[发明专利]声表面波型小波神经网络器件

说明书

技术领域

本发明涉及一种小波神经网络器件，特别涉及一种声表面波型小波神经网络器件。

背景技术

小波神经网络算法将对信号特征进行提取的小波分析技术与能够对信号进行识别、分类、预测的神经网络技术有机结合在一起，因而在故障诊断、指纹特征提取、电子对抗、雷达目标识别等众多领域得到广泛应用和关注。

小波神经网络在具体实施和应用过程中，需要大量、复杂的数学运算，依靠人工计算很难完成和进行实时处理，因此，目前实现小波神经网络算法是利用计算机或现场可编程门阵列(FPGA)配合相应软件，通过编程来实现的。然而，由于计算机和FPGA在处理器运算速度和内存方面的局限性，使其很难对高达数GHz以上的高频和微波信号进行快速、实时处理。如根据香农采样定理，对一个频率为1.8GHz的信号进行处理，计算机或FPGA的CPU的处理速度最小应该为3.6GHz，这对一般PC机和工业控制计算机，FPGA来说，都是很难满足的。另外，电子器件之间的高频干扰，以及成本、体积及功耗等问题也限制了小波神经网络的进一步发展和应用。

发明内容

本发明的目的是提供一种声表面波型小波神经网络器件，该器件能够避免通常小波神经网络算法实现中复杂、烦琐的算法编程过程，提高了可处理信号的频率范围，减少器件的实现体积，降低了功耗。

本发明的技术方案是这样实现的：

一种声表面波型小波神经网络器件，包括输入层功能模块，隐含层功能模块，输出层功能模块，输入层功能模块中的每一个小波重构功能器件的输出，都连接到隐含层模块的输入层到隐含层权值求和功能器件阵列中每一个权值求和功能器件上；隐含层功能模块中的每一个隐含层非线性阈值器件的输出，都连接到输出层模块的隐含层到输出层权值求和功能器件阵列中每一个权值求和功能器件上。

输入层功能模块是由声表面波器件实现的若干小波重构功能器件并联构成的阵列。

隐含层功能模块由数目相同的声表面波器件实现的输入层到隐含层权值求和功能器件阵列和隐含层非线性阈值器件阵列构成，且每一个输入层到隐含层权值求和功能器件直接串联到随后的隐含层非线性阈值器件上。

用声表面波器件实现的输入层到隐含层权值求和功能器件阵列中的每一个权值求和功能器件，由一个根据输入层到隐含层权值矩阵包络加权的输入换能器，和一个带宽远大于输入换能器带宽的等叉指输出换能器构成。

输出层功能模块由数目相同的声表面波器件实现的隐含层到输出层权值求和功能器件阵列和输出层非线性阈值器件阵列构成，且每一个隐含层到输出层权值求和功能器件直接串联到随后的输出层非线性阈值器件上。

用声表面波器件实现的隐含层到输出层权值求和功能器件阵列中的每一个权值求和功能器件，是由一个根据隐含层到输出层权值矩阵包络加权的输入换能器，和一个带宽远大于输入换能器带宽的等叉指输出换能器构成。

本发明中声表面波型小波神经网络器件，由于采用无源、体积小、易于大规模生产、高频特性好的声表面波器件实现了小波神经网络算法，所以与背景技术中利用计算机或FPGA配合相应软件及编程来完成小波神经网络算法相比，使用者不仅避免了小波神经网络算法编程的烦琐过程，扩展了实际信号处理的频率范围，实现对高达数GHz以上高频信号的实时处理，而且减少了器件的实现体积，降低了功耗和实现成本。

附图说明

图1是本发明中声表面波型小波神经网络器件结构的方框图。

图2是本发明中的声表面波型小波神经网络器件一个具体实施例。

图3是图2输入层功能模块1中用声表面波器件实现的小波重构器件1-1的实施图。

图4是图2用声表面波器件实现的输入层到隐含层权值求和功能器件阵列4中的输入层到隐含层权值求和功能器件4-1的实施图。

图5是图2用声表面波器件实现的隐含层到输出层权值求和功能器件阵列6中的隐含层到输出层权值求和功能器件6-1的实施图。

下面结合附图对本发明的内容作进一步详细说明。

具体实施方式

参照图1所示，声表面波型小波神经网络器件包括输入层功能模块1，隐含层功能模块2，输出层功能模块3。

输入层功能模块1由声表面波器件实现的第一小波重构器件1-1，第二小波重构器件1-2，…，第i小波重构器件1-i，共i个用声表面波器件实现的小波重构功能器件构成。每一个用声表面波器件实现的小波重构功能器件的结构参数，由小波尺度函数包络、重构小波尺度函数包络、声表面波器件的中心频率、所采用的压电晶体决定。