基于对称非线性函数的变步长LMS自适应滤波算法

为解决自适应最小均方误差（least mean squares,LMS）滤波算法难以平衡稳态误差和收敛速度的问题,提出了基于对称非线性函数的变步长LMS自适应滤波算法。通过自变量取绝对值、叠加非线性拉伸量改进Sigmoid函数,构造一个对称非线性函数用于刻画步长因子与稳态误差的非线性关系。该对称非线性函数具有能够根据误差动态调整步长、更快达到收敛状态的特点。根据构造的对称非线性函数和输入信号功率生成归一化变步长因子,解决噪声逐级放大的问题,进一步提高算法的滤波效果同时,加速收敛。实验表明：该算法在低信噪比、信噪比变化、信号频率变化、滤波器阶数变化、延迟采样点数变化条件下均具有更好的滤波效果、更优的稳定性和更快的收敛速度。     

采用 Bayes 数据融合方法进行目标和诱饵的识别

本文以目标和诱饵的识别为背景,详细叙述了采用基于Ｂａｙｅｓ数据融合方法的基本原理、融合模型和识别结果。从识别结果可以看出,这种方法可以达到较高的识别率,是识别目标和诱饵的有效方法。     

综合考虑高阶人-机-环系统的等效拟配

等效系统拟配对于采用主动控制电传操纵系统的飞机的飞行品质评价具有重要意义。为了评价特定状态下飞机纵向整体品质的好坏,建立了综合考虑电传操作系统环节、驾驶员环节和大气扰动环节的人-机-环闭环系统。使用遗传算法对此高阶系统进行了降阶等效拟配,使用等效系统准则依据拟配后的等效参数进行了人-机-环系统的品质评价,并在驾驶员高延迟时间的条件下比较分析了使用等效系统准则与使用Neal-Smith准则得出的飞行品质的一致性。仿真结果说明了人-机-环闭环系统等效拟配评价的可行性、合理性。     

双边定数截尾试验下广义指数分布的可靠性分析

基于双边定数截尾试验,在无信息先验和共轭先验下,给出了广义指数分布参数的Bayes估计。同时在熵损失和加权平方损失函数下,给出可靠度函数的贝叶斯估计。最后运用Monte Carlo方法对估计结果进行了模拟比较。     

随机运动目标区域持续探测的概率最优性

研究了随机运动目标有限区域持续探测的概率最优性问题,证明了区域一次探测概率随时间递减。建立了相邻探测点累计发现概率与一个探测点探测周期数的数学关系,并给出了一个计算探测最大概率周期数的判据,应用此判据,可以搜索获得最优探测周期数。进行了直升机吊放声纳持续探测发现概率最优性仿真,仿真表明了计算的有效性,并得出了应以最小周期数进行直升机吊放声纳探测的结论。     

比例最小偏度单形UKF的RBF神经网络算法

为提高RBF神经网络的建模性能,提出一种基于改进无迹Kalman滤波(UKF)的RBF神经网络训练算法。在该算法中,首先将比例最小偏度单形Sigma点采样策略引入UT,以有效改进UKF,提升其计算效率,然后利用改进的UKF优化估计RBF神经网络的最优参数。仿真结果表明,改进的UKF比EKF具有更高的RBF神经网络模型训练精度,与传统UKF的模型精度大体相当,但速度更快,计算效率更高。     

对机载相控阵雷达STAP技术的旁瓣干扰

空时自适应处理(STAP)是一种有效的抗干扰技术。介绍机载相控阵雷达STAP技术检测动目标的基本原理,提出了基于灵巧噪声的旁瓣干扰方法。研究了灵巧噪声的具体干扰样式,利用其经雷达MTD处理后在距离-多普勒域都展宽的特性形成大量假动目标,当假动目标的距离-多普勒信息与待检测通道吻合时将产生响应输出形成欺骗干扰,以扰乱目标的正常检测,理论分析和仿真结果证明了干扰的可行性和有效性。     

基于N-策略的多级适应性休假的M/G/1排队系统

N-策略的休假排队模型有着广泛的应用背景。在文献[2-3]的基础上,研究了N-策略多级适应性休假M/G/1排队系统。通过使用全概率分析方法、拉普拉斯变换和拉普拉斯-斯蒂阶变换理论,得到各阶段队长的瞬态分布、队长的母函数以及平均队长的递推表达式。为预测某时刻顾客数量的概率大小、获得利益最大化的阈值N提供了理论依据。     

起重机吊重摆角的自适应神经网络补偿控制

为了控制起重机吊重摆动幅度在最短时间内衰减到规定范围或平衡点附近,同时考虑到由于外界不确定性因素导致的系统模型的不确定性,设计了自适应径向基函数Radial Basis Function（RBF）神经网络补偿控制器。RBF神经网络对系统模型的未知函数进行辨识,并将辨识信息提供给控制器。实验结果表明：吊重摆角约在5s时跟踪给定幅度的正弦信号,并在参考信号发生突变时,摆角仍在给定的范围内;RBF神经网络约在5s后几乎以零误差辨识未知函数。所设计的控制器对不确定性因素具有较强的鲁棒性,这也验证了控制系统稳定性证明结论。     

基于“当前”统计模型的机动目标自适应跟踪算法

针对"当前"统计模型对加速度极值及机动频率需人为设定的缺陷,提出了一种基于滤波残差的高斯型隶属度函数改进算法,该法在跟踪过程中对加速度极值进行自适应调整。引入一种基于残差的Sigmoid二次型隶属度函数,通过自适应改变机动频率,使模型趋于目标真实状态。理论分析和仿真结果表明,改进的模型避免了人为引入误差,提高了机动目标的跟踪精度,算法简单,易于工程实现。