基于改进烟花算法的ELM分类模型

针对极限学习机(Extreme Learning Machine,ELM)的性能必须依赖于大量隐层节点的问题,提出了基于改进烟花算法(Improved Fireworks Algorithm,IFWA)的ELM分类模型。用改进的烟花算法进行迭代搜索,求得N个最优的烟花;选择ELM测试数据集的RMSE作为改进烟花算法的适应度值函数,来优化ELM每个隐层节点的输入权值和偏置,使得节点的决策水平提高,从而使ELM的决策性能显著提高;采用KDD99数据集验证表明:改进烟花算法的极限学习机(IFWAELM)能够以较少的隐层节点得到更高的测试平均正确率,提高了极限学习机的泛化性能。5种同类算法性能对比实验也表明IFWAELM是效果最优的。     

一种基于能量补偿修正的移相相减方法

针对基于移相相减技术的双线阵左右舷分辨方法(移相相减法)在端射方向的能量衰减问题,依据移相相减法所得心形指向性函数变化形式,提出一种基于能量补偿修正的移相相减方法。该方法根据移相相减技术得到扫描角度上的合成数据;依据心形指向性函数变化形式与扫描角度关系,采用能量补偿修正技术降低扫描角度对合成波束的影响。理论推导分析和仿真实验结果均表明,当目标位于端射方向时,相比原移相相减法,本方法可以对目标实现有效探测;在同一衰减比下,探测能力增加了10°以上,增加了移相相减法对目标方位角的适用范围。     

火炮射击冲击加速度信号提取方法研究

火炮结构在受到射击产生的冲击时易发生故障,最终影响火炮的寿命和性能。故障信号通常淹没在冲击加速度信号中,不易被识别。针对上述问题提出一种基于经验小波变换(EWT)和能量算子的信号提取方法,通过能量算子增强冲击响应特征,改进传统EWT的频谱分割方法,将火炮加速度信号分解为多个模态,有效地提取火炮的冲击特征。实验表明,改进后的EWT方法相对传统EWT对故障信号提取效果更好,时频图表现更清晰。     

中国国防费时间序列预测模型构建

文章综合运用B-J时间序列建模方法,对中国国防费时间序列平稳性进行了判别;采用单位根方法检验了时间序列的单整阶数;利用自相关函数和偏自相关函数判别了时间序列模型的自回归阶数(AR(p))和移动平均阶数(MA(q));构建了中国国防费时间序列模型,并进行了分析和预测。     

一种基于证据理论的陆战场机动平台情报关联方法

针对陆战场情报来源对象不明的问题,提出了一种采用证据聚类技术对陆战场机动平台情报进行分类以实现目标关联的方法。该方法针对陆战场机动平台的特点,建立描述该类情报的证据理论模型;并将各情报之间的矛盾量化成冲突因子,推导分类优化函数;然后采用平均场模拟退火算法进行情报分类。     

韦布尔干扰中有序统计平均恒虚警检测器性能

证明了形状参数已知条件下有序统计平均恒虚警检测器在韦布尔分布杂波背景下具有恒虚警性能,推导了该背景下OSCA-CFAR检测器对非起伏目标的检测概率Pd和平均判决阈值的解析表达式,用数值方法讨论了尺度参数和序值变化对检测性能的影响,最后分析了多目标情况下该检测器的性能,并于有序统计进行了比较,分析结果表明OSCA在多目标环境下具有较好的检测性能.     

高速防空导弹声固耦合动力学分析技术研究

针对防空导弹的特点和工程应用的需求开展声固耦合动力学分析方法研究.以防空导弹典型舱体结构为例,分别建立有限元模型和统计能量分析模型,结合模型修正后的分析参数,提出了全频段声固耦合分析技术的解决方案,计算得到声振系统全频段的结构和声场响应结果,与试验结果对比,验证了方法的有效性.