基于分數(shù)傅里葉變換的光學(xué)神經(jīng)網(wǎng)絡(luò)全光型模式識別系統(tǒng).pdf

1、光學(xué)神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型首先由Hopfield于1980年提出，隨后Psaltis和Farhat在1985年首次報道了基于光學(xué)矢量-矩陣相乘的Hopfield神經(jīng)網(wǎng)絡(luò)，在此基礎(chǔ)上Ohta等人完成了光學(xué)神經(jīng)網(wǎng)絡(luò)的微型化集成芯片，從此用光學(xué)方法實現(xiàn)神經(jīng)網(wǎng)絡(luò)的序幕被拉開了。隨著人們對其的深入研究，及其在自適應(yīng)信息處理、語音識別、專家系統(tǒng)、在線監(jiān)測、自動駕駛、機器人自主視覺及自主控制、跟蹤指導(dǎo)、智能計算機、空間預(yù)警等方面的廣泛應(yīng)用，光學(xué)神經(jīng)網(wǎng)絡(luò)逐

2、漸成為信息光學(xué)領(lǐng)域研究的焦點。經(jīng)過大量的文獻檢索發(fā)現(xiàn)，基于傅里葉變換的光學(xué)神經(jīng)網(wǎng)絡(luò)特征識別的研究雖然已有不少，但基于分數(shù)傅里葉變換的光學(xué)人工神經(jīng)網(wǎng)絡(luò)特征識別的應(yīng)用基礎(chǔ)理論至今還沒有系統(tǒng)且全面的介紹。
　　 本文以Hopfield光學(xué)神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)，采用分數(shù)傅里葉全息進行記憶存儲，并基于分數(shù)相關(guān)實現(xiàn)模式識別功能，給出了光學(xué)神經(jīng)網(wǎng)絡(luò)模式識別的實驗?zāi)Ｐ?，以此?gòu)造了一種實時、識別能力強、精度高的全光型模式識別系統(tǒng)，用光學(xué)方法實現(xiàn)了人

3、腦的記憶模式識別功能。在研究過程中，通過對其原理的分析得出了模式識別的理論結(jié)果，同時為了驗證所得結(jié)論的可靠性和可行性，還用計算機對實驗進行了模擬，結(jié)果表明：1)分數(shù)功率頻譜是由一次位相因子調(diào)制、受siriΦ2約束的空間位移以及受cosΦ2約束的位相延遲三者共同影響的變形分數(shù)相關(guān)；2)特征識別與分數(shù)傅里葉變換級次的P2的依賴關(guān)系表現(xiàn)為以下三種情況：a)當(dāng)P2∈[0，1]時，空間位移單調(diào)增加：當(dāng)P2∈[0，2]時，位相延遲單調(diào)減?。簝H在p2