质量矩导弹的神经网络及自适应非线性控制

本文对质量矩控制导弹的动力学方程简化和控制系统的设计进行了研究。详细阐述了所提出的控制方法，介绍了径向基单隐层神经网络进行误差补偿的算法原理，用Lyapunov理论证明了所采用方法的稳定性。在给出了质量矩导弹的六自由度动力学方程和简化后的方程后，用所提出的方法设计控制系统。通过仿真分析，得出了本文所提出的方法具有较好的误差补偿能力的结论。     

一种具有较强泛化能力的神经网络模型研究与应用

分析了影响神经网络模型泛化能力的因素。以电解铝过程中氧化铝浓度的神经网络软测量为例 ,提出了利用先验知识确定网络结构 ,采用特定实验保证样本数量和质量 ,离线训练加在线学习修正模型等措施 ,改善神经网络模型的泛化能力。现场应用表明这些措施是有效的。这样建立的神经网络模型准确 ,泛化能力强 ,为实现过程的先进控制提供了可靠保障     

神经网络在未来超分辨雷达中的应用

最新的技术发展已为研制超分辨雷达创造了条件。它能够突破普通雷达基于匹配滤波原理的分辨能力,而实现超分辨。超分辨雷达的巨大计算量通常来自求解非线性最小二乘问题时的多维搜索。本文针对这一问题,研究了雷达信号处理中的两个典型例子:(1)利用阵列处理检测个数已知而方向未知的雷达目标;(2)对波音727飞机进行超分辨距离多普勒成像。说明Hop-field神经网络通过集体运算能够求解各种困难的最优化问题,因而在未来的超分辨雷达中有广阔的应用前景。     

基于Poisson模型的湍流退化图像多帧迭代复原算法

随着航天空间技术的发展，空中目标的成像探测研究越来越重要。受大气湍流的干扰，观测到的目标图像是严重模糊的。为了从观察到的多帧含噪的湍流退化图像中将目标原图像有效地恢复出来，本文提出了一种新颖的基于图像统计模型的图像复原算法。跟据图像Poisson概率模型建立了有关多帧图像数据的对数似然函数，通过极大化该对数似然函数，推导出了目标图像及各帧图像点扩展函数的迭代求解关系。同时。将点扩展函数的支持域等先验条件有效地加入到迭代计算过程中，以便快速地利用迭代技术将目标图像和各帧点扩展函数估计出来。该算法能用少数帧图像极大程度地恢复出目标图像。为了验证本文算法的恢复效果和可靠性，对在强噪声污染条件下的湍流退化图像进行了恢复实验，实验结果表明本文算法对空中目标湍流退化图像的复原是非常有效的。     

同轴探针对称激励矩形波导模式谱图研究

通过理论分析证明，同轴探针对称激励矩形波导时，其模式谱图中不存在引起合成场结构不对称的高次模TE20及TE01模。应用分式线性变换检测法进行了对比测试，验证了理论分析结果的正确性。对聚四氟乙烯样品，在7—16GHz频带内测量其复介电常数均有较高的测量精度。实验表明，在一定条件下，标准三公分波导工作频率可高达16GHz，如果取波导宽窄边比r=3，工作频率可达19GHz。所得结果对于微波材料宽带测量具有实用价值。     

一种新的星模式识别算法

研究了面向星敏感器的星模式识别算法。首先扼要介绍了到目前为止出现的所有面向星敏感器的星模式识别算法和星图预处理，然后详细论述了本文提出的基于旋转和比例不变点特征松弛匹配算法的一种新的面向星敏感器的星模式识别算法。在第三部分通过仿真试验检验了新算法的性能。初步的仿真试验结果表明该星模式识别算法性能优良，具有实用价值。最后讨论了待深入研究的问题。     

景象匹配正确定位概率的实验研究

景象匹配的理论分析结果揭示了景象匹配正确定位概率与实时图的信噪比和独立像元数的关系。文中通过对真实影像数据的景象匹配的结果统计给出了正确定位概率与信噪比和独立像元数的关系，并将该结果与理论结果进行了比较，对其中差异进行了分析解释。文中的结论可以用于景象匹配系统性能的精确分析。     

基于系统误差诊断的多测元融合算法

在多测元目标跟踪定位中,结合测元的匹配特性,提出"三选二"原则诊断并估计少数测元上的系统误差,以多测元最小二乘多项式滤波抑制随机误差,从而提高目标定位精确度的数据融合新方法。以三测元为例给出了具体在微分域和积分域进行匹配诊断的步骤。在估计并扣除系统误差之后,进行三通道最小二乘多项式滤波以更有效地抑制随机误差。仿真计算结果表明该方法能够有效地发现和估计系统误差,同时指出在积分域进行匹配诊断和估计的精度要优于微分域匹配诊断。     

GPS/GIS车辆路径定位方法研究

标准定位服务（ＳＰＳ）的固有误差、ＳＡ 措施和市区环境的共同影响，使得ＧＰＳ的导航精度难于满足特种车辆监管系统的需求。差分ＧＰＳ技术虽然可以提高ＧＰＳ定位的精确度，但缺乏对环境的适应能力。在对城区内ＧＰＳ定位误差进行了系统分析的基础上，提出了一种融合ＧＰＳ技术和结合历史数据的地图匹配技术的车辆路径定位方法，并通过对实验的统计分析证明了方法的有效性。     

基于峰值点的目标对准在MSTAR SAR图像分类中的应用

模板匹配的分类方法是合成孔径雷达目标识别的重要方法。研究了MSTAR SAR图像,指出图像中的目标峰值点本质上对应于实际物体的散射中心,并且在一定方位区间中具有稳定性。假设目标存在位置偏移的基础上,提出先利用目标峰值点对准目标,再生成模板和分类的思想。分析了方位区间中基准图像的选取及对准过程对模板生成和目标分类的影响程度。最后研究了同类变形目标间的分类,提出了峰值点特征增强成像、预分类、目标对准和正式分类的四步算法。结果证明,所提算法具有较高的分类精度和效率。