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PSO-SVM与样本加权的武器装备费用建模与预测

武器装备费用预测是武器装备费用分析的重要内容,预测分析的难点之一在于样本数据少,且样本数据具有复杂的非线性特点。充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点,采用粒子群算法快速优化支持向量机的模型参数;充分利用样本信息,模型中样本加权值的确定采用预测误差和样本相似度的样本加权方法,研究建立基于PSO...     

改进的判决加权RLS无线信道估计

随着移动通信的飞速发展,有限的无线频谱要求无线收发信机能够对时变的无线信道进行准确的盲估计.为了进一步降低判决差错和噪声波动对估计的影响,首先介绍了对无线信道的判决加权递推最小二乘盲估计,然后修正估计的判决方式,得到改进的判决加权递推最小二乘估计,最后仿真比较了移动环境下的无线信道各种估计与延迟扩展、多普勒频移及信噪比的关系和性能.     

基于卷积神经网络与滤波融合算法的某惯导系统剩余寿命预测模型建立

在对产品中具备大量运行观测性能数据的关键系统部件进行剩余寿命预测的过程中,因寿命数据稀少难以建立寿命分布模型。而对产品性能观测数据进行退化建模,传统退化过程分析模型对于产品性能观测数据适应性差导致产品寿命预测精度低、有效性弱的问题,充分挖掘部件退化数据信息,依据相关退化分析技术,基于统计模型中的滤波预测方法与机器学习技术中的回归卷积神经网络（regressive convolutional neural networks, RCNN）预测方法建立产品剩余寿命预测融合模型。融合模型结合了滤波预测模型对产品退化状态的挖掘能力、不确定表达能力与RCNN网络模型良好的数据适应性、预测的准确性,提高了产品退化数据分析的准确性及有效性,可对产品关键部件的寿命进行有效预测,为产品中具备大量运行观测数据的关键系统部件健康管理提供辅助参考。     

基于改进支持向量回归机的天基信息系统效能评估

天基信息系统效能的评估对于一体化作战的现代战争具有重要意义。针对武器系统效能评估的影响因子复杂、样本数量少、非线性较强等特点,采用支持向量回归机算法,并引入布谷鸟搜索算法对支持向量回归机的3个参数进行优化选取。仿真实验结果表明,改进支持向量回归机与传统支持向量回归机、BP神经网络相比,具有更高的准确度,可以有效地对天基信息系统进行效能评估。     

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%。     

基于改进的区域能量特征多分辨率图像融合算法

基于区域能量特征的融合规则在多分辨率图像融合算法中应用很广,但区域窗口较小时,融合效果往往不是最好的,而窗口较大则容易使图像轮廓与非轮廓区域之间模糊,造成融合图像清晰度降低。针对上述问题提出了改进的基于区域加权能量的融合规则,包括矩形区域和近似圆形区域两种,权值与像素距区域中心的距离成反比。仿真表明,两种方法克服了传统的区域能量特征作为融合规则的不足,改善了图像融合的质量。     

遗传算法在非线性回归模型辨识中的应用

对遗传算法在非线性回归模型辨识中的应用进行了探讨,切削温度回归模型辨识的实例表明,该方法是有效的.     

一种快速辨识ARMA信号模型参数的方法

本文给出了一种对ARMA信号模型参数进行自适应滤波快速辨识的方法。首先提出将MA模型匹配ARMA模型的理论误差转化为输出端的加性噪声．然后提出了一种新的变步长LMS算法。基于以上两点,本文使用自适应滤波器,通过拟合模型传递函数来辨识模型参数。数值仿真结果及其与IIR SHARF算法的比较证明本文的理论分析。