基于分形的BP网络水下目标识别

主要讨论目标回波的分形特征和基于分形的识别方法,并用实际潜艇的回波数据进行了分形特征识别研究。在分析回波信号的时间域波形的基础上,应用随机分形理论,给出基于分形 Brown 运动的回波信号分形特征矢量提取的理论和方法;提取了回波信号的分形特征矢量;进而给出了基于 BP 网络的分类计算方法。计算结果表明,提出的提取水声回波信号目标特征矢量的方法与分类方法切实可行。     

神经网络及模糊控制在飞机防滑刹车系统中的应用

提出了一种新的神经网络 -模糊逻辑刹车系统控制方案。利用神经网络解决刹车系统中存在的非线性识别问题,实现刹车过程的轨迹跟踪;利用模糊控制克服参数变化和环境因素造成的不利影响,同时避免不精确建模造成的误差,最后利用所设计的控制器对某型飞机进行了仿真研究。结果表明 :新的控制方案能极大的改善飞机的刹车性能。     

音频信号矢量编码算法

为了在保证译码恢复的声音质量良好的前提下,减小编码的压缩率,以减小声音信号的存储空间,提出了一种将线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号编码算法,将1列声音信号转换为2列信号,这样就可以进行后续的矢量编码。实现了预测编码和矢量编码的结合。利用Matlab软件编程进行了声音信号编解码实验。实验结果表明,在保证声音质量的前提下,该编码方法的码率小于MEPG-1 Layer3的最低的64kbps标准码率,且算法简单。文章提出的编码算法在音频压缩编码方面将具有较高的研究价值和很好的应用前景。     

基于神经网络的无迹滤波改进算法

介绍了采用无迹变换(UT)描述随机变量通过非线性系统后的均值及方差的方法,提出可以将神经模糊推理系统(ANFIS)用于确定无迹变换中的参数,使其对随机变量均值的描述达到二次以上精度,并给出了改进的无迹滤波器(UKF)结构和神经网络训练方法;仿真结果表明,该算法适用于系统含有未知输入或系统噪声为非高斯的情况,并可解决一些典型的非线性估计问题,改进算法的性能优于传统无迹滤波器。     

基于多级维纳滤波器的树型WSN分布式线性约束最小方差波束形成方法

为减少树型无线传感器网络(Wireless sensor network,WSN)中分布式线性约束最小方差(Linearly constrained minimum variance,LCMV)波束形成器的计算量,将多级分解技术用于WSN分布式波束形成技术中,提出基于多级维纳滤波器(Multistage Wiener filter,MSWF)的分布式LCMV波束形成器方法。该方法通过有效引入MSWF技术避免本地协方差矩阵估计及求逆运算,能以更少的计算量获得分布式LCMV波束形成器相同的输出性能,说明新方法继承了MSWF和分布式LCMV波束形成器的优点。计算机仿真结果验证了算法的优良性能。     

地基深空网发射机现状及未来发展

我国未来深空探测工程的发展对地基深空站发射机提出了更高的要求,不仅仅需要具有更高的输出功率,同时需要解决发射机高频谱纯度、高效率以及上行功率合成等。针对这些要求,对国内外地基深空网的组成和深空站高功率发射机现状以及未来发展趋势进行了研究,分析了速调管发射机与固态发射机在高功率输出条件下的优势,在此基础上,提出了我国深空站速调管发射机需要开展高功率连续波速调管、高功率低损耗滤波器、低纹波高功率开关电源、上行功率合成等关键技术,并为相应关键技术提供了理论建议及相应的解决方法,这可以为我国未来深空探测工程高功率发射机研制提供技术支撑,为后续地基深空网建设和发展提供参考。     

多模式组合诊断技术在导弹导引头上的应用研究

阐明了四种类型的多模式组合诊断方法及其故障诊断的核心思想。以某导弹导引头的故障诊断为实例，详细描述了基于模糊理论、神经网络和粗糙集理论的三组合模式的诊断过程，并给出了诊断结果；介绍了我们研制的基于不确定性理论和专家系统组合的智能化故障诊断专家系统的应用。研究和应用实例表明：多模式组合诊断技术通用性和鲁棒性强。能够加快诊断速度。降低误诊率。尤其适合于复杂系统的故障诊断，具有很大的工程实用价值。     

基于粒子群神经网络的轮盘优化

将粒子群算法(PSO)和BP神经网络相结合, 构建了一种新型智能结构优化算法.PSO方法除用于结构优化外, 还被用于BP神经网络的构造及网络训练, 使之可自适应调整优化.结构优化中, 以BP神经网络取代有限元方法, 通过设计变量来映射目标函数和约束, 从而大大提高了计算速度.将此方法用于轮盘结构优化, 使得轮盘体积减少了17.5%, 结果通过检验.该方法便捷、高效, 为解决工程结构优化问题提供了一个新途径.      

航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

基于自适应纹理复杂度的仿生视觉导航方法研究

针对稠密光流在低纹理复杂度时精度较低的问题,提出了一种自适应纹理复杂度的稠密光流优化方法,以提升光流导航精度。根据三种不同大气条件下三种不同图像模糊程度的图像光流精度与纹理复杂度的统计图,推断稠密光流的精度与图像的纹理复杂度呈线性关系。通过建立图像纹理复杂度和稠密光流精度之间的直接联系,利用灰度共生矩阵的对比度参数评价图像纹理复杂度,采用最小二乘法拟合图像纹理复杂度和光流真值优化系数的函数关系,获得自适应纹理复杂度的稠密光流优化模型。基于该优化模型设计了仿真实验,实验结果表明,基于该模型可有效提升稠密光流在低纹理复杂度时的计算精度。