基于粗糙集理论的 PSO-IOIF-Elman 神经网络建模

• 作者: 南敬昌 田娜 高明明
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 功放记忆非线性 行为模型 IOIF-Elman 神经网络 简化粒子群算法 粗糙集理论
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 算 法
• 页码范围: 248-251
• 页数: 4页
• 分类号: TP183
• 字数: 3724字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.05.062

摘要

针对系统级仿真中功放建模的优缺点，结合粗糙集理论提出一种简化粒子群（PSO）算法优化改进 OIF-Elman 神经网络（PSO-IOIF-Elman）功放行为模型。该模型同时考虑小信号和大信号对功放记忆非线性的影响，结合 AM-AM和 AM-PM失真把 OIF-Elman 神经网络的自反馈系数用归一化后的输入输出电压表示。采用简化 PSO 优化算法，避免陷入局部最优，用粗糙集理论对模型预测值进行修正与补偿，提高预测精度。通过 Matlab 仿真比较，该模型训练误差减小9．53％，收敛速度提高11．31％，进而验证了建模方法的有效性和可靠性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	南敬昌	辽宁工程技术大学电子与信息工程学院	143	665	12.0	15.0
2	高明明	辽宁工程技术大学电子与信息工程学院	59	194	8.0	10.0
3	田娜	辽宁工程技术大学电子与信息工程学院	2	11	2.0	2.0