战场通信网络战时抗毁性初探

以战时应用为背景研究了战场通信网络的战时抗毁性定义,分析了影响抗毁性的可能因素,提出了基于干线节点密度变化、网络可通性度量及网络流量变化等的战场通信网络战时抗毁性评价指标,并提出了提高军用通信网络战时抗毁性的可能措施和方法。     

基于神经网络的舰船目标识别研究

为了实现对水下目标的识别,在现有特征提取方法的基础上,提出了一种从DEMON谱线谱和DEMON谱连续谱提取的特征方法,并设计了一个基于BP神经网络和多神经网络分类识别器的舰船目标识别系统。通过对实际舰船噪声目标进行识别,识别效果比较满意。这对舰船目标识别的发展具有一定的参考价值。     

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.     

一种新的MIMO非线性系统动态解耦控制方法

提出了一种基于回归小波网络(recurrent wavelet networks)的多输入多输出系统(multi-input multi-output)动态解耦控制的新方法.该方法为分散式控制结构,采用回归小波网络作为解耦辨识器(decoupling identifier),在线动态辨识、回馈对应输入输出的灵敏度信息(sensitivity information),PID神经网络控制器根据回馈信息实现自适应分散独立控制.小波函数的紧支性、波动性以及回归网络较强的动态非线性映射能力使得回归小波网络具有较好的综合性能.仿真结果表明,用该方法构成的控制系统解耦效果好,收敛速度快,且具有较好的鲁棒性.     

A new energy efficient management approach for wireless sensor networks in target tracking

This paper mainly studied the problem of energy conserving in wireless sensor networks for target tracking in defensing combats. Firstly, the structures of wireless sensor nodes and networks were illustrated; Secondly, the analysis of existing energy consuming in the sensing layer and its calculation method were provided to build the energy conserving objective function; What's more, the other two indicators in target tracking, including target detection probability and tracking accuracy, were combined to be regarded as the constraints of the energy conserving objective function. Fourthly, the three energy conserving approaches, containing optimizing the management scheme, prolonging the time interval between two adjacent observations, and transmitting the observations selectively, were introduced; In addition, the improved lion algorithm combined with the Logistic chaos sequence was proposed to obtain sensor management schemes. Finally, simulations had been made to prove the effectiveness of the proposed methods and algorithm.     

基于神经网络的弹丸强度可靠性分析

构造了一个基于神经网络的弹丸强度分析模型,通过对以往实际发生数据的训练与推理,设计并构造了一种自适应变步长自构型神经网络。对影响弹丸强度的诸多因素进行了综合的非线性分析。并可以利用该模型进行强度预测,减少实际打弹的次数,经济效益明显。     

直接网络中的自适应路由算法分析

互连网络是大规模并行计算机的重要组成部分，路由算法是其中决定网络性能的重要因素，本文在直接网络结构基础上对路由算法进行讨论，给出了一种分类方法，并着重对采用虫孔路由开关技术的自适应路由算法进行分析，为进一步的评价和设计新的算法提供了参考。     

基于神经网络的非线性控制系统自组织辨识

本文首先将自组织神经网络算法向一般化情形引伸，接着把自组织过程应用到一般非线性系统的动态过程分类，使得整个非线性系统能够按照输入输出样本空间的概率密度自组织，成为许多具有不同分类核心和感受野的线性子空间逼近。在此基础上，我们采用通用最小二乘算法，以子空间的非线性问题线性化误差作为依据，并进一步运用自组织神经网络的合作与竞争思想，最终得到一般情形的非线性系统的最小二乘辨识。仿真结果表明了本方法的可行性与优越性。     

神经网络的函数逼近理论

分析了将函数逼近理论与方法引入神经网络研究的必要性；从经典函数逼近与统计分析两方面详细地讨论了多层前馈网（ＭＬＰ）逼近能力分析的基本方法及结论；分析了正则理论观点下的径向基函数网络（ＲＢＦ）的逼近能力；讨论了ＲＢＦ网与多层前馈网在最佳逼近特性上的差异。文末指出了神经网络函数逼近的发展方向。     

扩展卡尔曼滤波的有向传感器网络移动目标跟踪算法

针对传感器网络中跟踪目标需要大量的节点协同工作,还需要实时处理和传输大量数据,提出一种基于扩展卡尔曼滤波的有向传感器网络目标跟踪算法(EK-MTDC),重点研究了传感器网络中的扇区数量对节点间数据传输与目标跟踪精度的影响,根据对目标状态的分析,通过压缩参与监测的节点个数,选择激活网络中节点相交区域内的节点对跟踪目标进行监测。仿真结果表明,该算法能在不降低跟踪效果的前提下,降低网络能耗,延长其使用寿命。