我军现行通信网络向B-ISDN过渡方法探讨

讨论由现行通信网向Ｂ－ＩＳＤＮ过渡的方法和步骤,即实现我军现行通信网络由ＰＤＨ向ＳＤＨ过渡,由ＳＴＭ向ＡＴＭ过渡,提出应大力开发ＩＳＤＮ,进而逐步过渡到Ｂ－ＩＳＤＮ。     

火炮射击指挥模拟训练系统中多传感器信息融合的研究与实现

本文研究和实现了火炮射击指挥模拟训练系统中的多传感器信息融合,得到目标航迹信息。基于ＮＯＶＥＬＬ网络,在ＷＩＮＤＯＷＳ平台下用ＶＢ语言中的定时器较好地模拟实际系统中传感器录入目标信息过程,采用文件共享方式实现网络传递避免了因数据率提高而可能出现的阻塞现象;最后采用本文融合算法在网络上进行模拟得到了较好的结果。     

基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统,这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成,ＷＴＡ网络用于检测发动机故障输出模式;第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成,ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真,仿真结果验证了神经网络故障检测系统的优越性能。     

判决反馈BP网络自适应均衡器

针对存在适度码间串扰和非线性畸变的数字信道,本文提出判决反馈ＢＰ网络自适应均衡器（ＤＦＢＰＥ）,将ＤＦＢＰＥ同传统的ＢＰ网络均衡器进行比较,对ＤＦＢＰＥ的特性进行了全面的分析。     

用Windows的位图资源设计DOS应用程序的图形界面

本文提出了一种用Ｗｉｎｄｏｗｓ的ＢＭＰ位图资源设计ＤＯＳ应用程序的图形界面的方法,还给出了一种在ＤＯＳ下不改变调色板显示Ｗｉｎｄｏｗｓ位图的方法,同时对ＢＭＰ文件的结构做了必要的分析。     

SN-PDB 中一种先进的结点容错法

本文简单介绍了无共享并行数据库（ＳＮ－ＰＤＢ）中几种常见的结点容错方法,重点叙述了链式分布法,给出了此方法的负载平衡算法。     

基于多特征的图象目标识别分类

文中研究将多特征信息融合技术用于图象目标识别分类的方法,利用图象灰度表面的分形特征与图象的摘特征（非分形特征）所提供的信息进行融合处理,在决策层中运用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理理论,并使用决策规则对目标进行分类。在实验中,将经过信息融合分类的结果与单特征独自分类的结果进行比较。结果表明,多特征信息融合的目标识别方法具有良好的稳定性,准确性和可靠性,能够有效地提高图象分类识别系统的精确度与容错性。     

利用多层神经网络实现核爆/非核爆的模糊综合评判方法

着重讨论了模糊综合评判与ＢＰ网络结合的原理,构造了一个可实现模糊综合评判的ＢＰ网络,并将其用于核爆／非核爆识别。以美国ＮＢＤＳ的软件判据为基础,检验了识别的效果。结果表明,对实测９个核爆样本均能正确识别,对模拟产生的３５个核爆非核爆样本,误识２个,总的正确识别率达到９５．５％。     

(G2-continuous) SHAPE PRESERVING CUBIC INTERPOLATION SPLINE CURVE

（Ｇ~２－ｃｏｎｔｉｎｕｏｕｓ）ＳＨＡＰＥＰＲＥＳＥＲＶＩＮＧＣＵＢＩＣＩＮＴＥＲＰＯＬＡＴＩＯＮＳＰＬＩＮＥ　ＣＵＲＶＥＦａｎｇＫｕｉ（ＤｅｐａｒｔｍｅｎｔｏｆＳｙｓｔｅｍＥｎｇｉｎｅｅｒｉｎｇａｎｄＭａｔｈｅｍａｔｉｃｓ,ＮＵＤＴ,Ｃｈａｎｇｓｈ?..     

集成模拟乘法器实现振幅调制的另一种分析方法及应用

本文对双差分对集成模拟乘法器在单端输出的情况下,实现ＡＭ调制,ＤＳＢ调制及ＡＭ调制的调幅度Ｍａ进行全面分析和验证。应用所得的结论可以使双差分对集成模拟乘法器,在输入信号电压满足要求的条件下,实现ＡＭ调制,ＤＳＢ调制,其方法简便而实用。故在工程上有重要的应用价值。     

基于BPAF判决的决策层目标属性融合研究

在D-S证据理论框架下,研究了基于目标基本概率赋值(BPAF)判决的决策层目标属性融合问题。简要介绍了D-S证据组合理论框架,阐述了基于BPAF判决的决策层目标属性融合策略、步骤;分析了证据严重冲突时,Dempster证据组合规则不合理的本质原因;提出必须对D-S证据组合规则进行改善等需要继续深入探讨的几个问题。     

BP神经网络和D-S证据理论的目标识别

目标识别是指挥自动化系统的一个重要组成部分,针对现代战争对抗手段不断增强的特点,运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法.前端采用3层BP神经网络结构,以传感器接收数据为输入,以神经网络输出作为证据,后端对不同传感器的证据按D-S理论进行融合,得到待识别目标的识别概率.经由MATLAB编程对国内外几种主要机型的识别进行仿真研究,与现行目标识别方法相比较,能够更快速、准确、可靠地识别飞机目标,较好地满足了空战中作战指挥系统对飞机机型识别的需求.     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合,应用于高海况、低信噪比条件下,水中目标信号的特征提取中.文中首先对信号进行功率谱估计,利用目标信号功率主要集中在低频部分的特点,提取低频信号的能量作为特征,然后利用人工神经网络对目标信号进行检测.利用不同浪级情况下海洋水压场的仿真信号数据,对某型目标舰船的水压信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号检测率比较高、虚警率比较低的效果.     

基于粗糙集-神经网络编队协同空战决策系统

为了提高空战决策的实时性和准确度,将粗糙集理论和神经网络引入到编队协同空战战术决策研究中,提出了应用SOM网络-粗糙集-BP网络集成进行编队协同空战战术决策的方案:应用SOM网络离散化决策系统输入数据的连续属性值;利用粗糙集数据分析方法,从数据中提取出规则将输入映射到输出的子空间上;在这个子空间上用BP网络进行逼近.2:4编队空战实例仿真结果验证该方案的可行性,在数据充分的条件下,该方案可以推广应用于其它空战决策系统.     

BP神经网络的收敛问题

研究了BP神经网络的收敛问题。基于随机理论 ,提出了解决网络收敛性问题的随机优选法。该方法不仅在任何条件下都能得到问题的具有一定精度的解答 ,而且收敛速度很快     

D-S证据论在空中目标分类中的应用

首先叙述识别、分类空中目标时需使用多传感器融合技术,分析可利用的各类传感器和从其可得到的各种目标属性参数,以及各种数据融合方法.然后详细介绍了基于D-S证据论的3种多源信息融合分类空中目标方法,并对具体仿真应用结果作了比较.     

跨交换机VLAN的配置与应用

随着网络规模的扩大，网络上大量的广播信息导致网络传输效率低下，为了解决这个问题，产生了虚拟局域网技术（VLAN）。介绍了解决网络二层广播报文泛滥的VLAN技术，以锐捷$2126交换机为基础，设计并实现了一个VLAN功能应用代表性的网络互连方案。     

数据融合中的Dempster-Shafer证据理论

虽然 D- S方法已广泛地应用于各种数据融合系统中 ,但在实际应用中依然存在着许多困难。总结了数据融合应用中的 Dempster- Shafer证据理论研究概况 ,从四个方面阐述和对比分析了一些有代表性的研究成果 ;同时为下一步的研究提出了新的课题和思路     

前馈网络在状态识别中的应用

介绍了前馈网络的结构,BP算法以及算法的推导过程,并对算法做了一些改进.然后将该算法应用于抽油机减速箱的状态识别,给出了识别结果.实验表明,基于BP算法的前馈网络在识别的精度和自学习方面都优于传统方法.     

基于主成分分析和神经网络的目标识别

采用主成分分析法将多项识别属性进行综合聚集,减少关联属性对识别的干扰,达到属性约简的目的。利用神经网络进行目标识别,通过优化训练策略,可以提高网络的收敛速度和泛化能力。主成分分析法与神经网络结合既能高效识别已知样本,又能对未知样本具有很强的自学与适应能力,从而有效地对海战场目标进行识别。通过对比仿真,证明了算法的有效性。