基于LVQ神经网络的雷达杂波抑制方法

针对雷达目标检测后的剩余杂波影响雷达航迹起始和航迹跟踪的问题,提出基于学习向量量化（learning vector quantization,LVQ）神经网络的雷达杂波抑制方法。从雷达回波点迹的特征入手,通过分析目标点迹和杂波点迹的特征分布,通过人工提取特征的方式选取具有差异化的特征。根据特征数量和点迹类别数量构建LVQ神经网络分类模型,并对模型进行训练。利用训练好的LVQ神经网络分类模型对雷达回波点迹进行分类,区分目标点迹和杂波点迹,保留判别为目标的点迹,滤除判别为杂波的点迹,从而实现杂波抑制功能。通过对某型航管雷达的实测数据进行测试表明：该方法能够有效区分目标点迹和杂波点迹,杂波抑制能力比BP神经网络算法更好。     

BAT子弹药对二维声目标的角跟踪

针对BAT(Brainpower Antitank)智能子弹药声探测系统不能定距问题,提出一种在仅有方向角信息条件下对地面机动声目标跟踪算法.首先分析了BAT声探测系统做三维运动时的定向算法;然后结合弹体运动特点,给出一种仅利用目标方向信息对地面机动目标跟踪算法,分别推导了目标静止、匀速、匀加速以及更高阶次运动时的角跟踪公式,并指出了定向误差存在的前提下其成立的充分条件;最后,给出了一个该算法的精确度函数,可以量化评估算法的精度,优化跟踪轨迹.理论分析表明BAT不需要在水平方向上做出比机动目标更高阶次的运动即可实现对目标的角跟踪.     

人工神经网络的装甲兵体系作战协同效果评估

针对基于信息系统的装甲兵体系作战中的协同问题,在综合分析装甲机械化部队体系作战协同过程及信息流程的基础上,构建了基于精确性、有序性、灵活性、时效性等原则的协同效果评估指标体系,采用基于人工神经网络的多指标综合评价方法,建立基于BP神经网络的综合评价模型,并结合实证分析,利用MATLAB软件进行仿真计算,为装甲兵体系作战协同效果评估提供了较好的途径,为装甲兵指挥员更加合理地组织信息化条件下体系作战协同提供决策依据.     

基于神经网络的信息融合算法研究及其在入侵检测中的应用

目前,网络入侵技术越来越先进,许多黑客都具备反检测的能力,他们会有针对性地模仿被入侵系统的正常用户行为;或将自己的入侵时间拉长,使敏感操作分布于很长的时间周期中;还可能通过多台主机联手攻破被入侵系统.对于伪装性入侵行为与正常用户行为来说,仅靠一个传感器的报告提供的信息来识别已经相当困难,必须通过多传感器信息融合的方法来提高对入侵的识别率,降低误警率.应用基于神经网络的主观Bayes方法,经实验,效果良好.     

用结构自适应前馈网络解算多目标导弹攻击区

多目标导弹攻击区的实时解算是机载多目标攻击武器系统得以技术实现的中心环节。阐述了“多目标导弹攻击区”的概念 ,探索了其解算的技术途径 ,提出了“实时、高精度和低存储”的解算要求。根据上述技术要求 ,设计了基于网络灵敏度统计分析的多层前馈网络结构自适应算法 ,以用于训练合适规模的多层前馈网络逼近器。在此基础上 ,进行了系统仿真研究 ,研究的结果表明了该方案的应用前景。     

分布函数充要条件的另一种证明

对函数F(x)为分布函数的充要条件进行了证明:必要性的证明直接采用概率论中传统的证法;而充分性的证明则从随机变量特征函数φ(t)出发,利用特征函数的充要条件来证明分布函数F(x)的充分条件,从而避开了用实变函数中的测度理论证明充分性的传统证法。为分布函数充分条件的证明提供了一种比较简单和实用的证明方法。     

基于遗传算法的航路规划模型研究

航路规划模型问题是飞行器航路规划研究的一个重点问题。目标函数模型设计的合理与否,对航路规划的效率及准确度将产生十分重要的影响。在建立连续的威胁概率函数模型、构建航路规划目标函数模型时,将遗传算法应用到航路规划中,通过仿真计算验证模型有效性。     

基于无迹卡尔曼滤波的移动目标跟踪算法

为了提高对目标跟踪的位置估计精度,提出基于无迹卡尔曼滤波的移动目标跟踪UKTT算法。UKTT算法先获取移动目标与锚节点间的接收信号强度指示RSSI值,再依据这些RSSI值训练通用回归神经网络GRNN模型,并由GRNN初步估计目标位置,再由无迹卡尔曼滤波UKF修正目标位置的估计值。仿真结果表明,提出的UKTT算法提高了对目标位置的估计精度。     

Rayleigh分布环境因子的经验Bayes估计及仿真

讨论了Rayleigh分布环境因子的定义和估计问题。基于逐次截尾模型,在LINEX损失函数下,给出环境因子的经验Bayes估计。最后利用Monte-Carlo方法对经验Bayes估计和极大似然估计进行了分析比较。结果表明,经验Bayes估计优于极大似然估计。