專利名稱：聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種小波神經(jīng)網(wǎng)絡(luò)器件，特別涉及一種聲表面波型小波神經(jīng) 網(wǎng)絡(luò)器件。
背景技術(shù)：
小波神經(jīng)網(wǎng)絡(luò)算法將對(duì)信號(hào)特征進(jìn)行提取的小波分析技術(shù)與能夠?qū)π?號(hào)進(jìn)行識(shí)別、分類、預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)技術(shù)有機(jī)結(jié)合在一起，因而在故障診斷、 指紋特征提取、電子對(duì)抗、雷達(dá)目標(biāo)識(shí)別等眾多領(lǐng)域得到廣泛應(yīng)用和關(guān)注。小波神經(jīng)網(wǎng)絡(luò)在具體實(shí)施和應(yīng)用過程中，需要大量、復(fù)雜的數(shù)學(xué)運(yùn)算， 依靠人工計(jì)算很難完成和進(jìn)行實(shí)時(shí)處理，因此，目前實(shí)現(xiàn)小波神經(jīng)網(wǎng)絡(luò)算法是利用計(jì)算機(jī)或現(xiàn)場(chǎng)可編程門陣列(FPGA)配合相應(yīng)軟件，通過編程來實(shí)現(xiàn) 的。然而，由于計(jì)算機(jī)和FPGA在處理器運(yùn)算速度和內(nèi)存方面的局限性，使 其很難對(duì)高達(dá)數(shù)GHz以上的高頻和微波信號(hào)進(jìn)行快速、實(shí)時(shí)處理。如根據(jù)香 農(nóng)采樣定理，對(duì)一個(gè)頻率為1.8 GHz的信號(hào)進(jìn)行處理，計(jì)算機(jī)或FPGA的CPU 的處理速度最小應(yīng)該為3.6 GHz，這對(duì)一般PC機(jī)和工業(yè)控制計(jì)算機(jī)，F(xiàn)PGA 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(jīng)網(wǎng)絡(luò)的進(jìn)一步發(fā)展和應(yīng)用。發(fā)明內(nèi)容本發(fā)明的目的是提供一種聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件，該器件能夠避 免通常小波神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)中復(fù)雜、煩瑣的算法編程過程，提高了可處理 信號(hào)的頻率范圍，減少器件的實(shí)現(xiàn)體積，降低了功耗。本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的一種聲表面波型小波神經(jīng)網(wǎng)絡(luò)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(gè)小波重構(gòu)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(quán)值求和功能器件陣列中每一個(gè) 權(quán)值求和功能器件上；隱含層功能模塊中的每一個(gè)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(quán)值求和功能器件陣列中每一 個(gè)權(quán)值求和功能器件上。輸入層功能模塊是由聲表面波器件實(shí)現(xiàn)的若干小波重構(gòu)功能器件并聯(lián) 構(gòu)成的陣列。隱含層功能模塊由數(shù)目相同的聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán) 值求和功能器件陣列和隱含層非線性閾值器件陣列構(gòu)成，且每一個(gè)輸入層到 隱含層權(quán)值求和功能器件直接串聯(lián)到隨后的隱含層非線性閾值器件上。用聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件陣列中的每 一個(gè)權(quán)值求和功能器件，由一個(gè)根據(jù)輸入層到隱含層權(quán)值矩陣包絡(luò)加權(quán)的輸 入換能器，和一個(gè)帶寬遠(yuǎn)大于輸入換能器帶寬的等叉指輸出換能器構(gòu)成。輸出層功能模塊由數(shù)目相同的聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán) 值求和功能器件陣列和輸出層非線性閾值器件陣列構(gòu)成，且每一個(gè)隱含層到 輸出層權(quán)值求和功能器件直接串聯(lián)到隨后的輸出層非線性閾值器件上。用聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件陣列中的每 一個(gè)權(quán)值求和功能器件，是由一個(gè)根據(jù)隱含層到輸出層權(quán)值矩陣包絡(luò)加權(quán)的 輸入換能器，和一個(gè)帶寬遠(yuǎn)大于輸入換能器帶寬的等叉指輸出換能器構(gòu)成。本發(fā)明中聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件，由于采用無源、體積小、易于 大規(guī)模生產(chǎn)、高頻特性好的聲表面波器件實(shí)現(xiàn)了小波神經(jīng)網(wǎng)絡(luò)算法，所以與 背景技術(shù)中利用計(jì)算機(jī)或FPGA配合相應(yīng)軟件及編程來完成小波神經(jīng)網(wǎng)絡(luò)算 法相比，使用者不僅避免了小波神經(jīng)網(wǎng)絡(luò)算法編程的煩瑣過程，擴(kuò)展了實(shí)際信號(hào)處理的頻率范圍，實(shí)現(xiàn)對(duì)高達(dá)數(shù)GHz以上高頻信號(hào)的實(shí)時(shí)處理，而且減少了器件的實(shí)現(xiàn)體積，降低了功耗和實(shí)現(xiàn)成本。


圖1是本發(fā)明中聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件結(jié)構(gòu)的方框圖。 圖2是本發(fā)明中的聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件一個(gè)具體實(shí)施例。 圖3是圖2輸入層功能模塊1中用聲表面波器件實(shí)現(xiàn)的小波重構(gòu)器件1 一l的實(shí)施圖。圖4是圖2用聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件陣 列4中的輸入層到隱含層權(quán)值求和功能器件4一1的實(shí)施圖。圖5是圖2用聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件陣 列6中的隱含層到輸出層權(quán)值求和功能器件6 — 1的實(shí)施圖。下面結(jié)合附圖對(duì)本發(fā)明的內(nèi)容作進(jìn)一步詳細(xì)說明。
具體實(shí)施方式
參照?qǐng)D1所示，聲表面波型小波神經(jīng)網(wǎng)絡(luò)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(shí)現(xiàn)的第一小波重構(gòu)器件l一l，第 二小波重構(gòu)器件1一2，…，第i小波重構(gòu)器件1—i，共i個(gè)用聲表面波器件 實(shí)現(xiàn)的小波重構(gòu)功能器件構(gòu)成。每一個(gè)用聲表面波器件實(shí)現(xiàn)的小波重構(gòu)功能 器件的結(jié)構(gòu)參數(shù)，由小波尺度函數(shù)包絡(luò)、重構(gòu)小波尺度函數(shù)包絡(luò)、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(shí)現(xiàn)的輸入層到隱含層權(quán)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(gòu)成。用聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件陣列4，由聲 表面波器件實(shí)現(xiàn)的第一輸入層到隱含層權(quán)值求和功能器件4一1，第二輸入 層到隱含層權(quán)值求和功能器件4一2，…，第j輸入層到隱含層權(quán)值求和功能器件4一j，共j個(gè)用聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件構(gòu)成。每一個(gè)聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件由制作在同一晶體基片上的一個(gè)輸入換能器和一個(gè)輸出換能器構(gòu)成。輸入換能器的結(jié)構(gòu)參數(shù)，由根據(jù)樣本信號(hào)訓(xùn)練得到的輸入層到隱含層權(quán)值矩陣包絡(luò)、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(gè)中 心頻率與輸入換能器相同，帶寬遠(yuǎn)大于輸入換能器帶寬的等叉指輸出換能器構(gòu)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(gè)非線性 閾值器件構(gòu)成。用聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件陣列4的器 件個(gè)數(shù)與隱含層非線性閾值器件陣列5的器件數(shù)目相等，g卩j二m。輸出層功能模塊3，由聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)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(gòu)成。聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件陣列6由聲表 面波器件實(shí)現(xiàn)的第一隱含層到輸出層權(quán)值求和功能器件6— 1 ，第二隱含層 到輸出層權(quán)值求和功能器件6—2，…，第k隱含層到輸出層權(quán)值求和功能 器件6—k，共k個(gè)用聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器 件構(gòu)成。每一個(gè)用聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件由 制作在同一晶體基片上的一個(gè)輸入換能器和一個(gè)輸出換能器構(gòu)成。輸入換能 器的結(jié)構(gòu)參數(shù)，由根據(jù)樣本信號(hào)訓(xùn)練得到的隱含層到輸出層權(quán)值矩陣包絡(luò)、 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(gè)中心頻率與輸入換能器相同，帶寬遠(yuǎn)大于輸入換能器帶寬的等叉指輸出換 能器構(gòu)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(gè)非線性閾 值器件構(gòu)成。用聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件陣列6的器 件個(gè)數(shù)與輸出層非線性閾值器件陣列7的器件數(shù)目相等，即k=n。圖1中輸入信號(hào)8施加到聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件時(shí)，輸入層功能 模塊1中用聲表面波器件實(shí)現(xiàn)的小波重構(gòu)功能器件，會(huì)根據(jù)信號(hào)中頻率成分 的不同將其在不同尺度的器件上分別進(jìn)行小波分解和小波重構(gòu)。各個(gè)尺度器 件上進(jìn)行重構(gòu)后的信號(hào)被輸入到隱含層功能模塊2中，用聲表面波器件實(shí)現(xiàn) 的輸入層到隱含層權(quán)值求和功能器件陣列4中的每個(gè)權(quán)值求和功能器件會(huì) 對(duì)各個(gè)尺度重構(gòu)器件的輸出信號(hào)進(jìn)行權(quán)值求和運(yùn)算，并將運(yùn)算結(jié)果輸入到隱 含層非線性閾值器件陣列5中相應(yīng)的非線性閾值器件陣列。每一個(gè)隱含層非 線性閾值器件的輸出信號(hào)被連接到輸出層功能模塊3中，用聲表面波器件實(shí) 現(xiàn)的隱含層到輸出層權(quán)值求和功能器件陣列6中的每個(gè)權(quán)值求和功能器件 會(huì)對(duì)每一個(gè)隱含層非線性閾值器件陣列的輸出信號(hào)進(jìn)行權(quán)值求和運(yùn)算，并將 運(yùn)算結(jié)果輸入到輸出層非線性閾值器件陣列7中相應(yīng)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(gè)非線性閾值器件，將得到經(jīng)過小 波神經(jīng)網(wǎng)絡(luò)算法處理過的輸出信號(hào)。參照?qǐng)D2所示，是本發(fā)明中的聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件用于具有三 個(gè)輸入信號(hào)，且輸出信號(hào)具有三種分類要求的情況，因此，輸入層功能模塊 1由三個(gè)用聲表面波器件實(shí)現(xiàn)的小波重構(gòu)器件構(gòu)成，輸出層功能模塊3由三 個(gè)用聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件與三個(gè)輸出層 非線性閾值器件構(gòu)成。隱含層功能模塊2選擇由兩個(gè)用聲表面波器件實(shí)現(xiàn)的 輸入層到隱含層權(quán)值求和功能器件與兩個(gè)隱含層非線性閾值器件構(gòu)成。圖3是圖2輸入層功能模塊1中第一小波重構(gòu)器件l一l用聲表面波器 件實(shí)現(xiàn)的小波重構(gòu)器件的實(shí)施圖。它由一個(gè)根據(jù)小波函數(shù)包絡(luò)加權(quán)的小波輸 入換能器A1，至少一個(gè)全轉(zhuǎn)移多條耦合器B1，和至少一個(gè)根據(jù)重構(gòu)小波函 數(shù)包絡(luò)加權(quán)的重構(gòu)小波輸出換能器C1構(gòu)成。同理，圖2輸入層功能模塊1 中第二小波重構(gòu)器件1一2，第三小波重構(gòu)器件1一3，采用類似第一小波重 構(gòu)器件l一l實(shí)現(xiàn)的方法進(jìn)行實(shí)現(xiàn)。圖4是圖2用聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件陣 列4中第一輸入層到隱含層權(quán)值求和功能器件4一1實(shí)施圖。它由一個(gè)根據(jù) 樣本信號(hào)訓(xùn)練得到的輸入層到隱含層權(quán)值矩陣包絡(luò)加權(quán)的輸入換能器Dl ， 和一個(gè)帶寬遠(yuǎn)大于輸入換能器帶寬的等叉指輸出換能器E1構(gòu)成。同理，圖 2用聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件陣列4中第二輸 入層到隱含層權(quán)值求和功能器件4一2，采用類似第一輸入層到隱含層權(quán)值 求和功能器件4一1實(shí)現(xiàn)的方法進(jìn)行實(shí)現(xiàn)。圖5是圖2用聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件陣 列6中第一隱含層到輸出層權(quán)值求和功能器件6—1實(shí)施圖。它由一個(gè)根據(jù) 樣本信號(hào)訓(xùn)練得到的隱含層到輸出層權(quán)值矩陣包絡(luò)加權(quán)的輸入換能器Fl ， 和一個(gè)帶寬遠(yuǎn)大于輸入換能器帶寬的等叉指輸出換能器G1構(gòu)成。同理，圖 2用聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件陣列6中第二隱 含層到輸出層權(quán)值求和功能器件6 — 2，第三隱含層到輸出層權(quán)值求和功能 器件6—3，采用類似第一隱含層到輸出層權(quán)值求和功能器件6 — 1實(shí)現(xiàn)的方 法進(jìn)行實(shí)現(xiàn)。圖2中輸入信號(hào)8施加到聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件時(shí)，輸入層功能 模塊1中用聲表面波器件實(shí)現(xiàn)的小波重構(gòu)功能器件陣列，會(huì)根據(jù)信號(hào)中頻率 成分的不同將其在聲表面波器件實(shí)現(xiàn)的第一小波重構(gòu)功能器件l一l，第二 小波重構(gòu)功能器件l一2，第三小波重構(gòu)功能器件l一3三個(gè)器件上分別進(jìn)行分解和重構(gòu)。輸入層功能模塊1中的每一個(gè)小波重構(gòu)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(quán)值求和功能器件陣列4中每一個(gè)權(quán)值 求和功能器件上。即第一小波重構(gòu)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(quán)值求和功能器件4一1，第二輸入層到隱含層權(quán)值求和功 能器件4一2;第二小波重構(gòu)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(quán)值求和功能器件4一1，第二輸入層到隱含層權(quán)值求和功能器件4 一2;第三小波重構(gòu)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(quán) 值求和功能器件4一1,第二輸入層到隱含層權(quán)值求和功能器件4一2。用聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件陣列4中的 用聲表面波器件實(shí)現(xiàn)的第一輸入層到隱含層權(quán)值求和功能器件4一1，第二 輸入層到隱含層權(quán)值求和功能器件4一2，會(huì)對(duì)聲表面波器件實(shí)現(xiàn)的第一小 波重構(gòu)功能器件1一1，聲表面波器件實(shí)現(xiàn)的小波重構(gòu)功能器件1一2,第三 小波重構(gòu)功能器件1—3三個(gè)重構(gòu)器件的輸出信號(hào)進(jìn)行權(quán)值求和運(yùn)算，并將 運(yùn)算結(jié)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(quán)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(quán)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(gè)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(quán)值求和功能器件陣列6中每一個(gè)權(quán)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(quán)值求和功能器件6_1，第二隱含層到輸 出層權(quán)值求和功能器件6—2，第三隱含層到輸出層權(quán)值求和功能器件6—3。用聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件陣列6中的 用聲表面波器件實(shí)現(xiàn)的第一隱含層到輸出層權(quán)值求和功能器件6—1，第二隱含層到輸出層權(quán)值求和功能器件6-2,第三隱含層到輸出層權(quán)值求和功 能器件6_3會(huì)對(duì)每一個(gè)隱含層非線性閾值器件陣列的輸出信號(hào)進(jìn)行權(quán)值求 和運(yùn)算，并將運(yùn)算結(jié)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(quán)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(quán)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(quán)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(gè)非線性閾值器件7—1， 7 一2， 7—3，將得到經(jīng)過小波神經(jīng)網(wǎng)絡(luò)算法處理后的三個(gè)輸出信號(hào)。
權(quán)利要求
1、一種聲表面波型小波神經(jīng)網(wǎng)絡(luò)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(gè)小波重構(gòu)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(quán)值求和功能器件陣列(4)中每一個(gè)權(quán)值求和功能器件上；隱含層功能模塊(2)中的每一個(gè)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(quán)值求和功能器件陣列(6)中每一個(gè)權(quán)值求和功能器件上。
2、 根據(jù)權(quán)利要求1所述的一種聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件,其特征在 于，輸入層功能模塊(1)是由聲表面波器件實(shí)現(xiàn)的若干小波重構(gòu)功能器件 并聯(lián)構(gòu)成的陣列。
3、 根據(jù)權(quán)利要求1所述的一種聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件,其特征在 于，隱含層功能模塊(2)由數(shù)目相同的聲表面波器件實(shí)現(xiàn)的輸入層到隱含 層權(quán)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(gòu)成，且 每一個(gè)輸入層到隱含層權(quán)值求和功能器件直接串聯(lián)到隨后的隱含層非線性 閾值器件上。
4、 根據(jù)權(quán)利要求3所述的一種聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件，其特征在 于，用聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件陣列(4)中 的每一個(gè)權(quán)值求和功能器件，由一個(gè)根據(jù)輸入層到隱含層權(quán)值矩陣包絡(luò)加權(quán) 的輸入換能器，和一個(gè)帶寬遠(yuǎn)大于輸入換能器帶寬的等叉指輸出換能器構(gòu) 成。
5、 根據(jù)權(quán)利要求1所述的一種聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件,其特征在 于，輸出層功能模塊(3)由數(shù)目相同的聲表面波器件實(shí)現(xiàn)的隱含層到輸出 層權(quán)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(gòu)成，且每一個(gè)隱含層到輸出層權(quán)值求和功能器件直接串聯(lián)到隨后的輸出層非線性 閾值器件上。
6、根據(jù)權(quán)利要求1所述的一種聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件,其特征在 于，用聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件陣列(6)中 的每一個(gè)權(quán)值求和功能器件，是由一個(gè)根據(jù)隱含層到輸出層權(quán)值矩陣包絡(luò)加 權(quán)的輸入換能器，和一個(gè)帶寬遠(yuǎn)大于輸入換能器帶寬的等叉指輸出換能器構(gòu) 成。
全文摘要
本發(fā)明公開了一種聲表面波型小波神經(jīng)網(wǎng)絡(luò)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(shí)現(xiàn)的小波重構(gòu)功能器件陣列構(gòu)成；隱含層功能模塊，由聲表面波器件實(shí)現(xiàn)的輸入層到隱含層權(quán)值求和功能器件陣列和隱含層非線性閾值器件陣列構(gòu)成；輸出層功能模塊，由聲表面波器件實(shí)現(xiàn)的隱含層到輸出層權(quán)值求和功能器件陣列和輸出層非線性閾值器件陣列構(gòu)成。本發(fā)明中聲表面波型小波神經(jīng)網(wǎng)絡(luò)器件，由于采用無源、體積小、易于大規(guī)模生產(chǎn)、成本低、高頻特性好的聲表面波器件實(shí)現(xiàn)了小波神經(jīng)網(wǎng)絡(luò)算法，提高了處理信號(hào)的頻率范圍，減少了器件的實(shí)現(xiàn)體積，降低了功耗。
文檔編號(hào)G06N3/00GK101231711SQ20081001725
公開日2008年7月30日 申請(qǐng)日期2008年1月8日 優(yōu)先權(quán)日2008年1月8日
發(fā)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(qǐng)人:長安大學(xué)