坦克火控系统机动目标的自适应滤波与自适应解命中问题

在非制导火控系统中,为实现目标信息的自适应滤波与自适应解命中问题,机动目标模型应能实时识别,并要适应工作周期的各种变化。本文提出了“参数辨识模型”,首次完全满足了上述要求。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

多状态系统故障树质蕴含集的求取算法

本章首先给出多状态系统状态空间的立方体表示方法,然后建立相应的运算规则。在这些规则的基础上,提出多状态系统故障树质蕴含集的求取算法。通过实例分析,说明了这种方法的可行性。     

一种分析噪声背景下目标特征有效性的方法

本文根据目标特征和噪声分布,在一定假设条件下推出了最小错误率（Ｂａｙｅｓ错误率）的表达式,从而把特征分布、噪声大小直接与分类的最小错误率联系起来,给出了一种分析噪声背景下目标特征的有效性的方法。文中利用这种方法对目标和诱饵的红外辐射特征的有效性进行了分析     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

内外干扰因素对液体火箭发动机的影响分析

在已有的液体火箭发动机稳态工况的非线性数学模型基础上,计算分析了单干扰因素对液体火箭发动机参数的影响,用非线性方法和小偏差方法对比分析了两个干扰因素分别和共同对发动机参数的影响。所得结论可用于泵压式燃气发生器循环的液体火箭发动机试验结果分析、可靠性及故障分析,也揭示了此类发动机参数随各种干扰因素的变化规律     

双基地系统中基于信息融合的关联技术

本文讨论了双基地雷达系统中几种基于信息融合的关联技术,提出在干扰条件下应用多卜勒频率和雷达反射面积等目标属性参数,来提高系统对多目标的关联能力。并以仿真手段证明了该关联技术的有效性。     

人工神经网络研究与传统人工智能研究中的几个基本思维问题的再讨论

本文结合当前人工神经网络与人工智能研究情况就思维能力的形成,思维活动的进行,思维活动的控制问题进行了讨论。认为人的思维特性主要由大脑神经网络的特殊结构体现,人的经验在形成这一结构中起着重要的作用;思维活动是多源控制条件与联想能力相结合的结果。另外,还从能量的观点对某些思维活动现象做了一定的解释,认为思维活动是机体在多源控制方式作用下具有较高能量记忆信息运动状态的表现。最后给出一个思维模型。     

ATR算法原理分析

随着现代微处理器和大规模集成电路、集成光路的发展,自动目标识别（ATR）算法技术在现代防御系统领域中具有越来越重要的作用。文章归纳了目标表示方法,着重对ATR算法──一统计模式识别算法、模板相关算法、基于模型的算法、人工神经网络算法,进行了概述和综合理论分析,并得出了一些有用的结论,为ATR系统学科的发展和应用奠定基础。