块自适应球形矢量量化算法压缩SAR原始数据

提出使用块自适应球形矢量量化算法压缩SAR原始数据,该算法充分利用SAR原始数据经过自适应块处理之后在较小的数据块范围内具有稳定高斯分布的特点,使用格型矢量技术中的球形码书量化器进行量化,可以提高算法的压缩性能。通过运用球形矢量量化算法对SAR原始数据进行压缩、解压缩获取相应的SAR图像与块自适应量化和块自适应矢量量化经过同样过程得到SAR图像进行比较分析,得出块自适应球形格矢量量化算法是算法复杂度和算法性能之间比较好的折中。     

音频信号联合编码的通用码书研究

为了减小音频信号编码算法的运算量,提出了在线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号联合编码算法(以下简称联合编码)的基础上,将算法中原有的专用码书改为通用码书的算法。利用Matlab软件编程进行了专用码书和通用码书条件下的声音信号编解码实验。实验结果表明,在码率相等的条件下,使用通用码书和专用码书的联合编码方法可以得到相近的译码声音质量。使用通用码书的联合编码的最低码率在音频编码格式Opus码率的范围内,且接近Opus码率的下限,而且算法较Opus编码简单,因而实时性较好。文章提出的编码算法可为音频压缩编码的进一步研究提供参考。     

音频信号联合编码算法码书长度研究

为进一步减小音频信号的码率,针对基于线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号联合编码(以下简称联合编码),提出了通过合理选择码书长度值进一步减小声音信号码率的算法。利用Matlab软件编程进行了不同码书长度值的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,通过合理选择码书长度值,可以使声音信号的码率远低于MEPG-1 Layer3的最低64kb/s标准码率,达到11.025kb/s的码率值。文章提出的编码算法可为音频压缩编码的进一步研究提供参考。     

基于自组织拓扑映射图的发动机故障诊断研究

根据SOM自组织网络的高维数据矢量量化、快速聚类、信息融合和拓扑映射等特征,建立了发动机故障诊断可视拓扑映射图模型,给出了映射模式误差测度和拓扑误差测度,并通过拓扑映射图对发动机故障进行诊断,获得了很好的效果。同时,进一步通过建立的故障模式的测量参数灰度图,可以清晰地观察到故障模式矢量特征、测量参数相关性特征、参数变化趋势,并可进行更深层次故障机理分析。     

飞船返回舱红外跟踪

提出一种联合大底检测的改进的Mean-Shift（均值移位）算法,将其应用于返回舱红外跟踪。新算法采用非均匀量化加权直方图构造目标特征矢量,以提高目标描述的准确性。为避免跟踪到大底上去,使用＂滑窗式＂大底检测算法实时修正Mean-Shift跟踪坐标。通过对飞船返回实况判读验证,提出的新算法处理速度达到20帧/s以上,并且能够可靠和准确地跟踪返回舱。     

基于极大似然估计器的GNSS矢量跟踪算法

矢量跟踪是一种将全球导航卫星系统(GNSS)接收机的信号跟踪与导航解算融为一体的跟踪算法。传统的基于矢量延迟/频率锁定环(VDFLL)的跟踪算法普遍采用延迟锁定环(DLL)和锁频环(FLL)鉴别器计算伪距和伪距率偏差观测量,由于锁频环鉴别器存在近似误差和一步延迟效应,在高动态环境下容易造成环路失锁。从直接估计卫星信号特征参数的角度出发,基于中频信号模型构建码相位和载波多普勒的极大似然代价函数,采用非迭代估计算法得到各通道码相位和多普勒频移的估计偏差,转换为卡尔曼滤波器的观测矢量,提出一种基于极大似然估计器(MLE)的矢量跟踪算法。理论分析和仿真结果表明:新算法结合了极大似然估计和矢量跟踪的优点,克服了FLL的延迟效应,与基于VDFLL的矢量环路相比,高动态环境下的跟踪稳定性更好,可以对被遮挡的卫星保持持续的跟踪。     

空基多雷达航迹抗差关联算法

基于高斯随机矢量统计特性,推导出一种适用于探测距离较远、系统误差时变、雷达上报目标不一致等复杂环境的空基多雷达航迹抗差关联算法。分解航迹距离矢量,对消系统误差矢量得出适用于3个及3个以上雷达的航迹抗差关联条件和流程。分别设置了目标密集程度、随机误差和系统误差适应性实验验证算法性能。仿真结果表明所提算法的关联准确性和复杂环境适应性相比现有的基于参照拓扑特征的航迹关联算法（RET算法）和基于距离检测的可信关联算法（confidential算法）有较大幅度的提升。     

基于Viterbi算法的扩频码与信息序列联合估计

针对短码DSSS（Direct Sequence Spread Spectrum,直接序列扩频）信号扩频码MLE（Maximum Likelihood Estimation,最大似然估计）问题,提出了一种基于Viterbi算法的扩频码搜索方法,并将其应用到同步CDMA（Code Division Multiple Access,码分多址）信号的扩频码估计中.该算法利用了扩频码码元为±1的先验知识,以向量的2-范数平方或1-范数作为度量值;每次判决扩频码码元时,计算2条可能路径的度量值,并选择使度量值最大的那条路径作为幸存路径,最终的幸存路径即为估计的扩频码;所提算法不仅计算复杂度低,而且能同时估计扩频信号的扩频码和信息序列.仿真实验表明,本算法在低信噪比时同样具有较好的性能.     

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。     

两种亚网格燃烧模型的旋流扩散燃烧大涡模拟

用二阶矩亚网格（SOM—SGS）燃烧模型和文献中的涡旋破碎亚网格（EBU—SGS）燃烧模型，对甲烷一空气旋流扩散燃烧进行了大涡模拟，将二者得到的LES统计平均温度分布和实验结果以及用二阶矩燃烧模型的统观模拟（RANS—SOM）结果比较，表明LES—SOM和RANS—SOM的模拟结果都和实验符合较好，而LES—EBU的模拟结果和实验不符合，在不同区域内高估或者低估了燃烧温度。其原因是由于EBU模型不能有效地考虑有限反应动力学的作用。LES—SOM模拟的瞬态结果显示了旋流扩散火焰的湍流大涡结构不同于射流火焰的特点。     

军用飞机效费综合特性的可视拓扑映射评估

根据SOM网络原理,采用Voronoi向量改进了SOM网络算法,提高了其收敛速度和映射精度,实现了可视拓扑映射图。应用改进算法构建了军用飞机效费综合特性可视拓扑映射图评估模型,并对现代几种军用飞机效费综合特性进行了可视化综合评估。可视拓扑映射图可以直观地反映不同型号飞机的效费综合特性、参数相关特征、参数变化趋势,而且能对飞机效费综合特性相似性预测,从而为军用飞机效费综合特性分析提供了一种新的有效方法。     

基于智能复合结构的可靠性分布模式自动识别

 采用Vor onoi 向量对SOM 网络算法进行了改进, 提高了学习收敛速度。通过提取数据的统计特征,建立了可靠性分布模式自动识别样本。提出的智能自动识别模型分两层, 在SOM 网络层对概率分布模式进行自动聚类, 在支持向量机层对各聚类组进行分类学习和识别, 获得识别模型的双层记忆权值。最后采用模型对常用可靠性分布模式进行了自动识别研究。测试结果表明, 建立的可靠性分布模式自动识别模型是可行、有效的。     

基于自组织神经网络的软件功能测试数据自动生成

针对面向软件功能的测试数据自动生成问题,提出了一种动态自组织特征映射方法,用于生成揭示软件功能故障的测试数据(简称故障数据)。该方法主要有两部分组成,①采用具有全局多峰搜索特性的小生境遗传算法,在输入空间内搜索功能测试数据,生成少量的初始故障数据;②由初始故障数据,采用具有联想和分类能力的可变结构自组织特征映射,不断迭代生成大量相近而不同的故障数据,以便给开发者提供引发这些软件故障的信息,从而确定软件故障行为的模式或假设。用某型空空导弹发射控制软件进行了实验,运行结果表明了方法的有效性,故障数据生成效率高于遗传算法和随机法。     

高动态移动自组织网络中的自适应稳定分群协议

基于考虑节点移动性和相对移动性的意愿因子,提出了一种适用于高动态移动自组织网络的稳定分群协议,它包括稳定分群算法和分群保持策略两部分。该协议在分群建立时,利用意愿因子作为群首选择的依据,并且当节点移动而使分群结构发生变化时,根据群体移动特性稳定地保持原有分群结构。仿真结果表明,和其他分群协议相比,由于意愿因子以及分群保持策略考虑了单个节点以及节点间相对的移动特性,因此该协议在高动态移动环境中有效地延长了群首的生存时间,降低了群首平均变化数和节点平均群间转移次数,最大程度地保证了分群结构的稳定。     

模糊自组织神经网络在航空发动机故障诊断中的应用

介绍了模糊自组织神经网络在航空发动机故障诊断中的应用方法,并通过实例验证了该方法在发动机故障分类中的实用性。该方法具有结构算法简单、无监督自学习和侧向联想等功能。它有很好的应用前景,可以广泛应用于发动机的故障诊断。      

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。      

SLFM网络及其学习算法的改进

介绍了一种新型的人工神经网络--有监督线性特征映射(SLFM)网络,它综合了BP网络的可监督性和SOM网络算法简单的优点,具有学习速度快、精度高、扩展能力较强的优点.文中讨论了SLFM网络的拓扑结构和学习机制,并对网络的学习算法进行了改进,对比实验表明,改进后的SLFM网络其性能得到了进一步的提高.     

Ship target recognition using low resolution radar and neuralnetworks

The classification of ship targets using low resolution down-range radar profiles together with preprocessing and neural networks is investigated. An implementation of the Fourier-modified discrete Mellin transform is used as a means for extracting features which are insensitive to the aspect angle of the radar. Kohonen's self-organizing map with learning vector quantization (LVQ) is used for the classification of these feature vectors. The use of a feedforward network trained with the backpropagation algorithm is also investigated. The classification system is applied to both simulated and real data sets. Classification accuracies of up to 90% are reported for the real data, provided target aspect angle information is available to within an error not exceeding 30 deg     

基于数据挖掘的飞行器气动布局设计知识提取

为了更深入地理解飞行器气动布局设计优化中多目标/多设计变量间的影响关系,提高优化模型的科学性及优化效率,对基于数据挖掘技术的飞行器气动布局隐含设计知识提取问题开展了探索研究。以高升阻比滑翔飞行器布局设计优化问题为例,基于当前比较有代表性的方差分析、等度量映射、决策树、自组织映射4类机器学习算法对气动布局优化设计中产生的中间数据进行了挖掘分析。对不同方法得到的升阻比、横/侧向稳定性及容积率4种目标性能间的权衡关系,目标性能与设计变量间的敏感性关系及产生较优布局外形的设计变量取值规则进行了综合对比分析,凝练形成了适用于该类飞行器的设计知识,同时对4种方法的特点及适用性进行了总结分析,给出了相关结论。     

一种基于实数粗集空间的自组织映射方法及在模式识别上的应用

提出一种实数粗糙集,避免了经典粗糙集必须经过离散化处理的环节;并且用实数粗糙集的下、上近似集的精确概念划分自组织映射的输出结果,使得修改后的映射结果中各类样本点之间有明显的间隔,易于进行分类识别.最后通过对某型歼击机的舵面故障的模式识别仿真验证了其方法的正确性和有效性.