系统辨识在建立舰船电力推进动态模型中的应用

舰船电力推进是一个复杂的船—机—电系统。对其动态特性的研究,利用现有的基于理论分析建立机理模型的方法,就会遇到分析过程繁杂、模型适用性差的实际困难。本文则利用系统辨识方法建立舰船电力推进系统的动态模型,通过一个具体的船模实验及辨识计算,确定模型的结构和参数。为了克服相关噪声的影响,参数估计中采用了增广矩阵法。并对模型从拟合程度和收敛性两方面进行了检验,结果表明,上述方法所得到的动态模型是适用的。     

基于高低频模型的矢量量化图象编码系统(HL-TVQ)

HL-TVQ 图象编码系统,是在图象的高/低频图象模型基础上,对低频图象分量进行变换矢量量化编码,而对高频图象进行空域欠量量化编码。HL-TVQ 编码系统具有压缩比高(在模拟时达到10),恢复图象的视觉效果好,运算复杂度小的特点。本文详细介绍 HL-TVQ的编码过程和原理。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

微带及渐变微带中瞬态信号传输特性的小波变换分析

本文利用小波变换对瞬态信号在微带及渐变微带线中的传输特性进行了分析,与传统的傅立叶变换分析相比,小波分析具有速度快、能够分析局部传输特性的优点。文中给出了高斯信号和矩形脉冲信号在微带中及矩形脉冲信号在渐变微带中的传输波形,所得结果对研究超高速与超宽带瞬态信号的传输及电路设计有一定的参考价值。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

一种分析噪声背景下目标特征有效性的方法

本文根据目标特征和噪声分布,在一定假设条件下推出了最小错误率（Ｂａｙｅｓ错误率）的表达式,从而把特征分布、噪声大小直接与分类的最小错误率联系起来,给出了一种分析噪声背景下目标特征的有效性的方法。文中利用这种方法对目标和诱饵的红外辐射特征的有效性进行了分析     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

一种实用的有线电视加解扰方案

在分析了电视加扰技术中的模拟加扰方式和数字加扰方式后,对数字加扰时基处理中的行旋转、行置换、行变换等方法做了详细分析;为了保护有线电视加扰系统的安全,采用了随机数的产生、数据的加密等技术。最后详细介绍了一个包括加、解扰系统和用户控制的实验系统     

ATR算法原理分析

随着现代微处理器和大规模集成电路、集成光路的发展,自动目标识别（ATR）算法技术在现代防御系统领域中具有越来越重要的作用。文章归纳了目标表示方法,着重对ATR算法──一统计模式识别算法、模板相关算法、基于模型的算法、人工神经网络算法,进行了概述和综合理论分析,并得出了一些有用的结论,为ATR系统学科的发展和应用奠定基础。     

点目标检测中候选轨迹确定算法

对低信噪比条件下缓动点目标检测技术中候选轨迹的确定算法进行了讨论。首先,给出了计数积累和线性预测的一般方法,然后,提出了一种基于计数积累,线性预测和轨迹约束的候选轨迹确定以及实现检测的算法,最后是算法性能分析。