小子样条件下导弹靶场试验综合评定方法

针对导弹靶场试验中的小子样问题,分析了自助法和随机加权法,并对自助法中再生子样较为集中的不足进行了改进。通过仿真比较得出,改进后的自助法具有更好的评定特性。     

面向飞参数据处理应用的数据平滑算法对比

对飞参原始记录数据进行预处理是有效利用飞参数据的基础。介绍了三种典型数据平滑算法的原理,建立仿真航线,并以飞参经度和纬度通道数据为例,对三种平滑算法的处理效果进行了对比研究。结果表明,当误差服从正态分布以及广义正态分布时,通过选取适当参数,Vondrak算法相对于滑动平均和加权局部多项式回归算法具有明显优势,从而为飞参原始记录数据的预处理算法选择提供了参考。     

火力控制系统研究的人工神经网络方法

人工神经网络提供了新的信息处理方法。着重讨论了多层前向网络的基本特性,结合火力控制系统的研究分析了网络应用的几个方面,并给出了有关的例子。此外,分析了网络设计方面的有关问题。     

基于高斯过程回归的锂电池SOC估算方法

作为电池管理系统的基础,锂电池荷电状态(state of charge,SOC)的实时准确估计十分重要.现有的锂电池SOC估算方法能够实现SOC的估算,但不能评估SOC估算结果的不确定性.为了解决这个问题,将高斯过程回归(Gaussian process regression,GPR)应用于锂电池SOC估算中,提出了一...     

基于SAR目标识别的深度学习方法

研究了DBN和SDAE在SAR雷达目标识别领域的应用,并在此基础上提出了一种双通道单隐含层的深度学习模型—DBN-SDAE。该模型的优势在于采用双通道的单隐含层模型对图像数据进行学习,提取图像特征,避免了传统深度学习方法随着隐含层和神经元数量的增加计算复杂度增长过快的缺点;同时采用加权融合方法融合两个通道所学习的特征,既保留了数据的细节信息,又保留了数据的结构信息,一定程度上解决了特征利用不充分的问题。实验结果表明,所提方法在NN迭代次数远远小于DBN中NN的迭代次数;且在识别准确率上最高可达98.640%,较SDAE和DBN分别高0.511%和1.701%。     

分块自适应加权改进大规模概率模糊聚类

为解决传统基于贝叶斯理论的概率模糊聚类(Bayesian Fuzzy Clustering,BFC)算法在处理大规模数据集聚类时的时间开销和存储代价瓶颈,提出基于数据分块的单程自适应加权BFC算法,算法在大规模数据集分块的基础上,设计了基于数据加权的改进BFC算法,用于数据分块内数据聚类,以挑选出对聚类贡献最具代表的标...     

决策树集成方法在反舰导弹效能评估中的应用

在反舰导弹效能评估方法中,针对存在主观经验和计算时间成本高的问题,提出了随机森林和梯度提升回归树2种决策树集成方法.通过构建3层19个分量的反舰导弹效能评估指标体系,改进的ADC(availability dependability capacity)评估模型建立了不同状态反舰导弹武器系统参数数据样本240份,切分数据...     

多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。     

基于随机加权法的BAYES精度评定

从工程应用的角度出发 ,在极小现场子样条件下 ,讨论了如何利用验前信息与现场子样来对导弹的命中精度进行评定 ,将随机加权法与BAYES方法结合起来 ,提出了基于随机加权法的BAYES精度评定方法 ,并通过算例证实了方法的正确性     

基于ABA处理和幅度加权的频率捷变单脉冲雷达角闪烁抑制技术

针对频率捷变幅度加权角闪烁抑制方法进行改进,提出了一种基于ABA(amplitude-based angle)处理的幅度加权角闪烁抑制方法。首先将单个脉冲测角的结果限制在一定范围内,然后对多个脉冲测角的结果进行幅度加权,仿真表明这种方法在各种信噪比条件下的角闪烁抑制性能都要大大优于常规的幅度加权方法。