潜艇电力推进装置的动态模型辨识

将系统辨识的方法应用到潜艇电力推进系统的动态特性的分析中 ,辨识算法采用递推增广矩阵法(RELS) ,并采用变遗忘因子 ,以改善系统的跟踪性能 .研究对象为一模拟电力推进机组 ,在实验数据的基础上建立了该系统励磁控制下的动态模型 .     

可供实用的舰船风浪中摇荡时历预报的模式

舰船在风浪中摇荡时历的极短期预报 ,具有多方面的实用价值 .现有的各种预报方法中 ,以卷积法和时间序列法中的ARMA模型较为常用 ,但如何测量艏前波是上述方法实施的前提条件 ,则未能解决 .文中提出的在舰船舯部装塔克测波仪 ,将所测波形时历转换为艏前任意点波形时历的方法 ,可解决上述矛盾 .再采用ARMA建模、依AIC法则估计模型阶数的预报方式 ,即可用于实船进行摇荡时历短期预报     

战场目标声/震侦察与识别

介绍了一个采用被动侦察体制的多传感器侦察系统。在研究了地面战场典型目标的噪声场和地震动场产生机理的基础上 ,对战场目标噪声信号和地震动信号进行功率谱估计 ,分析了各种目标的线谱特性。设计了拓扑结构合适的 BP神经网络分类器 ,可以有效地分类识别战场典型目标     

基于运动状态和敌我属性的空中目标融合识别

研究了基于实时跟踪器的空中目标航迹身份识别问题。从分析目标运动状态和敌我属性的不确定性出发 ,建立了空中目标身份统计模型 ;根据建立的模型 ,通过采用Dempster Shafer证据理论方法 ,对空中目标进行融合识别。仿真实验结果证明了模型和算法的有效性。     

基于峰值点形态信息的SAR图像舰船尾迹检测算法

在分析合成孔径雷达(SAR)图像中舰船尾迹线性特性的基础上,针对SAR图像线性特征产生因素的多样性,及由此引起的Radon变换域中尾迹峰值点检测的不确定性,提出了一种基于峰值点形态信息的尾迹检测算法。算法门限化图像的Radon变换系数,提取出所有可能的峰值点;对这些相应的局部峰值点的一维截面进行连续小波变换峰值点匹配,根据提取到的参数形成决策矢量在特征空间中进行决策。仿真和实际数据处理的结果表明,该方法能有效、准确地检测到SAR图像中的舰船尾迹并判决其真假类别。     

一种改进的指纹图像局部方向场匹配方法

指纹方向场真实地反映了指纹图像中本质的纹理特征,包括了指纹的基本形状、结构和走势。定义了局部方向场图像的描述方法,可以根据纹理信息有效地描述并区分不同的细节点。在低质量指纹图像,特别是存在较严重非线性形变的指纹图像中,细节点方向属性不够可靠,使得以细节点对作为参考对齐局部方向场图像的方法效果不佳。提出一种改进的局部方向场图像对齐和匹配方法,能够明显改善局部对齐效果,提高局部匹配的准确性,从而更加有效地区分对应和不对应细节点。实验结果验证了提出方法的有效性。     

基于D-S理论的多传感器空中目标识别

针对当前空中目标识别的特点,探讨基于D-S理论的多传感器空中目标识别方法.设计了一套多传感器空中目标识别算法.详细推导了该算法,对"未知度"的概念进行了扩充,让其涵盖了部分不可求的逆命题,并结合具体实例对其应用进行了验证和分析.分析表明,该算法能够较好地识别空中目标.灵活确定"未知度",适当扩充"未知度"的概念,可使一些复杂问题简单化,通过较少地运算达到预定效果.     

一种海洋环境地磁场三分量的测量方法

提出了一种利用安装在舰船上的三分量磁传感器进行地磁场测量的方法.从理论上解决了在任意舰船姿态下,消除测量中舰船磁场干扰的问题.为测量船在海上测量地磁场的三分量奠定了理论基础.根据我国舰船普遍安装的导航设备的精度,进行了计算机仿真.从仿真结果看,其误差不超过50 nT,能够满足舰载消磁系统对三分量磁场的精度要求.     

基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。     

基于NNLI技术的齿轮箱故障诊断

将NNLI技术应用到齿轮箱的故障诊断中,提出了基于NNLI的特征提取方法,并将该方法与神经网络结合起来,进一步提出基于NNLI特征提取的神经网络故障诊断方法,给出了两种不同的网络分类器,通过齿轮箱故障诊断实例验证了该方法的有效性。