获得了广泛应用与认同。BP 网络算法的主要
特点是输入信号正向传递，误差反向传播。BP 网络的学习训练算法的实质是把样本集
合的输入输问题变换为一个非线性优化问题【10】。其网络结构分为输入层、隐含层、输
出层等三层。一个典型的BP神经网络模型结构如图1。
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
图1 一个典型的BP网络模型结构
人脑在接受视觉感观传来的大量图像信息后，能够迅速做出反应，并在脑海中重现
这些信息，这不仅与人脑的巨大信息储存能力有关，还说明人脑具有较强的特征提取
能力。人工神经网络虽然是人脑的简单模拟和抽象，但具有许多与人脑相似的信息处理
能力，自然也具有较强的数据压缩能力，一些神经网络模型能直接提供数据压缩就是
一个很好的例子【11】。由于现实图像内容变化的随机性，对图像的分割以及平稳区域与
非平稳区域的数学描述还没有找到一个有效的手段和方法，试图用一种图像模型来描述
自然界千奇百怪的图像是不现实的，而人工神经网络在解决类似的黑箱上特别有效，
故可以用神经学习图像中规律性的东西，通过神经网络自适应机制，如结构自适应、
学习率参数的变化和连接权值的变化等进行调整。因此，可以利用神经网络的特点对
图像信息进行有效的分解、表征和编码，从而取得传统方法无法比拟的结果。这就是
将人工神经网络用于图像压缩的基本思想和出发点。
具体来讲，与传统的图像压缩方法相比，人工神经网络具有如下一些优势：
(1) 图像信号的正交变换中，如果所选的基向量与图像信号的协方差矩阵的特征向
量接近，则变换域内图像信号的相关性将明显下降，能量相对集中，就能使图像信号
的带宽得到较大压缩，此时的变换比较接近最佳线性变换(KLT)。对于随机性很强的
图像信号来说，很难找到一种与不同统计特性的图像信号完全匹配的变换，因此变换
矩阵中基向量的选择不是固定的，这就给最佳变换编码的实现带来了困难，而神经网
络的强映射力和非线性特性，使它可以学习具有相当接近输入信号特征空间基的能力，
因此用来解决最佳变换的实现是很有效的【12】；
(2) 神经网络中及其丰富的训练算法为设计高效的图像压缩编码系统提供了新的
途径；
(3) 大多数人工神经网络都具有相当强的模式识别与模式分类能力，这给图像编
码方案中模式分类问题的解决提供了一个强有力的工具；
(4)神经网络有较强的容错性和联想记忆功能，任何局部的损坏不会影响整体结果，
这一特性有助于对有噪图像的数据压缩及对压缩后信息不全图像的恢复；
(5)神经网络的大规模并行处理能力及分布式结构，为神经网络图像编码的实时实
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
现创造了条件，这也是将神经网络用于图像编码的优势所在。
目前，将人工神经网络理论与技术引入图像编码领域的研究工作十分活跃，发展相
当快，基于人工神经网络模型的图像编码方法已涉足图像编码研究的很多方面，所使
用的神经网络模型已有近十种，对现有的神经网络图像编码方法进行归纳、总结，有
助于了解神经网络方法的发展方向，使已取得的成果系统化，使尚未解决的问题明确化【13】。
不少神经网络模型都有相当强的数据压缩能力，当然，有些神经网络模型不能提供
直接的数据压缩，而是间接参与数据压缩。如果以用于图像编码的神经网络模型为主线，对现有神经网络图像编码方法进行分类，一方面可了解哪些神经网络模型具有压
缩能力，从而进一步挖掘潜力，另一方面可了解神经网络与图像压缩技术结合的途径，
从而探讨其它模型的压缩能力，建立适合数据压缩的新的模型，在进行归类的过程中，
将那些常用的或者重要的神经网络模型和学习算法分别作为一个独立的类别，而将那
些很少使用或新近提出的神经网络模型划入其它类别，按此原则，目前用于图像编码
的神经网络模型和学习算法主要有以下几类：
(1) 多层前馈神经网络，其学习算法为BP算法，所以又叫BP网络；
(2) Kohonen 自组织神经网络，包括频率敏感竞争学习(FSCL)网络，其学习算法为
自组织特征映射(SOFM)算法；
(3) Hpfield 神经网络；
(4) 模拟退火(SA)学习算法；
(5) 混合神经网络模型；
(6) 其它神经网络模型，包括CPN，函数链神经网络，Sophia 联想神经网络(SANNET)，改进的Hebbian 学习规则的系列应用(SAMH)等。
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
第三章BP 神经网络的图像压缩原理
数字图像压缩是以较少的比特数有损或者无损地表示原来的像素矩阵的一种图像
处理技术，其目的是减少图像数据中的时间冗余、空间冗余、频谱冗余等一种或多种冗
余信息而达到更加高效的存储与传输数据。图像压缩系统无论采用什么具体的结构或者
技术方法，其基本过程却是一致的，可概括为如图2 所示的流程图，包括编码、量化、
解码等三个环节【14】。
图2 图像压缩基本流程
从理论上讲，编解码问题可以归纳为映射与优化问题，而人工神经网络从数学上分
析就是实现了从输入到输出的一个非线性映射关系，并具有高度并行处理能力、较高的
容错性与鲁棒性。分析图像压缩的基本原理、环节与BP 的网络结构分布，可得出基于
BP 网络的图像压缩原理如图3 所示。
图3 基于BP神经网络的图像压缩原理
在BP 网络中，输入层到隐含层之间的映射关系相当于编码器，用于对图像信号进
行线性或者非线性变换。而隐含层到输出层之间的映射关系相当于解码器，通过对压缩
后的信号数据进行反变换以达到重建图像数据。压缩比率S= 输入层神经元节点数/ 隐
含层神经元节点数。BP 神经网络的输入层与输出层的神经元节点数目从理论上应该是
一致的，而隐含层的神经元数目比输入输出层地数目要少的多。这样理论上可通过调节
隐含层神经元节点数目可达到不同图像压缩比效果。
BP网络是目前最为常用的一种神经网络模型，它可以直接提供数据压缩能力。最
典型的例子是一种三层对称的BP网络，包括输入层、隐含层和输出层，隐含层的节点
数要少于输入节点数，输入节点数与输出节点数相同，整个网络结构是完全对称的。
学习时，图像数据既送到输入层又送到输出层作为教师信号，所使用的学习算法为BP
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
算法。网络训练好以后，输入层到隐含层为网络的编码过程，对图像数据进行线性或者
非线性变换，从隐含层到输出层为网络的解码过程，对经过压缩后的变换系数进行线
性或非线性反变换，恢复图像的原始数据。这类方法称为结构压缩法。
N.Sonehara 等人1989 年探讨了三层前馈神经网络的通用性与训练图像数目以及
迭代次数的关系，还探讨了隐节点输出值量化和初始权值的选择对重建图像质量的影
响，为了控制网络规模，将图像分成8×8的子块，每一子块分别送到相应的子网络进行
并行处理，因此学习速度相当快，每学习一幅图像仅一秒钟。1990年，Z.He与H.Li将
多层前馈神经网络用于图像非线性预测编码，结果表明：神经网络实现的非线性预测器
优于线性预测器，网络的抗噪性强，通用性好。随后，S.A.Dianat与张伟等人进行了类
似的研究，得出了相同的结论。
BP 算法流程如图4 所示。误差反向传播算法分为两个阶段：第一阶段(正向传播过程)，给出输入信息通过输入层经隐含层逐层处理并计算每个单元的实际输出值；第
二阶段(反向传播过程)，若在输出层未能得到期望的输出值，则逐层递归求期望输出
和实际输出值的偏差(即误差)，以便根据此误差调节权值。权值的实际改变可由权值误
差微商一个模式一个模式的计算出来，即它们可以在这组模式集上进行累加【15】。
图4 BP算法流程图
学生姓名 裴晓鹏 学号 2015510298 专业 控制科学与工程 课程名称：智能控制及其MATLAB 实现 授课教师 李国勇 考试时间 2016.6
误差反向传播算法的性能函数是均方误差。对单层的线性网络，误差是网络权值的显式线性函数，其相对于权值的导数较为容易求得。在具有非线性传输函数的多层网络中，网络权值和误差的关系就更为复杂。为了计算导数，需要使用微积分的链式法则。 采用BP 算法的多层前馈网络是至今为止应用最为广泛的神经网络，在多层前馈网的应用中， 以图5 所示的单隐层网络的应用最为普遍【16】。一般习惯将单隐层前馈网称为三层前馈网， 所谓三层包括了输入层、隐层和输出层。
图5 三层BP 网络模型
通常,图像的数字编码，其实质是在一定质量(信噪比要求或主观评价得分)条件下， 以最少比特数来表示(传输)一幅图像。为了比较各种压缩编码效率，需定义表示其压缩效率的压缩比，通用的压缩比可定义为:压缩比用于表示原始数据量与压缩后存储数据量之间的比值关系，衡量数据压缩的程度。压缩比越大丢弃的信息越多，重构图像质量越差。
压缩比主要是用来评价图像的压缩性能，而另外还有一些评价重建图像的质量的性能参数，如峰值信噪比( PSNR )，造成解压后重构图像失真的就是压缩过程中丢弃的那部分信息，这部分信息可以通过原始图像与重构图像之间的函数关系来表示，PSNR
能反映出这两者间的关系。峰值信噪比定义为：
。 本文的程序在附录里有详细说明，下面图6展示了利用BP 神经网络实现图像压缩的效果：
10*log ^2/MSE ()PSNR Q dB （）
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
图表 6 图像压缩结果
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
总结
本次压缩的峰值信噪比PSNR：33.8075，压缩比：2.3136，压缩效果明显，重构图
像效果较好。但是它也有很多不完美的地方：
(1) 己经学习好的网络的泛化问题，即能否逼近规律、能否正确处理大量没有学习
的样本、是否有预测能力；
(2) 基于BP 算法的网络的误差面有三个特点：有很多局部最小的解；存在一些平
坦区，在此区内误差改变很小；存在不少的局部最小点，在某些初值的条件下算法
容易陷入局部最小点。由于第二和第三个缺点，造成网络完全不能训练；初始的随机
加权的大小，对局部最小的影响很大；训练步长的大小，直接影响训练时间的长短，
其选择没有理论指导。
(3) 学习算法的收敛速度缓慢，且容易振荡；
(4) 网络的隐含层节点的个数的选取尚缺少统一而完整的理论指导。
针对这些问题，将在以后的研究中进行改进。
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
参考文献
[1]张旭峰.基于压缩感知的图像压缩研究[D].西北大学,2015
[2]徐大卫.基于字典学习的高光谱图像压缩算法研究[D].中国科学技术大学,2015
[3]王丹枫.基于在线字典学习的高光谱图像压缩技术研究[D].哈尔滨工业大学,2015
[4]吴运泽.基于小波变换的多级树集合分裂图像压缩算法研究[D].沈阳工业大学,2015
[5]刘志翔.基于BP神经网络的汽车保险需求预测研究[D].暨南大学,2015
[6]董程.基于改进神经网络的车牌识别算法的研究及仿真[D].哈尔滨理工大学,2015
[7]罗毅.基于BP神经网络与智能算法的股价预测方法研究[D].深圳大学,2015
[8]XiaoHong Han;Xiaoyan Xiong;Fu Duan.A new method for image segmentation based on BP neural network and gravitational search algorithm enhanced by cat chaotic mapping[J].Applied Intelligence,2015,No.4
[9]Xuewu Ji;Jian Wang;Youqun Zhao;Yahui Liu;Liguo Zang;Bo Li.Path planning and tracking for vehicle parallel parking based on preview BP neural network PID controller[J].Transactions of Tianjin University,2015,No.3
[10]Ximing You;Xuewu Cao.Study of Liquid Lithium Coolant Interaction Based on BP Neural Network Optimized by Genetic Algorithm[J].Journal of Fusion Energy,2015,No.4
[11]Weikuan Jia;Dean Zhao;Tian Shen;Shifei Ding;Yuyan Zhao;Chanli Hu.An optimized classification algorithm by BP neural network based on PLS and HCA[J].Applied Intelligence,2015,No.1
[12]Juncheng, Tao.Adaptive combination forecasting model for China’s logistics freight volume based on an improved PSO-BP neural network[J].Kybernetes: The International Journal of Systems & Cybernetics,2015,No.4
[13]Woodworth, Joseph Thomas.Numerical Optimization Methods for Image
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
Processing and Machine Learning[D].UCLA,2016
[14]丛爽编著.面向MATLAB工具箱的神经网络理论与应用[M].2009
[15]贺兴华等编著.MATLAB 7.x图像处理[M].2006
[16]周润景，张丽娜著.基于MATLAB的模糊与神经网络设计[M].2010
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
附录1程序代码
bp_imageCompress.m
% bp_imageCompress.m
% 基于BP神经网络的图像压缩
%% 清理
clc
clear all
%% 压缩率控制
K=4;
N=10;
row=256;
col=256;
%% 数据输入
% I=imread('lena.bmp');
i=imread('tyut2.jpg');
I=rgb2gray(i);%I灰度图像
% 统一将形状转为row*col
I=imresize(I,[row,col]);
%% 图像块划分，形成K^2*N矩阵
P=block_divide(I,K);
%% 归一化
P=double(P)/255;
%% 建立BP神经网络
net=feedforwardnet(N,'trainlm');
T=P;
net.trainParam.goal=0.001;
net.trainParam.epochs=1000;
tic
net=train(net,P,T);
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
toc
%% 保存结果
com.lw=net.lw{2};
com.b=net.b{2};
[~,len]=size(P); % 训练样本的个数
com.d=zeros(N,len);
for i=1:len
com.d(:,i)=tansig(net.iw{1}*P(:,i)+net.b{1});
end
minlw= min(com.lw(:));
maxlw= max(com.lw(:));
com.lw=(com.lw-minlw)/(maxlw-minlw);
minb= min(com.b(:));
maxb= max(com.b(:));
com.b=(com.b-minb)/(maxb-minb);
maxd=max(com.d(:));
mind=min(com.d(:));
com.d=(com.d-mind)/(maxd-mind);
com.lw=uint8(com.lw*63);
com.b=uint8(com.b*63);
com.d=uint8(com.d*63);
save comp com minlw maxlw minb maxb maxd mind
bp_imageRecon.m
% bp_imageRecon.m
%% 清理
clear,clc
close all
%% 载入数据
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
col=256;
row=256;
% I=imread('lena.bmp');
i=imread('tyut2.jpg');
I=rgb2gray(i);%I灰度图像
I=imresize(I,[row,col]);
load comp
com.lw=double(com.lw)/63;
com.b=double(com.b)/63;
com.d=double(com.d)/63;
com.lw=com.lw*(maxlw-minlw)+minlw;
com.b=com.b*(maxb-minb)+minb;
com.d=com.d*(maxd-mind)+mind;
%% 重建
for i=1:4096
Y(:,i)=com.lw*(com.d(:,i)) +com.b;
end
%% 反归一化
Y=uint8(Y*255);
%% 图像块恢复
I1=re_divide(Y,col,4);
%% 计算性能
fprintf('PSNR :\n ');
psnr=10*log10(255^2*row*col/sum(sum((I-I1).^2)));
disp(psnr)
a=dir();
for i=1:length(a)
if (strcmp(a(i).name,'comp.mat')==1)
si=a(i).bytes;
break;
end
end
fprintf('rate: \n ');
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
rate=(256*256)/double(si);
disp(rate)
figure(1)
imshow(I)
title('灰度图像');
figure(2)
imshow(I1)
title('重建图像');
block_divide.m
function P = block_divide(I,K)
% P=block_divede(I)
% [row,col]=size(I),row%K==0, and col%K==0
% divide matrix I into K*K block,and reshape to
% a K^2*N matrix
% example:
% I=imread('lena.jpg');
% P=block_divide(I,4);
% 计算块的个数：R*C个
[row,col]=size(I);
R=row/K;
C=col/K;
% 预分配空间
P=zeros(K*K,R*C);
for i=1:R
for j=1:C
% 依次取K*K 图像块
I2=I((i-1)*K+1:i*K,(j-1)*K+1:j*K);
% 将K*K块变为列向量
i3=reshape(I2,K*K,1);
% 将列向量放入矩阵
P(:,(i-1)*R+j)=i3;
end
end
学生姓名裴晓鹏学号 2015510298 专业控制科学与工程
课程名称：智能控制及其MATLAB实现授课教师李国勇考试时间 2016.6
re_divide.m
function I=re_divide(P,col,K)
% I=re_divide(P)
% P: K^2*N matrix
% example:
% I=re_divide(P);
% I=uint8(I*255);
% imshow(I)
% 计算大小
[~,N]=size(P);
m=sqrt(N);
% 将向量转为K*K矩阵
b44=[];
for k=1:N
t=reshape(P(:,k),K,K);
b44=[b44,t];
end
% 重新排布K*K矩阵
I=[];
for k=1:m
YYchonggou_ceshi1=b44(:,(k-1)*col+1:k*col);
I=[I;YYchonggou_ceshi1];
end
华东交通大学MATLAB程序设计报告书 课题名称：基于MATLAB的粒子群优化算法的实现 姓名： 学号：20160280800014 专业：控制科学与工程 2016年 11月 20日
基于MATLAB的粒子群优化算法的实现 一、课程选题目的 本次课程设计的课题为《基于MATLAB的粒子群优化算法的实现》，主要为学会运用MATLAB对实际算法编程，加深对粒子群优化算法的理解，并为今后熟练使用MA TLAB进行系统的分析仿真和设计奠定基础。数值计算分析可以帮助更深入地理解理论知识，并为将来使用MA TLAB进行各领域数值分析分析和实际应用打下基础。 此次课程主要是为了进一步熟悉对MATLAB软件的使用，以及学会利用MA TLAB对数值运算这种实际问题进行处理，将理论应用于实际，加深对它的理解。 二、粒子群优化算法原理 优化是科学研究、工程技术和经济管理等领域的重要研究工具。它所研究的问题是讨论在众多的方案中寻找最优方案。例如，工程设计中怎样选择设计参数，使设计方案既满足设计要求又能降低成本；资源分配中，怎样分配有限资源，使分配方案既能满足各方面的基本要求，又能获得好的经济效益。在人类活动的各个领域中，诸如此类，不胜枚举。优化这一技术，正是为这些问题的解决，提供理论基础和求解方法，它是一门应用广泛、实用性很强的科学。近十余年来，粒子群优化算法作为群体智能算法的一个重要分支得到了广泛深入的研究，在路径规划等许多领域都有应用。 2.1 粒子群优化算法的起源 粒子群优化（PSO）算法是由Kennedy和Eberhart于1995年用计算机模拟鸟群觅食这一简单的社会行为时，受到启发，简化之后而提出的。 设想这样一个场景：一群鸟随机的分布在一个区域中，在这个区域里只有一块食物。所有的鸟都不知道食物在哪里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的方法就是追寻自己视野中目前离食物最近的鸟。如果把食物当作最优点，而把鸟离食物的距离当作函数的适应度，那么鸟寻觅食物的过程就可以当作一个函数寻优的过程。鱼群和鸟群的社会行为一直引起科学家的兴趣。他们以特殊的方式移动、同步，不会相互碰撞，整体行为看上去非常优美。生物学家CargiReynolds提出了一个非常有影响的鸟群聚集模型。在他的模拟模型boids中，每一个个体遵循：避免与邻域个体相冲撞、匹配邻域个体的速度、试图飞向感知到的鸟群中心这三条规则形成简单的非集中控制算法驱动鸟群的聚集，在一系列模拟实验中突现出了非常接近现实鸟群聚集行为的现象。该结果显示了在空中回旋的鸟组成轮廓清晰的群体，以及遇到障碍物时鸟群的分裂和再度汇合过程。由此受到启发，经过简化提出了粒子群优化算法。 2.2粒子群优化算法的原理 在粒子群优化算法中，每个优化问题的潜在解都是搜索空间中的一只鸟，称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。优化开始时先初始化为一群随机粒子（随机解）。然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个极值来更新自己。第一个极值就是整个种群目前找到的最优解。这个极值是全局极值。另外也可以不用整个种群而只是用其中一部分作为粒子的邻居，那么在所有邻居中的极值就是局部极值。第二个极值是粒子本身所找到的最优解，称为个体极值。这是因为粒子仅仅通过跟踪全局极值或者局部极值来更新位置，不可能总是获得较好的解。这样在优化过程中，粒子在追随全局极值或局部极值的同时追随个体极值则圆满的解决了这个问题。这就是粒子群优化
实验八 无约束优化问题 一.实验目的 掌握应用matlab 求解无约束最优化问题的方法 二.实验原理及方法 1：标准形式： 元函数 为其中n R R f X f n R x n →∈:) (min 2．无约束优化问题的基本算法一．最速下降法（共轭梯度法）算法步骤：⑴ 给定初始点 n E X ∈0，允许误差0>ε,令k=0； ⑵ 计算() k X f ?； ⑶ 检验是否满足收敛性的判别准则： () ε≤?k X f ， 若满足，则停止迭代，得点k X X ≈*，否则进行⑷； ⑷ 令() k k X f S -?=，从k X 出发，沿k S 进行一维搜索， 即求k λ使得： ()() k k k k k S X f S X f λλλ+=+≥0 min ； ⑸ 令k k k k S X X λ+=+1，k=k+1返回⑵. 最速下降法是一种最基本的算法，它在最优化方法中占有重要地位.最速下降法的优点是工作量小，存储变量较少,初始点要求不高；缺点是收敛慢，最速下降法适用于寻优过程的前期迭代或作为间插步骤，当接近极值点时，宜选用别种收敛快的算法.．牛顿法算法步骤： (1) 选定初始点n E X ∈0，给定允许误差0>ε，令k=0； (2) 求()k X f ?,()() 1 2-?k X f ,检验：若() ε
无约束最优化问题及其Matlab 求解 一、教学目标 1. 了解悟约束规划的基本算法最速下降法（共轭梯度法）的基本步骤 2. 掌握用Matlab 求解五约束的一元规划问题、多元规划问题、以及Matlab 求解过程中参数的设置。 3. 针对实际问题能列出其无约束规划方程并用Matlab 求解。 二、 教学手段 1. 用Flashmx 2004制作课件，并用数学软件Matlab 作辅助教学。 2. 采用教学手法上采取讲授为主、讲练结合的方法。 3. 上机实践操作。 三、 教学内容 （一）、求解无约束最优化问题的基本思想 标准形式： ★（借助课件说明过程） （二）、无约束优化问题的基本算法 1．最速下降法（共轭梯度法）算法步骤： ⑴ 给定初始点n E X ∈0，允许误差0>ε,令k=0； ⑵ 计算()k X f ?； ⑶ 检验是否满足收敛性的判别准则： ()ε≤?k X f ， 若满足，则停止迭代，得点k X X ≈*，否则进行⑷； ⑷ 令()k k X f S -?=，从k X 出发，沿k S 进行一维搜索， 即求k λ使得： ()() k k k k k S X f S X f λλλ+=+≥0min ； ⑸ 令k k k k S X X λ+=+1，k=k+1返回⑵. 最速下降法是一种最基本的算法，它在最优化方法中占有重要地位.最速下降法的优点是工作量小，存储变量较少,初始点要求不高；缺点是收敛慢。 ★（借助课件说明过程,由于 算法 在实际中用推导过程比较枯燥，用课件显示搜索过程比较直观） 2. 采用Matlab 软件，利用最速下降法求解无约束优化问题 常用格式如下： （1）x= fminbnd (fun,x1,x2) （2）x= fminbnd (fun,x1,x2 ，options) （3）[x ，fval]= fminbnd （...） （4）[x ，fval ，exitflag]= fminbnd （...） （5）[x ，fval ，exitflag ，output]= fminbnd （...） 其中（3）、（4）、（5）的等式右边可选用（1）或（2）的等式右边。函数fminbnd ()X f n E X ∈min 其中 1:E E f n →
课程设计任务书 学生姓名：董航专业班级：电信1006班 指导教师：阙大顺，李景松工作单位：信息工程学院 课程设计名称：Matlab应用课程设计 课程设计题目：Matlab运算与应用设计5 初始条件： 1.Matlab6.5以上版本软件； 2.课程设计辅导资料：“Matlab语言基础及使用入门”、“Matlab及在电子信息课程中的应 用”、线性代数及相关书籍等； 3.先修课程：高等数学、线性代数、电路、Matlab应用实践及信号处理类相关课程等。 要求完成的主要任务：（包括课程设计工作量及其技术要求，以及说明书撰写等具体要求） 1.课程设计内容：根据指导老师给定的7套题目，按规定选择其中1套完成； 2.本课程设计统一技术要求：研读辅导资料对应章节，对选定的设计题目进行理论分析， 针对具体设计部分的原理分析、建模、必要的推导和可行性分析，画出程序设计框图，编写程序代码（含注释），上机调试运行程序，记录实验结果（含计算结果和图表），并对实验结果进行分析和总结。具体设计要求包括： ①初步了解Matlab、熟悉Matlab界面、进行简单操作； ②MATLAB的数值计算：创建矩阵矩阵运算、多项式运算、线性方程组、数值统计； ③基本绘图函数：plot, plot3, mesh, surf等，要求掌握以上绘图函数的用法、简单图形 标注、简单颜色设定等； ④使用文本编辑器编辑m文件，函数调用； ⑤能进行简单的信号处理Matlab编程； ⑥按要求参加课程设计实验演示和答辩等。 3.课程设计说明书按学校“课程设计工作规范”中的“统一书写格式”撰写，具体包括： ①目录； ②与设计题目相关的理论分析、归纳和总结； ③与设计内容相关的原理分析、建模、推导、可行性分析； ④程序设计框图、程序代码（含注释）、程序运行结果和图表、实验结果分析和总结； ⑤课程设计的心得体会（至少500字）； ⑥参考文献（不少于5篇）； ⑦其它必要内容等。 时间安排：1.5周（分散进行） 参考文献： [1](美)穆尔,高会生,刘童娜,李聪聪．MA TLAB实用教程(第二版) . 电子工业出版社,2010. [2]王正林,刘明．精通MATLAB(升级版) .电子工业出版社,2011. [3]陈杰. MA TLAB宝典(第3版) . 电子工业出版社,2011. [4]刘保柱,苏彦华,张宏林. MATLAB 7.0从入门到精通(修订版) . 人民邮电出版社,2010. 指导教师签名：年月日 系主任（或责任教师）签名：年月日
2010级智能控制基础期末 复习思考题 一重要概念解释 1 智能控制 所谓的智能控制，即设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化做出适应性反应，从而实现由人来完成的任务。 2 专家系统与专家控制 专家系统是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。 专家控制是智能控制的一个重要分支。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。它由知识库和推理机构构成主体框架，通过对控制领域知识的获取与组织，按某种策略及时的选用恰当的规则进行推理输出，实现对实际对象的控制 3 模糊集合与模糊关系，模糊推理模糊控制 ● 1）模糊集合：给定论域U 上的一个模糊集A %是指：对任何元素u U ∈ 都存在一个数()[] 0,1A u μ∈与之对应，表示元素u 属于集合A % 的程度，这个数称为元素u 对集合A %的隶属度，这个集合称为模糊集合。 ● 模糊关系：二元模糊关系：设A 、B 是两个非空集合，则直积(){},|,A B a b a A b B ?=∈∈中的一个 模糊集合 称为从A 到B 的一个模糊关系。模糊关系R %可由其隶属度(),R a b μ完全描述，隶属度 (),R a b μ 表明了元素a 与元素b 具有关系R %的程度。 ● 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”。 4 神经网络？ 答：人工神经网络是模拟人脑思维方式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的，用来模拟人类大脑神经网络的结构和行为,对人脑进行抽象和简化，反映了人脑的基本特征，信息处理、学习、联想、模式分类、记忆等。 5 遗传算法 答：遗传算法将“优胜劣汰，适者生存”的生物进化原理引入优化参数形成的编码串联群体中，按所选择的适配置函数并通过遗传的复制、交叉及变异对个体进行筛选，使适配值高的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上一代。这样周而复始，群体中个体适应度不断提高，直到满足一定的条件。 一 专家控制部分 1. 专家系统的组成及各部分特点？
《计算机仿真及应用》课程设计报告书 学号：08057102，08057127 班级：自动化081 姓名陈婷，万嘉
目录 一、设计思想 二、设计步骤 三、调试过程 四、结果分析 五、心得体会 六、参考文献
选题一、 考虑如下图所示的电机拖动控制系统模型，该系统有双输入，给定输入)(t R 和负载输入)(t M 。 1、 编制MATLAB 程序推导出该系统的传递函数矩阵。 2、 若常系数增益为：C 1＝Ka ＝Km ＝1，Kr ＝3，C2＝0.8，Kb ＝1.5，时间常数T 1＝5， T 2＝0.5，绘制该系统的根轨迹、求出闭环零极点，分析系统的稳定性。若)(t R 和)(t M 分别为单位阶跃输入，绘制出该系统的阶跃响应图。（要求C 1，Ka ，Km ，Kr ，C2，Kb ， T 1，T 2所有参数都是可调的） 一．设计思想 题目分析： 系统为双输入单输出系统，采用分开计算，再叠加。 要求参数均为可调，而matlb 中不能计算未赋值的函数，那么我们可以把参数设置为可输入变量，运行期间根据要求赋值。 设计思路： 使用append 命令连接系统框图。 选择‘参数=input('inputanumber:')’实现参数可调。 采用的方案： 将结构框图每条支路稍作简化，建立各条支路连接关系构造函数，运行得出相应的传递函数。 在得出传递函数的基础上，使用相应的指令求出系统闭环零极点、画出其根轨迹。 通过判断极点是否在左半平面来编程判断其系统是否稳定。 二．设计步骤 （1）将各模块的通路排序编号
（2）使用append命令实现各模块未连接的系统矩阵 （3）指定连接关系 （4）使用connect命令构造整个系统的模型 三．调试过程 出现问题分析及解决办法： 在调试过程出现很多平时不注意且不易寻找的问题，例如输入的逗号和分号在系统运行时不支持中文格式，这时需要将其全部换成英文格式，此类的程序错误需要细心。 在实现参数可调时初始是将其设为常量，再将其赋值进行系统运行，这样参数可调性差，后用‘参数=input('inputanumber:')’实现。 最后是在建立通路连接关系时需要细心。 四．结果分析 源代码： Syms C1 C2 Ka Kr Km Kb T1 T2 C1=input('inputanumber:') C2=input('inputanumber:') Ka=input('inputanumber:') Kr=input('inputanumber:') Km=input('inputanumber:') Kb=input('inputanumber:') T1=input('inputanumber:') T2=input('inputanumber:') G1=tf(C1,[0 1]); G2=tf(Ka*Kr,[0 1]); G3=tf(Km,[T1 1]); G4=tf(1,[T2 1]); G5=tf(1,[1 0]); G6=tf(-C2,1); G7=tf(-Kb,1); G8=tf(-1,1); Sys=append(G1,G2,G3,G4,G5,G6,G7,G8) Q=[1 0 0;2 1 6;3 2 7;4 3 8;5 4 0;6 5 0;7 4 0;8 0 0;]; INPUTS1=1; OUTPUTS=5; Ga=connect(Sys,Q,INPUTS1,OUTPUTS) INPUTS2=8; OUTPUTS=5; Gb=connect(Sys,Q,INPUTS2,OUTPUTS) rlocus(Ga)
智能控制与应用实验报告神经网络控制器设计
一、 实验内容 考虑一个单连杆机器人控制系统，其可以描述为： 0.5sin()Mq mgl q y q τ+== 其中20.5M kgm =为杆的转动惯量，1m kg =为杆的质量，1l m =为杆长， 29.8/g m s =，q 为杆的角位置，q 为杆的角速度，q 为杆的角加速度， τ为系统的控制输入。具体要求： 1、设计神经网络控制器，对期望角度进行跟踪。 2、分析神经网络层数和神经元个数对控制性能的影响。 3、分析系统在神经网络控制和PID 控制作用下的抗干扰能力(加噪声干扰、加参数不确定)、抗非线性能力(加死区和饱和特性)、抗时滞的能力(对时滞大小加以改变)。 4、为系统设计神经网络PID 控制器(选作)。 二、 对象模型建立 根据公式(1)，令状态量121=,x q x x = 得到系统状态方程为： 12121 0.5**sin() x x mgl x x M y x τ=-= = (1) 由此建立单连杆机器人的模型如图1所示。
图1 单连杆机器人模型 三、系统结构搭建及神经网络训练 1.系统PID结构如图2所示: 图2 系统PID结构图 PID参数设置为Kp=16，Ki=10，Kd=8得到响应曲线如图3所示：
01234 5678910 0.2 0.4 0.6 0.8 1 1.2 1.4 t/s a n g l e /r a d 图3 PID 控制响应曲线 采样PID 控制器的输入和输出进行神经网络训练 p=[a1';a2';a3']; t=b'; net=newff([-1 1;-1 1;-1 1],[3 8 16 8 1],{'tansig' 'tansig' 'tansig' 'logsig' 'purelin'}); net.trainparam.epochs=2500; net.trainparam.goal=0.00001; net=train(net,p,t); gensim(net,-1) 产生的神经网络控制器如图4所示：
南京工程学院 课程设计说明书（论文）题目模拟信号的数字化 课程名称Matlab通信仿真设计 院(系、部、中心)通信工程学院 专业电子信息工程（传感网） 班级 学生姓名X X X 学号 2 0 8 1 1 0 7 3 2 设计地点信息楼C 216 指导教师潘子宇
设计起止时间：2014年1月10日至2014年 1 月14日
目录 一、内容摘要 (1) 二、课程设计目的和要求 (2) 三、课程设计任务 (2) 四、课程设计软件介绍 (3) 五、课程设计原理 (4) 六、PCM编码及仿真参数设置 (9) 七、PCM解码及仿真参数设置 (11) 八、PCM串行传输模型及仿真参数设置 (13) 九、课程设计成品图 (14) 十、SCOPE端的最终波形图 (14) 十一、主要参考文献 (15)
十二、总结与体会 (15) 一、内容摘要 MATLAB软件是矩阵实验室的简称，是美国M a t h W or k s公司出品的商业数学软件, 可用于算法开发、数据分析以及数值计算的高级技术计算语言和交互式环境, 广泛用于数字信号分析，系统识别，时序分析与建模， 神经网络、动态仿真等方面有着广泛的应用。主要包括MATLAB和Simulink两大部分。Simulink是MATLAB最重要的组件之一，它提供一个动态系统建模、仿真和综合分析的集成环境。在该环境中，无需大量书写程序，而只需要通过简单直观的鼠标操作，就可构造出复杂的系统。Simulink具有适应面广、结构和流程清晰及仿真精细、贴近实际、效率高、灵活等优点，并基于以上优点Simulink已被广泛应用于控制理论和数字信号处理的复杂仿真和设计。同时有大量的第三方软件和硬件可应用于或被要求应用于Simulink。 Simulink是MATLAB中的一种可视化仿真工具，是一种基于MATLAB的框图设计环境，是实现动态系统建模、仿真和分析的一个软件包，被广泛应用于线性系统、非线性系统、数字控制及数字信号处理的建模和仿真中。Simulink可以用连续采样时间、离散采样时间或两种混合的采样时间进行建模，它也支持多速率系统，也就是系统中的不同部分具有不同的采样速率。为了创建动态系统模型，Simulink提供了一个建立模型方块图的图形用户接口(GUI) ，这个创建过程只需单击和拖动鼠标操作就能完成，它提供了一种更快捷、直接明了的方式，而且用户可以立即看到系统的仿真结果。 Simulink是用于动态系统和嵌入式系统的多领域仿真和基于模型的设计工具。对各种时变系统，包括通讯、控制、信号处理、视频处理和图像处理系统，Simulink提供了交互式图形化环境和可定制模块库来对其进行设计、仿真、执行和测试。.
人工智能大作业 人工智能课程 考查论文 学号 姓名 系别 年级 专业 人工智能大作业 (1)什么是人工智能, 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪(基因工程、纳米科学、人工智能)三大尖端技术之一。这是因为近三十年来它获得了迅速
的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，但没有一个统一的定义。 (2)简述人工智能的研究内容与研究目标、人工智能的研究途径和 方法、人工智能的研究领域。 A. 人工智能的研究内容: 1、搜索与求解: 为了达到某一目标而多次地进行某种操作、运算、推理或计算的过程。事实上，搜索是人在求解问题时而不知现成解法的情况下所采用的一种普遍方法。许多问题(包括智力问题和实际工程问题)的求解都可以描述为或归结为对某种图或空间的搜索问题。搜索技术就成为人工智能最基本的研究内容 2、学习与发现: 学习与发现是指机器的知识学习和规律发现。事实上，经验积累能力、规律发现能力和知识学习能力都是智能的表现 3、知识与推理: 知识就是力量，知识就是智能，发现客观规律，运用知识解决问题都是有智能的表现，而且是最为基本的一种表现。发现规律和运用知识本身还需要知识，因此知识是智能的基础和源泉。研究面向机器的知识表示形式和基于各种表示的机器推理技术:知识表示要求便于计算机的接受、存储、处理和运用，机器的推理方式与知识的表示又息息相关 4、发明与创造:
基于神经模糊控制的洗衣机设计 20世纪90年代初期，日本松下电器公司推出了神经模糊控制全自动洗衣机。这种洗衣机能够自动判断衣物的质地软硬程度、洗衣量、脏污程度和性质等，应用神经模糊控制技术，自动生成模糊控制规则和隶属度函数，预设洗衣水位、水流强度和洗涤时间，在整个洗衣过程中实时调整这些参数，以达到最佳的洗衣效果。 一、洗衣机的模糊控制 洗衣机的主要被控变量为洗涤时间和洗涤时的水流强度，而影响输出变量的主要因子是被洗涤物的浑浊程度和浑浊性质，后者可用浑浊度的变化率来描述。在洗涤过程中，油污的浑浊度变化率小，泥污的浑浊度变化率大。因此，浑浊度及其变化率可以作为控制系统的输入变量，而洗涤时间和水流强度可作为控制量，即系统的输出。实际上，洗衣过程中的这类输入和输出之间很难用数学模型进行描述。系统运行过程中具有较大的不确定性，控制过程在很大程度上依赖操作者的经验，这样一来，利用常规的方法进行控制难以奏效。然而，如果利用专家知识进行控制决策，往往容易实现优化控制，这就是在洗衣机中引入模糊控制技术的主要原因之一。 根据上述的洗衣机模糊控制基本原理，可得出确定洗涤时间的模糊推理框图如下： 其中，模糊控制器的输入变量为洗涤水的浑浊度及其变化率，输出变量为洗涤时间。考虑到适当的控制性能需要和简化程序，定义输入量浑浊度的取值为： 浑浊度=｛清，较浊，浊，很浊｝ 定义输入量浑浊度变化率的取值为： 浑浊度变化率=｛零，小，中，大｝ 定义输出量洗涤时间的取值为： 洗涤时间=｛短，较短，标准，长｝ 显然，描述输入/输出变量的词集都具有模糊性，可以用模糊集合来表示。因此，模糊概念的确定问题就直接转化为求取模糊集合的隶属函数问题。 暂不考虑模糊控制系统的量化因子和比例因子。对于洗衣机的模糊控制问题，设其模糊控制器的输入变量（浑浊度和浑浊度变化率）隶属函数的论域均为
xx学院 课程设计报告 课程名称：通信原理 设计题目：基于matlab的AM调制仿真学生班级：13通信（1） 学生：xxxxxxx 指导教师：王小x 完成日期：2015-12-24 数学与计算机学院
课程设计项目研究报告 目录 第 1 章项目简介 (1) 1.1 项目名称 (1) 1.2 开发人员 (1) 1.3 指导教师 (1) 第 2 章项目研究意义 (1) 2.1 课程设计概述 (1) 2.2 研究意义 (2) 第 3 章采用的技术 (2) 3.1 课程设计的方案设计原理 (2) 第 4 章课程设计项目进度表 (4) 第 5 章课程设计任务分配表 (4) 第 6 章达到的效果 (4) 6.1 程序设计思想 (4) 6.2 程序最终实现结果 (5) 第 7 章源程序 (11) 7.1 当调制信号是单一频率时 (11) 7.2 当调制信号不是单一频率时 (13) 第 9 章设计心得 (15) 第 10 章参考文献 (16)
第 1 章项目简介 1.1 项目名称 基于matlab的AM调制仿真 1.2 开发人员 阮文添、清海 1.3 指导教师 王小文 第 2 章项目研究意义 2.1 课程设计概述 正弦载波幅度随调制信号而变化的调制，简称调幅（AM）。调幅的技术和设备比较简单，频谱较窄，但抗干扰性能差，广泛应用于长中短波广播、小型无线、电报等电子设备中。早期的无线电报机采用火花式放电器产生高频振荡。传号时火花式发报机发射高频振荡波，空号时发报机没有输出。这种电报信号的载波不是纯正弦波，它含有很多谐波分量，会对其他信号产生严重干扰。理想的模拟正弦波调幅是：载波幅度与调制信号瞬时值成线性关系。 MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境.MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。是由美国mathworks 公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境[1]。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。
课程设计 题目Matlab应用课程设计学院信息工程学院 专业电子信息工程 班级 姓名 指导教师桂林 2011 年12 月13 日
Matlab应用课程设计任务书 学生姓名: 专业班级: 指导教师: 桂林工作单位: 信息工程学院 题目:Matlab运算与应用设计2 初始条件： 1.Matlab6.5以上版本软件； 2.课程设计辅导资料：“Matlab语言基础及使用入门”、“Matlab及在电子信息课程中的应用”、线性代 数及相关书籍等； 3.先修课程：高等数学、线性代数、电路、Matlab应用实践及信号处理类相关课程等。 要求完成的主要任务：（包括课程设计工作量及其技术要求，以及说明书撰写等具体要求） 1.课程设计时间：1.5周； 2.课程设计内容：根据指导老师给定的7套题目，按规定选择其中1套完成； 3.本课程设计统一技术要求：研读辅导资料对应章节，对选定的设计题目进行理论分析，针对具体设 计部分的原理分析、建模、必要的推导和可行性分析，画出程序设计框图，编写程序代码（含注释），上机调试运行程序，记录实验结果（含计算结果和图表），并对实验结果进行分析和总结。具体设计要求包括： ①初步了解Matlab、熟悉Matlab界面、进行简单操作； ②MATLAB的数值计算：创建矩阵、矩阵运算、多项式运算、线性方程组、数值统计； ③基本绘图函数：plot, plot3, mesh, surf等，要求掌握以上绘图函数的用法、简单图形标注、简单 颜色设定等； ④使用文本编辑器编辑m文件，函数调用； ⑤能进行简单的信号处理Matlab编程； ⑥按要求参加课程设计实验演示和答辩等。 4.课程设计说明书按学校“课程设计工作规范”中的“统一书写格式”撰写，具体包括： ①目录； ②与设计题目相关的理论分析、归纳和总结； ③与设计内容相关的原理分析、建模、推导、可行性分析； ④程序设计框图、程序代码（含注释）、程序运行结果和图表、实验结果分析和总结； ⑤课程设计的心得体会（至少500字）； ⑥参考文献（不少于5篇）； ⑦其它必要内容等。 时间安排：(1) 布置课程设计任务,查阅资料,确定方案三天； (2) 进行编程设计五天； (3) 完成课程设计报告书两天； 指导教师签名：年月日 系主任（或责任教师）签名：年月日
《电力电子技术》 课程设计报告 题目：基于Matlab的电力电子技术 仿真分析 专业：电气工程及其自动化 班级：电气2班 学号：Z01114007 姓名：吴奇 指导教师：过希文 安徽大学电气工程与自动化学院 2015年 1 月7 日
中文题目基于Matlab的电力电子技术仿真分析一、设计目的 （1）加深理解《电力电子技术》课程的基本理论； （2）掌握电力电子电路的一般设计方法，具备初步的独立设计能力； （3）学习Matlab仿真软件及各模块参数的确定。 二、设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕： （1）根据设计题目要求的指标，通过查阅有关资料分析其工作原理，设计电路原理图； （2）利用MATLAB仿真软件绘制主电路结构模型图，设置相应的参数。 （3）用示波器模块观察和记录电源电压、控制信号、负载电压、电流的波形图。 三、设计内容 （1）设计一个降压变换器（Buck Chopper），其输入电压为200V，负载为阻感性带反电动势负载，电阻为2欧，电感为5mH，反电动势为80V。开关管采用IGBT，驱动信号频率为1000Hz，仿真时间设置为0.02s，观察不同占空比下（25%、50%、75%）的驱动信号、负载电流、负载电压波形，并计算相应的电压、电流平均值。 然后，将负载反电动势改变为160V，观察电流断续时的工作波形。（最大步长为5e-6，相对容忍率为1e-3，仿真解法器采用ode23tb） （2）设计一个采用双极性调制的三相桥式逆变电路，主电路直流电源200V，经由6只MOSFET组成的桥式逆变电路与三相阻感性负载相连接，负载电阻为1
1．递阶智能控制系统的主要结构特点有哪些。 答：递阶智能控制是在研究早期学习控制系统的基础上，从工程控制论角度总结人工 智能与自适应控制、自学习控制和自组织控制的关系后逐渐形成的。 递阶智能控制系统是由三个基本控制级（组织级、协调级、执行级）构成的。如下所 示： 1.组织级 组织级代表控制系统的主导思想，并由人工智能起控制作用。根据贮存在长期存储交换单元内的本原数据集合，组织器能够组织绝对动作、一般任务和规则的序列。 其结构如下： 2．协调级 协调级是组织级和执行级间的接口，承上启下，并由人工智能和运筹学共同作用。协
调级借助于产生一个适当的子任务序列来执行原指令，处理实时信息。 它是由不同的协调器组成，每个协调器由计算机来实现。下图是一个协调级结构的候选框图。该结构在横向上能够通过分配器实现各协调器之间的数据共享。 3.执行级 执行级是递阶智能控制的最底层，要求具有较高的精度但较低的智能；它按控制论进 行控制，对相关过程执行适当的控制作用。 其结构模型如下：
2．信息特征，获取方式，分层方式有哪些？ 答：一、信息的特征 1，空间性：空间星系的主要特征是确定和不确定的（模糊）、全空间和子空间、同步和 非同步、同类型和不同类型、数字的和非数字的信息，比传统系统更为复杂的多源多维信 息。 2，复杂性：复杂生产制造过程的信息往往是一类具有大滞后、多模态、时变性、强干 扰性等特性的复杂被控对象，要求系统具有下层的实时性和上层的多因素综合判断决策能 力，以保证现场设备局部的稳定运行和在复杂多变的各种不确定因素存在的动态环境下， 获得整个系统的综合指标最优。 3，污染性：复杂生产制造过程的信息都会受到污染，但在不同层次的信息受干扰程度 不同，层次较低的信号受污染程度较大。 二、获取方式 信息主要是通过传感器获得，但经过传感器后要经过一定的处理来得到有效的信息， 具体处理方法如下： 1，选取特征变量 可分为选择特征变量和抽取特征变量。选择特征变量直接从采集样本的全体原始工艺参数 中选择一部分作为特征变量。抽取特征变量对所选取出来的原始变量进行线性或非线性 组合，形成新的变量，然后去其中一部分作为特征变量。 2，滤波的方法 提高信噪数字滤波用计算机软件滤波，通过一定的计算程序对采样信号进行平滑加工， 比，消除和减少干扰信号，以保证计算机数据采集和控制系统的可靠性。模拟滤波用硬件 滤波。 3，剔除迷途样本 使用计算机在任意维空间自动识别删除迷途样本。 三、分层方式 1，通过计算机系统进行信号分层 2，人工指令分层 3，通过仪器设备进行测量，将数据进行分层 4，先归类，后按照一定的规则集合分层 3．详细描述数据融合的流程和方法 答：数据融合是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理。 一、数据融合的流程： 分析数据融合目的和融合层次→→智能地选择合适的融合算法→→将空间配准的数据 （或提取数据的特征或模式识别的属性说明）进行有机合成→→准确表示或估计。有时还 需要做进一步的处理，如"匹配处理 "和 "类型变换 "等，以便得到目标的更准确表示或估计。 具体可分为： 1，特征级融合 经过预处理的数据→→特征提取→→特征级融合→→融合属性说明 2，像元级融合
《智能控制》大作业 1、简答题： 1.1.根据目前智能控制系统的研究和发展，智能控制系统有哪些类型以及智能控制系统主要有哪些方面的工作可做进一步的探索和开展？ 答: 智能控制系统的类型: ①基于信息论的分级递阶智能控制 ②以模糊系统理论为基础的模糊逻辑控制 ③基于脑模型的神经网络控制 ④基于知识工程的专家控制 ⑤基于规则的仿人智能控制 ⑥各种方法的综合集成 智能控制系统的探索和开展: ①离散事件和连续时间混杂系统的分析与设计； ②基于故障诊断的系统组态理论和容错控制方法； ③基于实时信息学习的规则自动生成与修改方法； ④基于模糊逻辑和神经网络以及软计算的智能控制方法； ⑤基于推理的系统优化方法； ⑥在一定结构模式条件下，系统有关性质（如稳定性等）的分析方法等。 1.2.比较智能控制与传统控制的特点？ 答：智能控制与传统控制的特点。 传统控制：经典反馈控制和现代理论控制。它们的主要特征是基于精确的系统数学模型的控制。适于解决线性、时不变等相对简单的控制问题。 智能控制：以上问题用智能的方法同样可以解决。智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。 1.3.简述模糊集合的基本定义以及与隶属函数之间的相互关系。
答：模糊集合：模糊集合是用从0 到1 之间连续变化的值描述某元素属于特定集合的程度，是描述和处理概念模糊或界限不清事物的数学工具。 相互关系：表示隶属度函数的模糊集合必须是凸模糊集合；模糊集合是由其隶属函数刻画的 1.4.画出模糊控制系统的基本结构图，并简述模糊控制器各组成部分所表示的意思？ 答：基本结构图： （1) 模糊化接口：模糊化接口就是通过在控制器的输入、输出论域上定义语言变量，来将精确的输入、输出值转换为模糊的语言值。 (2) 规则库：由数据库和语言（模糊）控制规则库组成。数据库为语言控制规则的论域离散化和隶属函数提供必要的定义。语言控制规则标记控制目标和领域专家的控制策略。 (3) 模糊推理：是模糊控制系统的核心。根据模糊输入和模糊控制规则，获得模糊输出。 (4) 清晰化接口：由模糊推理得到的模糊输出值，只有其转化为精确控制量，才能施加于对象。实行这种转化的方法叫做清晰化/去模糊化/模糊判决 1.5.模糊控制规则的生成方法通常有哪几种，且模糊控制规则的总结要注意哪些问题？
Matlab 最优化问题求解 1.无约束最优化问题 无约束最优化问题一般描述为： 其中，该数学表示的含义是求一组x，使得目标函数f(x)最小.这种问题也称为最小化问题. Matlab中提供了3个求最小值的函数，调用格式为： ·[x,fval]=fminbnd(@fname,x1,x2,options)：求一元函数在(x1,x2)区间中的极小值点x和极小值fval； ·[x,fval]=fminsearch(@fname,x0,options)：基于单纯形算法求多元函数的极小值点x和极小值fval； ·[x,fval]=fminunc(@fname,x0,options)：基于拟牛顿法求多元函数的极小值点x和极小值fval. 这里讨论的是局域极值问题，fname是定义函数m文件的文件名，fminbnd的输入变量x1,x2分别是研究区间的左右边界；fminsearch和fminunc的输入变量x0是一个向量，表示极值点的初值.options为优化参数，可以通过optimset函数来设置，当目标函数的阶数大于2时，使用fminunc比fminsearch更有效；但是目标函数高度不连续时，使用fminsearch函数效果更好. Matlab中没有专门求最大值的函数，只要-f(x)在(a,b)上的最小值就是f(x)在(a,b)上最大值的相反数.因此用fminbnd(-f,x1,x2)返回函数f(x)在(x1,x2)上的最大值的相反数. --------------------------------------------------------------------- 例如：求函数在区间[0,5]内的极小值和极小值点. function fx=mymin(x) fx=x.^3-2*x-5; [x,fval]=fminbnd(@mymin,0,5) x = 0.8165 fval = -6.0887 因此极小值点为x=0.8165，极小值为-6.0887 --------------------------------------------------------------------- 例如：设 求函数f(x,y,z)在(0.5,0.5,0.5)附近的最小值. function f=fxyz(p)
题目几、已知振荡曲线()e sin ,0,0at y bt a b -=>>及其包络线0e at y -=。t 的取值范围是[0,5π]。请完成以下工作： 1）使用题目自带的symd 函数将振荡曲线表达式y 及其包络线0y 显示出来。 2）给定参数13 a b ==；3c =，画出y 及其包络线0y 以及0y -。 %******************以下是Matlab 课程设计参考报告**************% 姓名：某某某 学号：xxxxxxxx 选题：题目几 1、Matlab 简介 MATLAB 是美国MathWorks 公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB 和Simulink 两大部分。。。。。。。。。。。。 “注：相关的简介不要写太长，只要稍微简单介绍，让读者有一个了解即可” 2、设计过程 2.1题目分析 第一小题提到了symd 函数，首先需要了解symd 函数的功能及用法。首先将symd 函数的(.m)文件放置在Matlab 当前工作目录，并做好相关工作： 在Matlab 命令窗口输入 help symd ，得到关于symd 函数的说明和用法：
容易知道，symd函数的基本功能是将一个符号表达式用常见的数学形式显示出来，函数中还有其他的相关说明。 y都是符号表达式。 很明显，振荡曲线表达式y及其包络线 y的曲线图，自然需要使用第二小题给定了具体参数值，要求画出y以及 subs函数来进行相关操作，以减小工作量，因为很多时候会得到一个很复杂的符号表达式。使用subs函数可以极大减小工作量。 2.2问题解答 定义相关变量，使用symd函数，完成第一小题的解答。得到以下结果： 使用subs函数，完成第二小题，得到如下结果：
物联网四班大作业 班级：02121427 姓名：董国庆学号：0121427
关于物联网技术在智能家居、 汽车制造业采购物流及无线环境检测的应用 一、物联网概述 1、物联网的定义： 物联网的概念最早是在1999年被提出的,它的英文名是Internet of Things(IOT),也称为WebofThings。2005年,在突尼斯举行的信息社会世界峰会上,国际电信联盟在于突尼斯举行的信息社会世界峰会上,发布了《ITU互联网报告2005:物联网》,正式提出了“物联网”的概念。博欣将物联网定义为通过各种信息传感设备、装置和技术,实时采集所有需要监控、连接、互动的物体和过程,采集其光、声、热、电、力学、生物、化学、位置等各种人们需要的信息,再结合互联网形成一个巨大的网络,以实现物体与物体,物体与人、物品与网络之间的连接,方便识别、管理和控制。 2、物联网网络结构 目前一般讲物联网网络架构分为三个层次,分别为感知层、网络层和应用层。其结构如图所示。 物联网网络架构 感知层的主要作用是完成数据的釆集,包括传感器和短距离传输M络两个部分。传感器部分实现了对数据的采集,而短距离传输网络负责将传感器釆集到的数据传输到网关。 网络层的主要作用是传递信息,它是基于现有的通信网络和互联网建立的,包括接入单元和接入网络两个组成部分。接入单元负责接收感知层发送过来的数据,并将数据传输至接入网络。接入网络即为现有的各种通信网络,包括有线电话网、移动通信网等。用户通过接入网络将数据传入互联网。 应用层的主要作用是对数据进行管理和处理,并与物联网的各种应用相结合。物联网应用层包括中间件和物联网应用两个部分。中间件是一个独立的软件或服务程序,用于将一些公用能力统一封装以提高应用的发效率。物联网应用即各种供用户使用的应用,如家庭安防等。 3、物联网国内外发展现状： 自物联网的概念问世以来,物联网已经得到了很大的发展,被应用于交通、物流、电力、工业等很多领域。目前美欧及日韩等发达国家在物联网应用的广度和深度等方面处于领先地