广义回归神经网络在MC-CDMA多用户检测中的应用

在简要介绍了反传(BP)神经网络,径向基神经网络(RBFN),广义回归神经网络(GRNN)的基础上,可知GRNN与传统的基于反传(BP)算法的神经网络相比,有收敛速度快,鲁棒性强等优点,本文将广义回归神经网络(GRNN)技术援引到MC-CDMA多用户检测中,进行了误码率和收敛性的仿真计算,表明了GRNN在多用户检测应用中的优越性和有效性。     

姿态机动时天基武器系统的传递对准技术

根据考虑弹性变形的传递对准模型和空间导航解算所需的轨道运动学模型,研究了基于Kalman滤波的角速率与姿态阵匹配的姿态机动时天基武器系统的传递对准.仿真结果表明:弹性变形对两种匹配方式的传递均有影响;与Kalman滤波相比,H∞广义平方根滤波的对准性能更优;姿态阵匹配法较角速率匹配法更为适用.     

基于一维距离像序列的空间弹道目标微动特征提取

弹道导弹的空间微动特性是中段空间弹道目标识别的重要依据之一.以一维距离像序列为研究对象,首先利用距离像散射中心位置加权、纵向积累估计空间锥体进动目标的进动周期,然后基于广义Radon变换提取空间锥体目标散射中心位置变化曲线,并根据获得的曲线参数估计得到空间进动角,最后给出了基于广义Radon变换的散射中心位置估计新方法.仿真实验验证了所提算法的有效性.     

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。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

新型控制系统稳定性分析方法研究与展望

介绍了两类新型控制系统稳定性定量测度:奇异摄动裕度和广义增益裕度。这两类稳定裕度是相位裕度和增益裕度在非线性时变系统中的推广,能在使用于非线性系统时反映出与系统多种非线性性质的具体关系,是适用于非线性时变系统稳定性量化的评估标准。将奇异摄动裕度应用于高超声速飞行器模型,估计了滚转角快变条件下控制环的允许滞后时间,并对相关开放性问题进行了展望。该裕度有潜力用于进一步揭示飞行器制导精度和姿态控制动态特性之间的关联机理,为总体设计、姿态控制和气动布局的协调提供参考依据。     

一类广义凸规划的最优性条件

最优性条件是数学规划理论中最基本和核心的内容之一。本文讨论了由一类（ｈ,φ）－凸函数所构成的广义凸规划的最优性条件。利用文〔２〕中定义的Ｂｅｎ－Ｔａｌ广义代数运算,本文得到了这类广义凸规划的Ｋｕｈｎ－Ｔｕｃｋｅｒ充分条件和必要条件,所得结果推广了通常凸规划相应的结论     

基于相对马氏距离的非均匀杂波抑制方法

由于天基雷达覆盖范围广、探测背景复杂,雷达回波会呈现出明显的非均匀特性,从而导致杂波协方差矩阵(clutter covariance matrix, CCM)估计与实际情况出现偏差,从而恶化天基雷达对空中动目标的检测性能。针对上述问题,提出了一种基于相对马氏距离的非均匀样本抑制方法,该方法首先计算所有样本的广义内积(generalized inner product, GIP),在此基础上选取一个合适的样本作为参考。通过比较场景中所有样本与参考样本的马氏距离,将相对马氏距离大于判定门限的样本作为非均匀样本剔除。用筛选后的样本进行杂波协方差矩阵估计,从而提高天基雷达在复杂环境下对空中动目标的检测性能。理论分析和实测数据结果表明,所提算法能够在非均匀环境下有效检测出空中动目标。     

航空发动机传感器与执行机构信息重构算法

为实现航空发动机传感器与执行结构在故障情形下的故障幅值估计及信息重构,缓解故障对发动机性能的影响,在已有故障检测和故障隔离算法的基础上,提出一种基于修正的广义似然比（GLR）方法的信息重构算法。针对某型民用涡扇发动机的传感器与执行机构发生恒偏差与漂移故障的情形下进行了仿真验证。结果表明:基于修正的GLR方法对传感器和执行机构恒偏差和漂移故障的故障幅值估计具有较高的精度,两种故障情形下故障幅值的估计值的均方根误差均不超过0.005,故障部件信息重构后故障对系统性能的影响得到有效缓解。      

矩阵带宽缩减技术在隐式间断有限元中的应用

为了数值求解二维Euler方程，以间断有限元方法作为空间离散、向后差分公式（BDF）作为时间离散。针对采用牛顿法求解源于隐式时间积分的非线性方程组，构造了相应的Jacobi矩阵，其具有阶数高、稀疏性强、数值非对称的特点。在每个时间步内，选择带预处理的广义极小残量（GMRES）方法求解线性方程组，预处理矩阵由不完全LU分解（ILU）方法构造。将矩阵带宽缩减技术应用于上述求解过程，无需额外的存储空间，就缩小了预处理矩阵与系数矩阵的差距，从而加快了GMRES方法的收敛、增大了可用的时间步长。通过求解典型的空气动力学问题，检验了该应用的有效性。