软判决Viterbi译码算法及其在C54X DSP的实现

本文描述了Viterbi译码算法,以及如何在TMS320C5402上实现软判决的Viterbi译码算法。文中给出了详细的软件代码,最后分析了完成一次译码所需要的MIPS。     

运载火箭姿控系统三通道Simulink建模与仿真分析

以某运载火箭为例,介绍了将姿控系统数学模型转化为Simulink三通道仿真模型的方法和过程;在仿真过程中涉及到时变系数的瞬时时间固化法,分析由此引起的计算数据局部振荡,并提出解决办法;分析了用Simulink为该大型系统建模时所遇到的代数循环问题,并加以解决。     

结合规则知识与神经网络于空袭武器的辅助选择

结合规则推理与神经网络,提出了一种新的空袭武器辅助选择方法。其根据空袭武器选择的基本原则以及问题的特点,构造T-S模糊逻辑系统及其实现的相应神经网络模型,然后通过已有的战例与试验例子训练神经网络,并对问题进行求解,得出空袭武器选择提供依据(一种量化的武器适用度)。另外,还利用专家提供的规则知识于学习实例的预处理,学习实例信息的扩充。     

基于神经网络的目标预测跟踪

针对高炮火控系统的现状,在阐述神经网络模型预测控制理论的基础上,将神经网络模型预测控制器应用于火控系统的目标跟踪中,同时利用Matlab对其进行了实验仿真,并将仿真结果与传统控制器和模糊控制器仿真结果相比照进行了分析,验证了该控制器可以较好地提高火控系统目标跟踪的速度和精度,从而使系统具有良好的鲁棒性和自适应性.     

基于TensorFlow的四旋翼无人机着陆地标识别

针对多旋翼无人机在无人干预情况下的自主着陆问题,提出一种基于迁移学习的地面标识图像检测方法.该方法基于TensorFlow深度学习框架,使用迁移学习技术在地面标识数据集上重新训练Inception-v3模型以构建新的地面标识识别模型.以四旋翼无人机为例,将其拍摄的着陆坪图片与其他地面标识图片作为训练集输入神经网络,通过多次训练校正神经网络参数.实验结果表明,基于迁移学习的四旋翼无人机着陆地标识别比直接基于In-ception-v3模型的识别效果要好得多,在仅有数千张训练图片的情况下,测试准确率超过90％.在Windows下训练、测试的模型可移植到树莓派3B上,完成了基于Python和TensorFlow开发的程序在不同操作系统下运行的验证工作.     

基于CNN-LSTM的在轨卫星故障预测分析

在役考核中,对遥测参数进行监控与分析,是评估在轨卫星工作状态及健康状况的重要途径.为解决在线多任务故障预测问题,提出了结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的数据挖掘模型,并运用了一种基于误差反馈的权重自调整机制.利用某型卫星(含故障)遥测参数的仿真数据进行分析处理,实验结果表明:在线CNN-LSTM模型以最小的信息损失进行建模,对比单一模型以及传统的回归模型,CNN-LSTM模型不仅在测试集上取得了最小平均绝对百分比误差12.61％,同时模型预测性能在长时间预测中优于离线模型.     

基于神经网络和遗传算法的威胁度估计算法

针对威胁度估计问题,提出了基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。     

一种面向军事物联网的网络流量异常检测模型

针对军事物联网中网络流量数据日趋复杂,数据特征维度高等特点,将卷积神经网络算法应用到网络流量分析领域.根据数据特点,构建出一种基于无池化层改进型卷积神经网络(NPCNN,No Pooling CNN)的网络流量异常检测模型.采用Modbus、NSL-KDD和KDDCup99数据集对NPCNN网络流量异常检测模型进行验证,同时将NPCNN网络结构同传统的卷积神经网络对比,通过对实验结果的分析发现,该模型在军事物联网网络流量异常检测中具有可行性和可扩展性.同时NPCNN网络在准确率性能方面优于传统的卷积神经网络,为军事物联网网络流量分析提供一种可靠方法.     

基于优化神经网络的军事训练保障标准实施效果评估研究

对军事训练保障标准的实施效果进行评估有助于加强军事训练保障标准的闭环管理,提升标准建设质量。研究了基于LM反向传播算法的军事训练保障标准实施效果神经网络评估模型。从技术内容评估、实施过程评估、实施效益评估3个方面进行系统分析,建立了评估指标体系;在LM反向传播算法的基础上建立神经网络评估模型,反映了军事训练保障标准实施效果综合评估目标与评估指标因素之间复杂的非线性关系,降低了评估过程中的主观因素影响。对某场地建设标准实施效果进行实例评估,结果表明模型合理可行。     

基于神经网络的椭圆扩展目标形态估计

针对复杂环境下由稀疏量测引起的椭圆扩展目标形态估计精度低的问题,提出了一种基于神经网络的形态估计方法。利用神经网络对目标量测进行处理,估计出椭圆扩展目标的轴长,然后结合卡尔曼滤波算法实现目标的跟踪。仿真实验结果表明,通过与基于随机矩阵、乘性误差以及卷积神经网络等模型的算法相比,所提算法的跟踪性能有显著改进。