太阳黑子数及Ap指数周期变化特征的小波分析

应用Morlet小波变换方法从多个变化尺度上对1932—2000年的太阳黑子数及Ap指数的变化特征进行分析．(1)太阳黑子数存在准11年、准32年的周期变化特征及Ap指数存在准32年、准11年、准6个月、准27天和准13．9天的周期变化特征；(2)太阳黑子数及Ap指数有着相似的准11年周期变化，但Ap指数极值的出现要比太阳黑子数极值出现滞后1—2年；(3)Ap指数准27天的周期变化在太阳黑子活动高、低年不同，在太阳活动低年，Ap指数有着较稳定的准27天周期变化，但在太阳活动高年，27天的周期变化几乎消失，这种周期变化的消失和出现时间可在Morlet小波变换图中体现出来。     

卫星干涉高光谱遥感图像序列差值压缩编码

根据干涉高光谱图像的成像特点和卫星遥感图像压缩编码系统要求，提出了一种新的卫星干涉高光谱图像序列压缩算法．新算法利用干涉成像光谱仪推扫成像特点提出了一种低存储量，帧间小波域匹配的图像序列压缩方案，提高图像质量3—4dB．算法首先通过小波域匹配算法检测出相邻图像之间的推扫位移量并移位求得两帧的最佳差值图像，然后对差值图像进行静止图像EBCOT压缩编码，从而提高总体编码效率．该算法具有与单帧图像编码算法相当的复杂度，只需要对当前图像与模板的差值图像进行基于小波变换的编码，避免了目前基于三维小波变换的编码算法对系统大存储量要求以及编码延时大的缺陷．仿真结果表明，本算法针对干涉高光谱图像编码，可获得比基于三维小波变换的算法相当甚至更好的效果，并且大大降低了编码延时．     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行     

航天测控站资源优化配置的元建模与寻优方法

基于不同需求提出了一种比较通用的指标评价函数,构建了地面站资源配置的统计模型和基于神经网络方法的仿真元模型。在元模型求解过程中,提出了回代法寻找最优配置的思想,即将每次迭代求解得到的优化配置点代入下次迭代训练中,以提高网络的逼近性能和泛化能力。算例表明,该方法能够求得地面资源的较优配置,求解效率高。     

基于PSO算法的神经网络优化设计

近年来,一种新的基于种群优化的算法——粒子种群优化（PSO）算法,正受到人们的普遍关注。文章简单介绍了基于粒子群优化算法（PSO）的神经网络优化算法,并给出了完整的源程序。     

参数识别和小波包分析方法在故障诊断中的应用

针对2D12往复式压缩机气阀的工作过程特点，提取了吸气阀与排气阀均关闭的压缩过程的局域信号为研究对象，提出了基于模态参数识别与小波包分析相结合的方法，利用该方法提取了阀片正常与故障时的几种状态下的时域特征参数，最后通过比较各种状态下的时域特征参数完成了对阀片的故障诊断。最终证实了该方法的可行性及有效性。     

基于BP神经网络的GNSS-R海面风速反演

针对GNSS-R进行海面风速反演过程中时频域相关物理量较多，数据耦合性强等问题，提出了基于反向传播（BP）神经网络反演海面风速的方法。建立反演过程中相关观测量与风速的对应关系，选取多观测量作为输入，对输入数据进行处理，设置神经元与激励函数，使用BP神经网络自适应调整拟合参数，将风速作为神经网络输出端的特征量提取。反演结果，风速≤ 20 m/s时，反演均方根误差RMSE=1.21 m/s，风速>20 m/s时反演均方根误差RMSE=2.54 m/s，反演结果优于使用时延相关曲线前沿斜率（LES）和时延多普勒相关功率均值（DDMA）方法得到的反演结果，且迭代次数较少，复杂度较低，证明该方法可以应用于GNSS-R海面风速反演。     

BP神经网络辨识发动机模型

<正>神经网络应用于系统辨识时,与传统的基于最小二乘算法的辨识方法相比较具有以下几个鲜明的特点,这也是BP神经网络具有的特点。(1)不要求建立实际系统的辨识格式。故可省去对系统阶次确定这一步骤,神经网络本质上已作为一种辨识模     

基于神经网络的飞行科目模板样本集建立方法

为建立某一飞行科目的模板样本集,提出一套基于神经网络和卡尔曼滤波的数据处理方法。任选一次试飞样本,建立Kohonen自组织神经网络进行参数降维、聚类分析、特征提取等,使样本量缩减90%以上,得到该科目的模板样本集。用处理后的样本训练BP神经网络,对其他未经处理的试飞样本进行载荷预测,误差均在3%之内,说明处理后的样本能代表该科目的数据特点,即为模板样本集。方法可以为飞机载荷监控数据库的完善工作服务。