Matlab语言的Neural Network Toolbox 及其在同步中

训练参数一般都依赖于选择的训练函数。两个重要的参数：net.trainParam.epochs设置所有数据全部用于训练的最多次数，net.trainParam.show设置训练函数状态报告的时间。例如：

3 在同步中的应用

在加性高斯白噪声条件下，接收端对信号进行高速采样，根据香农定理，在一个模拟信号持续时间内至少要保证4个采样点，才能完整和准确地恢复信号的信息，由此决定了系统的采样要求。软件上主要由若干BP(Back-Propagation)前向神经网络完成，网络的个数与算法精度有关。

在搜索长度一定的条件下，根据整个搜索区间上采样点个数确定各个神经网络的输出节点数目。使用的网络个数由捕获精度来确定，即整个捕获区间上划分为N个搜索相位，则采样N个网络并行执行。每个网络都具有相同的一组输入信号，一个输出为0或者1。

为体现神经网络对信号进行捕获的思想，训练样本为不含噪声的高斯脉冲信号，搜索的相位区间为6个，识别的结果是6维向量，在出现信号相应得区间位置上对应的元素为1，其他元素为0，测试样本信噪比为30dB。图2是6个不含噪声的训练样本；图2和图3左边是信噪比为30 dB的分别出现在6个不同区间的测试样本，右边是网络输出的识别结果，在向量的对应元素上出现尖峰。仿真结果说明在30 dB信噪比的情况下，利用神经网络能够准确检测到信号的出现时刻。由于仿真使用的训练样本比较少，神经网络没有充分提取样本的统计特性，也没有足够的网络结构和训练过程对神经网络检测信号能力的影响和噪声对训练过程和测试过程及性能的影响。通过仿真看来，在特定情况下神经网络对信号具有一定的检测能力。

4 结 语

本文在介绍Matlab神经网络工具箱的基础上，结合简单例子进一步对神经网络工具箱中的一些函数及神经网络结构进行解释和说明。然后利用神经网络在同步中的应用进行了简单的说明，并通过仿真验证了神经网络在同步中的可行性。