專利名稱：聲表面波型小波神經網絡器件的制作方法
技術領域：
本發明涉及一種小波神經網絡器件，特別涉及一種聲表面波型小波神經 網絡器件。
背景技術：
小波神經網絡算法將對信號特征進行提取的小波分析技術與能夠對信 號進行識別、分類、預測的神經網絡技術有機結合在一起，因而在故障診斷、 指紋特征提取、電子對抗、雷達目標識別等眾多領域得到廣泛應用和關注。小波神經網絡在具體實施和應用過程中，需要大量、復雜的數學運算， 依靠人工計算很難完成和進行實時處理，因此，目前實現小波神經網絡算法是利用計算機或現場可編程門陣列(FPGA)配合相應軟件，通過編程來實現 的。然而，由于計算機和FPGA在處理器運算速度和內存方面的局限性，使 其很難對高達數GHz以上的高頻和微波信號進行快速、實時處理。如根據香 農采樣定理，對一個頻率為1.8 GHz的信號進行處理，計算機或FPGA的CPU 的處理速度最小應該為3.6 GHz，這對一般PC機和工業控制計算機，FPGA 來說，都是很難滿足的。另外，電子器件之間的高頻干擾，以及成本、體積 及功耗等問題也限制了小波神經網絡的進一步發展和應用。發明內容本發明的目的是提供一種聲表面波型小波神經網絡器件，該器件能夠避 免通常小波神經網絡算法實現中復雜、煩瑣的算法編程過程，提高了可處理 信號的頻率范圍，減少器件的實現體積，降低了功耗。本發明的技術方案是這樣實現的一種聲表面波型小波神經網絡器件，包括輸入層功能模塊，隱含層功能 模塊，輸出層功能模塊，輸入層功能模塊中的每一個小波重構功能器件的輸 出，都連接到隱含層模塊的輸入層到隱含層權值求和功能器件陣列中每一個 權值求和功能器件上；隱含層功能模塊中的每一個隱含層非線性閾值器件的 輸出，都連接到輸出層模塊的隱含層到輸出層權值求和功能器件陣列中每一 個權值求和功能器件上。輸入層功能模塊是由聲表面波器件實現的若干小波重構功能器件并聯 構成的陣列。隱含層功能模塊由數目相同的聲表面波器件實現的輸入層到隱含層權 值求和功能器件陣列和隱含層非線性閾值器件陣列構成，且每一個輸入層到 隱含層權值求和功能器件直接串聯到隨后的隱含層非線性閾值器件上。用聲表面波器件實現的輸入層到隱含層權值求和功能器件陣列中的每 一個權值求和功能器件，由一個根據輸入層到隱含層權值矩陣包絡加權的輸 入換能器，和一個帶寬遠大于輸入換能器帶寬的等叉指輸出換能器構成。輸出層功能模塊由數目相同的聲表面波器件實現的隱含層到輸出層權 值求和功能器件陣列和輸出層非線性閾值器件陣列構成，且每一個隱含層到 輸出層權值求和功能器件直接串聯到隨后的輸出層非線性閾值器件上。用聲表面波器件實現的隱含層到輸出層權值求和功能器件陣列中的每 一個權值求和功能器件，是由一個根據隱含層到輸出層權值矩陣包絡加權的 輸入換能器，和一個帶寬遠大于輸入換能器帶寬的等叉指輸出換能器構成。本發明中聲表面波型小波神經網絡器件，由于采用無源、體積小、易于 大規模生產、高頻特性好的聲表面波器件實現了小波神經網絡算法，所以與 背景技術中利用計算機或FPGA配合相應軟件及編程來完成小波神經網絡算 法相比，使用者不僅避免了小波神經網絡算法編程的煩瑣過程，擴展了實際信號處理的頻率范圍，實現對高達數GHz以上高頻信號的實時處理，而且減少了器件的實現體積，降低了功耗和實現成本。
圖1是本發明中聲表面波型小波神經網絡器件結構的方框圖。 圖2是本發明中的聲表面波型小波神經網絡器件一個具體實施例。 圖3是圖2輸入層功能模塊1中用聲表面波器件實現的小波重構器件1 一l的實施圖。圖4是圖2用聲表面波器件實現的輸入層到隱含層權值求和功能器件陣 列4中的輸入層到隱含層權值求和功能器件4一1的實施圖。圖5是圖2用聲表面波器件實現的隱含層到輸出層權值求和功能器件陣 列6中的隱含層到輸出層權值求和功能器件6 — 1的實施圖。下面結合附圖對本發明的內容作進一步詳細說明。
具體實施方式
參照圖1所示，聲表面波型小波神經網絡器件包括輸入層功能模塊1， 隱含層功能模塊2，輸出層功能模塊3。輸入層功能模塊l由聲表面波器件實現的第一小波重構器件l一l，第 二小波重構器件1一2，…，第i小波重構器件1—i，共i個用聲表面波器件 實現的小波重構功能器件構成。每一個用聲表面波器件實現的小波重構功能 器件的結構參數，由小波尺度函數包絡、重構小波尺度函數包絡、聲表面波 器件的中心頻率、所采用的壓電晶體決定。隱含層功能模塊2，由聲表面波器件實現的輸入層到隱含層權值求和功 能器件陣列4和隱含層非線性閾值器件陣列5構成。用聲表面波器件實現的輸入層到隱含層權值求和功能器件陣列4，由聲 表面波器件實現的第一輸入層到隱含層權值求和功能器件4一1，第二輸入 層到隱含層權值求和功能器件4一2，…，第j輸入層到隱含層權值求和功能器件4一j，共j個用聲表面波器件實現的輸入層到隱含層權值求和功能器件構成。每一個聲表面波器件實現的輸入層到隱含層權值求和功能器件由制作在同一晶體基片上的一個輸入換能器和一個輸出換能器構成。輸入換能器的結構參數，由根據樣本信號訓練得到的輸入層到隱含層權值矩陣包絡、聲表面波器件的中心頻率、所采用的壓電晶體共同決定。輸出換能器是由一個中 心頻率與輸入換能器相同，帶寬遠大于輸入換能器帶寬的等叉指輸出換能器構成。隱含層非線性閾值器件陣列5由隱含層第一非線性閾值器件5 —1，第 二非線性閾值器件5—2，…，第m非線性閾值器件5—m，共m個非線性 閾值器件構成。用聲表面波器件實現的輸入層到隱含層權值求和功能器件陣列4的器 件個數與隱含層非線性閾值器件陣列5的器件數目相等，g卩j二m。輸出層功能模塊3，由聲表面波器件實現的隱含層到輸出層權值求和功 能器件陣列6和輸出層非線性閾值器件陣列7構成。聲表面波器件實現的隱含層到輸出層權值求和功能器件陣列6由聲表 面波器件實現的第一隱含層到輸出層權值求和功能器件6— 1 ，第二隱含層 到輸出層權值求和功能器件6—2，…，第k隱含層到輸出層權值求和功能 器件6—k，共k個用聲表面波器件實現的隱含層到輸出層權值求和功能器 件構成。每一個用聲表面波器件實現的隱含層到輸出層權值求和功能器件由 制作在同一晶體基片上的一個輸入換能器和一個輸出換能器構成。輸入換能 器的結構參數，由根據樣本信號訓練得到的隱含層到輸出層權值矩陣包絡、 聲表面波器件的中心頻率、所采用的壓電晶體共同決定。輸出換能器是由一 個中心頻率與輸入換能器相同，帶寬遠大于輸入換能器帶寬的等叉指輸出換 能器構成。輸出層非線性閾值器件陣列7由輸出層第一非線性閾值器件7 — 1，第 二非線性閾值器件7—2，…，第n非線性閾值器件7—n，共n個非線性閾 值器件構成。用聲表面波器件實現的隱含層到輸出層權值求和功能器件陣列6的器 件個數與輸出層非線性閾值器件陣列7的器件數目相等，即k=n。圖1中輸入信號8施加到聲表面波型小波神經網絡器件時，輸入層功能 模塊1中用聲表面波器件實現的小波重構功能器件，會根據信號中頻率成分 的不同將其在不同尺度的器件上分別進行小波分解和小波重構。各個尺度器 件上進行重構后的信號被輸入到隱含層功能模塊2中，用聲表面波器件實現 的輸入層到隱含層權值求和功能器件陣列4中的每個權值求和功能器件會 對各個尺度重構器件的輸出信號進行權值求和運算，并將運算結果輸入到隱 含層非線性閾值器件陣列5中相應的非線性閾值器件陣列。每一個隱含層非 線性閾值器件的輸出信號被連接到輸出層功能模塊3中，用聲表面波器件實 現的隱含層到輸出層權值求和功能器件陣列6中的每個權值求和功能器件 會對每一個隱含層非線性閾值器件陣列的輸出信號進行權值求和運算，并將 運算結果輸入到輸出層非線性閾值器件陣列7中相應的非線性閾值器件。最 終，從輸出層非線性閾值器件陣列7中各個非線性閾值器件，將得到經過小 波神經網絡算法處理過的輸出信號。參照圖2所示，是本發明中的聲表面波型小波神經網絡器件用于具有三 個輸入信號，且輸出信號具有三種分類要求的情況，因此，輸入層功能模塊 1由三個用聲表面波器件實現的小波重構器件構成，輸出層功能模塊3由三 個用聲表面波器件實現的隱含層到輸出層權值求和功能器件與三個輸出層 非線性閾值器件構成。隱含層功能模塊2選擇由兩個用聲表面波器件實現的 輸入層到隱含層權值求和功能器件與兩個隱含層非線性閾值器件構成。圖3是圖2輸入層功能模塊1中第一小波重構器件l一l用聲表面波器 件實現的小波重構器件的實施圖。它由一個根據小波函數包絡加權的小波輸 入換能器A1，至少一個全轉移多條耦合器B1，和至少一個根據重構小波函 數包絡加權的重構小波輸出換能器C1構成。同理，圖2輸入層功能模塊1 中第二小波重構器件1一2，第三小波重構器件1一3，采用類似第一小波重 構器件l一l實現的方法進行實現。圖4是圖2用聲表面波器件實現的輸入層到隱含層權值求和功能器件陣 列4中第一輸入層到隱含層權值求和功能器件4一1實施圖。它由一個根據 樣本信號訓練得到的輸入層到隱含層權值矩陣包絡加權的輸入換能器Dl ， 和一個帶寬遠大于輸入換能器帶寬的等叉指輸出換能器E1構成。同理，圖 2用聲表面波器件實現的輸入層到隱含層權值求和功能器件陣列4中第二輸 入層到隱含層權值求和功能器件4一2，采用類似第一輸入層到隱含層權值 求和功能器件4一1實現的方法進行實現。圖5是圖2用聲表面波器件實現的隱含層到輸出層權值求和功能器件陣 列6中第一隱含層到輸出層權值求和功能器件6—1實施圖。它由一個根據 樣本信號訓練得到的隱含層到輸出層權值矩陣包絡加權的輸入換能器Fl ， 和一個帶寬遠大于輸入換能器帶寬的等叉指輸出換能器G1構成。同理，圖 2用聲表面波器件實現的隱含層到輸出層權值求和功能器件陣列6中第二隱 含層到輸出層權值求和功能器件6 — 2，第三隱含層到輸出層權值求和功能 器件6—3，采用類似第一隱含層到輸出層權值求和功能器件6 — 1實現的方 法進行實現。圖2中輸入信號8施加到聲表面波型小波神經網絡器件時，輸入層功能 模塊1中用聲表面波器件實現的小波重構功能器件陣列，會根據信號中頻率 成分的不同將其在聲表面波器件實現的第一小波重構功能器件l一l，第二 小波重構功能器件l一2，第三小波重構功能器件l一3三個器件上分別進行分解和重構。輸入層功能模塊1中的每一個小波重構功能器件的輸出，都連接到隱含層模塊2的輸入層到隱含層權值求和功能器件陣列4中每一個權值 求和功能器件上。即第一小波重構功能器件l一l的輸出分別連接到第一 輸入層到隱含層權值求和功能器件4一1，第二輸入層到隱含層權值求和功 能器件4一2;第二小波重構功能器件l一2的輸出分別連接到第一輸入層到 隱含層權值求和功能器件4一1，第二輸入層到隱含層權值求和功能器件4 一2;第三小波重構功能器件l一3的輸出分別連接到第一輸入層到隱含層權 值求和功能器件4一1,第二輸入層到隱含層權值求和功能器件4一2。用聲表面波器件實現的輸入層到隱含層權值求和功能器件陣列4中的 用聲表面波器件實現的第一輸入層到隱含層權值求和功能器件4一1，第二 輸入層到隱含層權值求和功能器件4一2，會對聲表面波器件實現的第一小 波重構功能器件1一1，聲表面波器件實現的小波重構功能器件1一2,第三 小波重構功能器件1—3三個重構器件的輸出信號進行權值求和運算，并將 運算結果輸入到隨后串連的隱含層非線性閾值器件陣列5中隱含層第一非 線性閾值器件5 —1，第二非線性閾值器件5—2中。即第一輸入層到隱含 層權值求和功能器件4一1與隨后的隱含層第一非線性閾值器件5 — 1串連， 第二輸入層到隱含層權值求和功能器件4一2與隨后的隱含層第二非線性閾 值器件5—2串連。隱含層功能模塊2中的每一個隱含層非線性閾值器件的輸出，都連接到 輸出層模塊3的隱含層到輸出層權值求和功能器件陣列6中每一個權值求和 功能器件上。即隱含層功能模塊2中的第一非線性閾值器件5 — 1的輸出 分別連接到第一隱含層到輸出層權值求和功能器件6_1，第二隱含層到輸 出層權值求和功能器件6—2，第三隱含層到輸出層權值求和功能器件6—3。用聲表面波器件實現的隱含層到輸出層權值求和功能器件陣列6中的 用聲表面波器件實現的第一隱含層到輸出層權值求和功能器件6—1，第二隱含層到輸出層權值求和功能器件6-2,第三隱含層到輸出層權值求和功 能器件6_3會對每一個隱含層非線性閾值器件陣列的輸出信號進行權值求 和運算，并將運算結果輸入到輸出層非線性閾值器件陣列7中輸出層第一非 線性閾值器件7—1，第二非線性閾值器件7—2，第三非線性閾值器件7—3 中。即第一隱含層到輸出層權值求和功能器件6—1與輸出層第一非線性 閾值器件7—1串行連接，第二隱含層到輸出層權值求和功能器件6—2與輸 出層第二非線性閾值器件7—2串行連接，第三隱含層到輸出層權值求和功 能器件6—3與輸出層第三非線性閾值器件7—3串行連接。最終，從輸出層非線性閾值器件陣列7中三個非線性閾值器件7—1， 7 一2， 7—3，將得到經過小波神經網絡算法處理后的三個輸出信號。
權利要求
1、一種聲表面波型小波神經網絡器件，包括輸入層功能模塊(1)，隱含層功能模塊(2)，輸出層功能模塊(3)，其特征在于，輸入層功能模塊(1)中的每一個小波重構功能器件的輸出，都連接到隱含層模塊(2)的輸入層到隱含層權值求和功能器件陣列(4)中每一個權值求和功能器件上；隱含層功能模塊(2)中的每一個隱含層非線性閾值器件的輸出，都連接到輸出層模塊(3)的隱含層到輸出層權值求和功能器件陣列(6)中每一個權值求和功能器件上。
2、 根據權利要求1所述的一種聲表面波型小波神經網絡器件,其特征在 于，輸入層功能模塊(1)是由聲表面波器件實現的若干小波重構功能器件 并聯構成的陣列。
3、 根據權利要求1所述的一種聲表面波型小波神經網絡器件,其特征在 于，隱含層功能模塊(2)由數目相同的聲表面波器件實現的輸入層到隱含 層權值求和功能器件陣列(4)和隱含層非線性閾值器件陣列(5)構成，且 每一個輸入層到隱含層權值求和功能器件直接串聯到隨后的隱含層非線性 閾值器件上。
4、 根據權利要求3所述的一種聲表面波型小波神經網絡器件，其特征在 于，用聲表面波器件實現的輸入層到隱含層權值求和功能器件陣列(4)中 的每一個權值求和功能器件，由一個根據輸入層到隱含層權值矩陣包絡加權 的輸入換能器，和一個帶寬遠大于輸入換能器帶寬的等叉指輸出換能器構 成。
5、 根據權利要求1所述的一種聲表面波型小波神經網絡器件,其特征在 于，輸出層功能模塊(3)由數目相同的聲表面波器件實現的隱含層到輸出 層權值求和功能器件陣列(6)和輸出層非線性閾值器件陣列(7)構成，且每一個隱含層到輸出層權值求和功能器件直接串聯到隨后的輸出層非線性 閾值器件上。
6、根據權利要求1所述的一種聲表面波型小波神經網絡器件,其特征在 于，用聲表面波器件實現的隱含層到輸出層權值求和功能器件陣列(6)中 的每一個權值求和功能器件，是由一個根據隱含層到輸出層權值矩陣包絡加 權的輸入換能器，和一個帶寬遠大于輸入換能器帶寬的等叉指輸出換能器構 成。
全文摘要
本發明公開了一種聲表面波型小波神經網絡器件，它由輸入層功能模塊，隱含層功能模塊，輸出層功能模塊三部分組成。其中，輸入層功能模塊由聲表面波器件實現的小波重構功能器件陣列構成；隱含層功能模塊，由聲表面波器件實現的輸入層到隱含層權值求和功能器件陣列和隱含層非線性閾值器件陣列構成；輸出層功能模塊，由聲表面波器件實現的隱含層到輸出層權值求和功能器件陣列和輸出層非線性閾值器件陣列構成。本發明中聲表面波型小波神經網絡器件，由于采用無源、體積小、易于大規模生產、成本低、高頻特性好的聲表面波器件實現了小波神經網絡算法，提高了處理信號的頻率范圍，減少了器件的實現體積，降低了功耗。
文檔編號G06N3/00GK101231711SQ20081001725
公開日2008年7月30日 申請日期2008年1月8日 優先權日2008年1月8日
發明者劉君華, 盧文科, 巨永鋒, 文常保, 朱長純, 許宏科, 邱彥章 申請人:長安大學