高阶稠密矩阵的并行求逆与应用

采用基于列交换的Ｇａｕｓｓ－Ｊｏｒｄａｎ并行算法来解决空气动力学中超音速高阶面元法的稠密矩阵求逆问题,该方法采取了块循环数据分配方式,尤其对超立方体结构的并行机系统来说具有通讯优势。在４台ＳＧＩ工作站构成的２×２网格上进行的实验表明,对秩为１０００左右的矩阵可得到５７％～６４％的效率。     

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。     

一个实时调度仿真模型算法的算法

提出了一个在仿真支撑系统中所采用的实时调度仿真模型算法的算法,并且成功地应用在“RDFI—50MW热电厂训练仿真机”中.     

树网结构上一种新的矩阵迭代求逆并行算法

运用树网结构可以完成矩阵的并行快速求逆,其中迭代法是一种非常重要的方法。本文给出了一种新的迭代格式,对任意非奇异矩阵Ａ,运用新的迭代格式对Ａ求逆相对于经典牛顿迭代法,在同样精度要求下,时间可减少一半。     

跟踪陀螺仪的运动分析

根据跟踪陀螺仪的工作原理,推导出了陀螺仪的跟踪方程及其解,分析了陀螺仪跟踪运动的力学实质——进行与章动。为了提高跟踪精度。消除章动现象是必要的。     

弹道参数的人工神经网络算法研究

将神经网络理论引入火控领域,建立一个输入参数为高度Ｈ、速度Ｖ和俯冲角λ的多层神经网络模型,用Ｂ－Ｐ学习算法,对弹道的射程Ａ和落下时间Ｔ进行拟合。仿真结果表明,神经网络是用于弹道参数拟合的一个有效的方法,并取得了满意的精度。     

多传感器数据融合算法综述

数据融合就是利用多传感器的协合效应来提高系统效率,它是现代Ｃ３Ｉ作战系统的关键技术之一．阐述了多传感器数据融合的特点、分布检测、空间、属性融合、态势评估和威胁估计算法,并同时介绍一些关键课题．     

人机闭合半动跟踪系统仿真模型的建立

本文论述了指挥仪半自动跟踪系统的仿真建模方法,建立了传动系统工作方程式及等效结构图,介绍了描述测手跟踪特性的两种模型,最后给出了以59式指挥仪为研究对象的半自动跟踪系统模拟结构图。     

纯方位目标跟踪算法性能分析

本文对纯方位目标跟踪中的三种方位平差法进行了分析,讨论了方位误差和己艇运动要素误差对算法的解算误差的影响,进而显示了纯方位目标跟踪这一特殊估值问题中的目标运动参量和坐标系选择的重要性。此外,从分析结果中还能看出目标和己艇的运动几何态势对算法性能的影响。根据性能分析,本文还对三种算法进行了比较。     

机动目标跟踪的修正输入估计(MIE)算法与自适应α-β算法

机动目标的跟踪是雷达数据处理中的重要问题,对此进行了探讨的代表性的算法有Singer算法、IE算法、VD算法、IMM算法等。本文提出了修正的输入估计(MIE)与自适应的α—β两种新算法。MIE算法性能与IE算法相当,但运算量比IE算法小。自适应α—β算法的性能略低于以上几种算法,但运算量则大大低于上述几种算法,在对性能要求不很高的情况下,采用这种算法是较为合适的。