提高武器系统射击精度的几个技术途径

从几个不同的技术角度,消除火控系统存在的误差,从而大大提高武器控制系统的射击精度,使命中效率明显增加。     

互瞄定位法精度分析

介绍了超视距目标指示中的互瞄定位法的基本原理和影响互瞄定位法的主要因素,推导了互瞄定位法精度分析模型,并对其进行了精度分析。     

类比推理中的一种相似性准则及其验证方法

类比推理是人工智能领域中的重要研究方向,而相似性准则是类比推理中的重要概念。文中给出了类比推理的一种描述框架,定义了相似性准则,并且基于项重写技术,提出了相应的验证方法。     

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。     

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     

GJB 2337—95《榴弹弹丸缺陷分类》简介

分析国内榴弹弹丸计数抽样检查缺陷分类和检查项目的现状,指出为更好地执行有关国军标,提高质量控制水平和质量安全的水平,必须统一榴弹计数抽样检查中的缺陷分类和检查项目。文章进而对标准中有关缺陷分类方法,缺陷分类编号,计数抽样检查及检查项目确定,弹体几何尺寸、形位公差检查项目缺陷极限控制尺寸的确定等技术内容做了介绍。     

多媒体软件开发研制过程中的几个问题

本文介绍了作者在开发研制多媒体软件过程中,针对几个技术性问题所摸索出的解决方法,颇具实用价值。     

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。