基于改进的克隆选择算法的多用户检测技术

 根据克隆选择原理的免疫机理，提出了一种改进的克隆选择算法(CSA),进而设计了2种码分多址（CDMA） 多用户检测器：一种方法是混合Hopfield神经网络和克隆选择算法；另一种方法是把多阶段检测器MSD嵌入到克隆选择算法的每一代中。通过混合MSD到克隆选择算法中，可以加快克隆选择算法的收敛速度，减少计算复杂度。另外，克隆选择算法所提供的好的初值可以改善MSD的性能，嵌入的MSD还改善了克隆选择算法的性能。仿真结果证明了该方法无论抗多址干扰能力和抗远近效应能力都优于传统方法和一些应用优化算法的多用户检测器。     

基于Hopfield神经网络的非线性系统故障估计方法

针对一类故障参数是线性可分的非线性系统,在参数故障情况下提出了一种基于Hopfield递归神经网络的故障估计方法。利用Hopfield递归神经网络的自学习能力和稳定性理论,将故障参数的估计问题转化为Hop-field神经网络的稳定性问题,克服了现有数值方法存在量化误差和算法收敛性等问题。与自适应观测器和等价空间方法等相关故障参数估计方法相比,具有设计简单、易于实现和适用性宽等特点。仿真结果表明,对于常值故障和时变故障,诊断系统均具有较好的估计效果和动态性能。     

行星表面非规则陨石坑检测与识别方法

针对深空探测任务中行星表面特征检测与识别问题,提出了一种新的行星表面非规则陨石坑检测与识别方法。首先采用基于背景的Hopfield网络实现陨石坑边缘的提取,在对陨石坑边缘多种约束进行分析的基础上,提出了伪边缘剔除方法,并结合线性抗差估计理论与最小误差中值椭圆拟合方法,实现了对非规则陨石坑,特别是重叠及不完整陨石坑的检测及特征参数的提取。通过对行星表面光学图像的数学仿真验证了该方法能够对复杂背景下的非规则陨石坑进行有效的检测与识别。     

用Hopfield神经网络与模拟退火算法求解UAV航路规划问题

分别用Hopfield神经网络与模拟退火算法求解UAV航路规划问题,并且对所求得结果进行了简单比较,结果表明模拟退火算法比Hopfield神经网络求解UAV航路规划问题效率更高。     

非静止轨道卫星网络中Hopfield神经网络路由算法

应用Hop fie ld神经网络路由算法能够解决全球无缝覆盖的W a lker de lta卫星通信网络中的路由问题。模拟退火算法作为一种全局优化的方法能够解决神经网络迭代运算中的振荡环问题,消除Hop fie ld神经网络计算局部稳定状态。Hop fie ld神经网络路由算法需要大量的神经元,消耗大量的运算时间。本文提出一种适合卫星网络运算的神经元数量减少的神经网络路由算法,根据卫星网络半径,削减神经元数量、加快运算时间。根据中轨和低轨卫星网络卫星数量的差异,在仿真过程中选择Hop fie ld神经网络的最优参数,比较不同源-目标节点对、不同时刻和不同收敛判决门限时的算法性能。     

人工智能在卫星任务规划中的应用

智能规划与调度是实现卫星自主规划其飞行任务的关键。将人工智能方法应用于卫星的任务规划,以执行对地观测任务为例,将任务规划问题归于组合优化问题,建立了相应的数学模型,并应用Hopfield神经网络算法进行求解,结果表明,该方法可用于单个仪器的任务规划。