一种超高自由度的稳健调零实现算法研究

针对在卫星导航自适应调零天线研究领域中信号失配导致自适应计算性能下降和性能恶化的问题,提出了一种超高自由度的稳健调零算法。首先在SFAP框架下提出SYSTOLIC阵列在矢量不确定集约束下的实现方法,给出分析滤波器组与综合滤波器组的处理架构,分析了空时滤波器模型,通过理论分析得出矢量不确定集加载量的取值范围,实现空频宽带处理器SYSTOLIC阵列的最优权值求解过程。算法有效改善了空频自适应调零算法的输出信干噪比,仿真结果证明该算法对通道失配不敏感且收敛性能良好。     

基于自适应卡尔曼滤波的盲多用户检测器

盲多用户检测算法广泛应用于码分多址(Code-Division Multiple-Access,CDMA)系统中,能够有效克服多址干扰(Multiple Access Interference,MAI)与"远-近"效应(Near-Far effect)的影响,是CDMA技术中的研究热点.对基于卡尔曼(Kalman)滤波算法的盲多用户检测器进行了研究,在白高斯噪声信道与平坦瑞利衰落信道环境下仿真分析了多址干扰与"远-近"效应对系统性能的影响.仿真实验表明,基于Kalman滤波的盲多用户检测器在两种信道中误码率性能均优于基于最小均方(Least Mean Squares,LMS)算法和递推最小二乘(Recursive Least Squares,RLS)算法的盲多用户检测器,可以有效抵抗多址干扰与"远-近"效应的影响,对提高CDMA系统容量具有十分重要的应用价值.     

基于小波神经网络的双足步行机器人步态规划控制器

对于传统的神经网络中神经元模型在结构和信息存储能力上存在的不足，本文提出了一种基于广义小波其函数网络的神经元集聚模型，这种小波神经网络不仅收敛速度快，非线性逼近能力更好，而且具有内部结构变尺度、自适应调整和广义信息存储等智能化特点，更符合生物原型的实际情况。静态学习和准动态学习仿真实验证明这种神经网络结构的有效性。     

基于神经网络的目标轨迹预报算法设计

提高轨迹预报精度是反高速机动目标面临的难点之一。本文基于目标运动特性分析,构建跟踪运动模型,采用交互多模型滤波算法完成多模型交互,局部滤波器采用自适应高阶容积卡尔曼滤波算法,通过与强跟踪滤波算法相结合,提高传统的估计精度,进而提高算法的鲁棒性;采用广义回归神经网络设计轨迹预报算法,并在预报过程中引入预报修正量对误差进行修正,通过样本学习提高长时间预报精准度,仿真结果表明,设计的跟踪预报算法在预报精度上较常规算法有较大幅度提升。     

基于广义回归神经网络集成的宽带波束形成算法

首先构造宽带波束成形所需要的协方差矩阵,利用基于粒子群优化算法对核主成分分析方法和广义回归神经网络进行了优化。在对神经网络的输入变量进行降维处理后,生成多个复杂度低的泛回归神经网络模型。利用提出的基于聚类启发式集成算法求出波束成形时的权系数,既考虑了网络的差异性,又考虑了网络的正确性。仿真结果表明,提出的基于聚类启发式神经网络集成的波束形成算法在网络结构十分简单的情况下,仍然具有较好的性能。     

第三代移动通信系统中非线性多用户检测技术

在CDMA系统中,多用户检测技术是提高系统容量,减少用户间干扰的关键.非线性多用户检测包括干扰消除和神经网络检测技术.其中干扰消除检测是对不同用户独立进行MAI估计,然后从接收信号中减去对该用户而言的部分或全部MAI;多用户检测从本质上看是一个组合优化问题,所有解决组合优化的算法原则上均可适用于多用户检测,其中基于神经网络的解组合优化方法当然也适用于多用户检测.本文论述了几种非线性多用户检测器的基本原理及其特点.     

一种适于动态环境的盲多用户检测算法

比较两种盲多用户检测算法在动态环境中的收敛性能,并通过计算机进行模拟仿真。其中一种是能随输入信号矢量变化而变化的变步长最小输出能量盲算法;另一种是既保持最小输出能量检测器的全局收敛性,又具有最小均方误差检测器高输出信干比优点的判决反馈变步长盲算法。利用前者在动态强干扰下收敛快及后者在稳态时输出信干比高的优势,将二者结合起来应用到动态环境中,提高系统性能,同时抑制多址干扰和窄带干扰。     

第三代移动通信系统中非线性多用户检测技术

在CDMA系统中，多用户检测技术是提高系统容量，减少用户间干扰的关键。非线性多用户检测包括干扰消除和神经网络检测技术。其中干扰消除检测是对不同用户独立进行MAI估计，然后从接收信号中减去对该用户而言的部分或全部MAI；多用户检测从本质上看是一个组合优化问题，所有解决组合优化的算法原则上均可适用于多用户检测，其中基于神经网络的解组合优化方法当然也适用于多用户检测。本文论述了几种非线性多用户检测器的基本原理及其特点。     

基于递归模糊神经网络的鲁棒BP算法研究

讨论了一种基于递归模糊神经网络的鲁棒BP算法的实现。该算法采用极大似然法修正传统BP算法的指标函数 ,利用M估计器和自举算法在线估计样本的误差分布 ,适合于动态非线性系统的辨识 ,逼近精度高 ,收敛速度快 ,在小噪声扰动时处于稳定 ,对过失误差有很强的鲁棒性。仿真结果证明了该算法的有效性     

基于HHGA-RBF神经网络的复合材料结构脱层损伤监测研究

针对应用于结构健康监测中的径向基函数神经网络(RBFNN)算法和训练中存在的一些问题,提出一种将递阶遗传算法和最小二乘法相结合,用于优化径向基神经网络的结构和参数的新算法,遗传过程中采用自适应的交叉和变异概率有效地加快了遗传收敛速度和避免早熟现象的出现。搭建了复合材料结构健康监测实验系统,并将实验模态分析结果归一化后送入训练好的ＲＢＦ神经网络进行预测,实现了对复合材料梁的脱层损伤定位和损伤程度的辨识仿真。结果表明基于混合递阶遗传算法的径向基神经网络(HHGAkRBF)收敛速度快,鲁棒性好,精度高。     

基于人工智能方法的传感器故障诊断技术

在液体火箭发动机地面试验过程中,传感器的失效率远高于发动机部件、组件的故障率,因而提出了采用基于人工智能的方法对传感器的故障进行检测与诊断.本文对基于人工智能方法用于传感器故障检测与诊断的特点进行了分析,并分别应用BP神经网络和自适应神经模糊推理系统（ANFIS）对某次传感器的故障进行检测.结果证明基于人工智能的方法稳定可靠,具有良好的工程应用前景.     

某型火箭发动机起动过程实时故障检测算法研究

以某型火箭发动机为研究对象,针对其起动工作过程,利用Matlab和LabWin-dows/CVI等编程语言,结合神经网络理论,开发了其起动工作过程的实时故障检测算法。使用了多次试车数据进行离线检验,结果证明该算法能够及时、有效地检测出该型火箭发动机起动过程的已有故障,并能够满足实时性的要求,没有出现误报警和漏报警。     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

基于神经网络与自适应控制的系统重构方法

针对可重构飞行控制系统提出一种基于神经网络的抗扰动方法,其核心是运用神经网络的函数逼近能力去抑制非线性形式且动态特征未知的扰动。同时提出一种基于输入误差的自适应模型跟踪控制算法,可以保证系统在发生故障或局部损坏时的安全性和稳定性。将神经网络与自适应控制结合,从而降低扰动对故障检测和系统重构的影响,进而有效的降低故障误报率,提高系统的安全性。通过一个具体航空系统的仿真结果证实了该方法的有效性。     

基于神经网络的导弹姿态控制系统故障诊断

本文提出了一种多层前向神经网络快速误差向后传播学习算法ＦＢＰ（ＦａｓｔｅｒｒｏｒＢａｃｋＰｒｏｐａｇａｔｉｏｎＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍ），通过某导弹姿态控制系统故障诊断的仿真研究，验证了ＢＰ（误差后向传播学习算法）和ＦＢＰ用于导弹姿态控制系统故障诊断的有效性，ＦＢＰ学习算法较之ＢＰ学习算法学习速度的快速性     

潜在电路计算机辅助网络树生成系统研究与工程应用

网络树是规范潜在电路分析（SCA）技术的两大工具之一，而计算机辅助网络树生成系统是对航天等复杂控制系统进行SCA所必备的辅助手段。本文介绍了一个能真正用于实际工程SCA的网络树生成系统。     

防空导弹网络化作战研究

介绍了防空导弹网络化作战的发展与现状,在详细阐述防空导弹网络化作战系统体系结构设计的基本思路和设计原则的基础上,按照网络中心战的概念,研究了由跟踪制导网、指挥控制网和拦截兵器网组成的防空导弹网络化作战C^4ISR系统体系结构。     

基于神经网络的参数-费用模型研究

讨论了采用用神经网络理论来建立参数－费用模型的方法，给出了几种地空导弹武器系统的特征参数与研制费用，对神经网络法与线性回归法所得的结果进行了比较。比较结果表明，神经网络法比线性回归法精确。