基于混合模型的雷达信号脉内波形分类

为了在雷达接收机中实现对目标信号调制方式的快速判别,针对雷达信号脉内波形分类问题,提出了一种适用于多波形分类的模型.该模型根据信号的自相关性强弱确定应采用的信号预处理方式,进而通过预训练的分类器实现分类.该模型的关键点是根据信号自相关性的强弱分别采用自相关和短时自相关处理信号,并对结果进行时频分析以获得可以描述原始信号...     

基于粗糙集和神经网络的无人机侦察效能评估

针对无人机在多条件下的侦察效能评估问题,提出一种基于粗糙集和神经网络的无人机侦察效能评估方法.在该方法中,寻找影响因素构建无人机侦察效能评估指标体系;结合粗糙集理论去除当中的冗余因素;并在处理因素基础上利用遗传优化的BP神经网络构建无人机侦察效能的评估模型,以提高预测精度.仿真结果表明:该模型不仅能够克服传统BP神经网...     

基于局部敏感哈希算法和神经网络学习的跨媒体检索方法

为了提高跨媒体检索的效率,可行的方法是降低数据集中不相关内容的比例。采用局部敏感哈希算法将图像数据映射到汉明空间并利用神经网络学习将文本数据映射到汉明空间的哈希函数,提出一种可以显著提高数据集中相关文件比例的高效跨媒体检索方法。实验结果表明,提出的方法能够有效去除数据集中的不相关内容,相对于已有的跨媒体检索方法,其有效提高了检索效率与准确率。     

迷离神奇的军用地图

从战争的雏形乍现到发展壮大的历程,军用地图就一直是指挥作战的决策者和参谋人员运筹帷幄的重要依据,是决定指挥正确与否的制胜一环,历来被军家所重视。即使战争已进入高技术时代,军用地图仍发挥着其他手段不可替代的作用。因此,世界各国都致力于对军用地图的研制,特别是现代新技术的广泛应用,使军用地图更加简捷、方便和直观,给用图者带来了极大的便利。各种功能的地图也应运而生。     

基于自适应模糊神经网络的油料消耗预测模型

根据我军油料消耗预测方法的现状,利用模糊控制和神经元网络原理,提出了一种新的预计方法。量化的作战条件作为系统的输入,预计作为系统的输出,根据历史的输入、输出数据确定系统的特性,激励预测模型,利用此种方法建立的模型根据历史数据训练后,输入现有作战估计条件,即可对部队日平均油料消耗做出预测。     

基于混合训练神经网络的武器系统效能评估

本文采用将遗传算法和神经网络相结合的混合训练神经网络模型 ,分析了其基本思想方法、具体实现过程 ,以及在武器效能评估中的具体应用。实例分析表明 ,该模型用于武器系统效能评估可较好地克服人为因素和模糊随机性的影响 ,使评估结果更为合理可信。     

登陆作战智能化海上输送装卸载作业系统的设想

本文提出了采用代理机制 ,构建智能装载实体 ,实现决策机构智能化的方法 ;文章认为 ,使用分层多级代理 ,以及对象间通信、协商、竞争与裁决的机制 ,并通过基于神经网络技术的学习功能 ,能实现装卸载作业系统对复杂规则 ,尤其是军事规则的逐步理解 ,达到智能化装卸载作业方案生成的目的。     

基于模糊神经网络的弹道导弹测发控系统故障诊断

将模糊神经网络应用于导弹测发控系统的故障诊断。经过仿真发现,模糊神经网络可以充分利用专家知识的不确定性,而且诊断效果很好。     

基于卷积神经网络的中段拦截弹弹道规划

为解决中段反导拦截弹实时规划问题,将经典Lambert理论与卷积神经网络(CNN)相结合,提出一种高效的拦截点解算方法。基于Lambert理论构建二体假设条件下椭圆轨道的中段反导拦截弹弹道规划模型。利用卷积神经网络求解模型,可在满足精度要求的同时极大提升解算效率。利用Matlab仿真软件验证了此方法的合理性。此方法可以推广至其他作战规划问题,以满足作战选择的多样性需求。     

基于因子图的AUV协同导航通信延迟误差补偿算法

针对自主水下航行器协同导航系统水声通信延迟导致的定位误差增大问题,在因子图协同导航算法框架下提出一种基于量测信息重建的通信延迟补偿算法。首先,基于主从式协同导航系统状态方程、量测方程构建因子图模型。由于多个自主水下航行器距离量测信息导致因子图模型存在环结构,故通过两次消息传递迭代求解各节点变量概率密度分布。随后,在广播式水声通信延迟机理分析基础上进行量测信息重建,并将其接入因子图代替原始量测信息进行消息传递与解算,从而补偿水声通信延迟。仿真实验结果表明,所提算法可以有效提高从自主水下航行器定位精度,没有通信延迟补偿的协同导航算法定位精度与水声通信固定延迟呈反比,在水声通信固定延迟为10 s的条件下,所提算法相比没有通信延迟补偿的协同导航算法,定位精度可以提高82.57%。