坦克车载多天线系统的布局仿真分析

为了研究坦克车载多天线系统的电磁兼容特性,针对天线系统性能优化问题,通过分析引起天线间干扰的因素得到提高系统性能的方法。采用电磁仿真软件CST对各天线的电磁特性和天线间的耦合度进行仿真分析。对比不同布局方案下天线间的耦合情况和装载到平台后的天线增益方向图,得出最佳的天线安装位置。分析过程和设计结果可为坦克车载天线布局设计及电磁兼容研究提供重要参考。     

稀疏图DS-CDMA系统设计

DS-CDMA是在扩频技术上发展起来的多址接入方式,但在用户接入数量过载时难以保证高质量的通信性能。基于此,提出了一种基于稀疏图的DS-CDMA系统。该系统以低密度二分图的形式来描述扩频码片和用户之间的关系,使得参与通信的每个用户只在少量码片上进行非零位扩频调制,最大限度地减少了用户间的相互干扰。借助图模型的相关理论,把适合于稀疏图的置信度传播算法应用于该系统,进行多用户检测,通过码片与用户之间的消息迭代来消除噪声和多址干扰带来的影响。结合计算机仿真,从不同的角度测试了系统的误码率等性能。理论分析与性能验证表明,稀疏图DS-CDMA在接入用户数量远远超过系统容量的情况下,依然具有优良的性能。     

基于概率地图的低空突防威胁空间量化算法

威胁回避问题是TF/TA系统的核心问题,针对概率地图中空间威胁的量化问题,给出一种方便快捷的计算方法。首先在不考虑地形遮蔽情况下,给出雷达或者火力扫描边界点的计算方法。在此基础上考虑地形遮蔽情况下,利用地形通视图算法,确定雷达扫描盲区,实现基于概率地图低空突防威胁空间通视量化算法。仿真结果表明,该算法能够快速给出计算对雷达扫描盲区的界定范围,提高了计算效率,从而可以提高无人机进行低空突防的生存几率。     

基于二次特征提取的神经网络信号源个数估计方法

信源数目估计对阵列信号空间谱估计非常关键,但容易受到相关噪声环境和相关信号源的影响。为此,提出一种基于二次特征提取的源数估计算法。首先,利用阵列信号协方差矩阵的特征值和特征向量,提取6组二次特征参数;然后,利用这些参数对神经网络进行训练;最后,利用训练好的神经网络进行信源数目估计。由于稳健性强,该算法非常适合在复杂电磁环境下使用。仿真试验结果表明,该算法在低信噪比、相关噪声和相关信号源条件下均具有良好的估计性能。因此,该算法应用前景广阔。     

抢救抢修方案复杂性测度的图熵模型

分析了以往抢修方案评估的不足,提出了战场抢救抢修方案复杂性概念。并分析了用复杂性抢救抢修方案的可行性。引入软件工程领域的图熵模型,从微观方面研究战场抢救抢修方案实施过程中的复杂性问题,从信息量、逻辑、结构、系统知识层次及决策分析5个方面进行量化,明确了信息控制图、动作控制图、知识层次图及决策分析图的构建方法,较好地解决了战场抢救抢修方案实施复杂性的测度问题,实例验证该方法在一定程度上可以反映应急抢修方案的复杂程度,能为抢救抢修方案的评估优化,以及评估训练等方面提供一定的帮助。     

基于Hopfield神经网络算法的雷达干扰资源分配

为了使有限的雷达干扰资源发挥最佳的干扰效果,基于干扰效益最大准则建立了雷达干扰资源优化分配模型。提出了基于Hopfield神经网络算法的干扰资源优化分配方法,利用该方法能够在可行的解空间中找出满足能量函数和约束条件的全局最优分配方案。并与干扰资源蚁群优化分配算法进行了比较,理论推导与仿真实验表明该方法的可行性与有效性,且比蚁群分配算法具有更快的收敛速度和更好的健壮性。     

基于Hamming网络的空袭目标评估模型

针对空袭目标威胁程度评估问题,在模糊优化模型的基础上,提出了一种基于Hamming神经网络的求解方法.该方法将神经网络与模糊优化模型相结合,既方便了原问题的描述又简化了问题的求解,发挥了二者的集合优势.经仿真试验证明了该模型的有效性.该方法为此类问题的研究提供了一种有效、可靠的新途径,同时它也是模糊理论与人工神经网络相结合的理论方法的有益尝试.     

基于BP神经网络的空中目标识别方法

提出了一种利用BP神经网络用于空中战机目标识别的方法.首先,分别用300张不同姿态的F-16和F-22战斗机图片建立样本图库.其次,利用不变矩理论,提取图片的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.然后从样本图库中随机抽取两种型号飞机图片各30张作为空中打击目标进行识别,结果表明采用LM优化算法的BP网络具有一定的抗噪声能力.     

基于改进人工鱼群算法的WNN优化设计

针对人工鱼群算法优化设计小波神经网络(WNN)的缺陷,引入了视野范围与步长的自调整策略,以提高搜索效率和收敛速度。改进后的人工鱼群算法可在WNN的搜索空间中同时确定参数初始值和隐节点数。仿真实例验证了其有效性。     

基于小波神经网络的MEMS陀螺输出预测方法

为了解决弹载MEMS陀螺实时输出预测问题,提高陀螺输出预测精度并减小计算量,通过分析弹载陀螺信号时间序列特性,结合小波分析和神经网络两种方法的优势,提出了一种基于小波神经网络的MEMS陀螺输出预测方法。选取并优化神经网络结构参数,利用实测陀螺数据对建立的小波神经网络进行训练,并预测出未来一段较短时间的陀螺输出值。与陀螺实测值和ARMA模型预测结果的对比发现,小波神经网络方法有效地提高了MEMS陀螺输出预测的精度、减小了计算量,从而验证了该方法的有效性和精度。