基于结构应变响应的高速枪击载荷识别的理论分析与实验方法

基于多自由度系统的运动微分方程和结构的几何方程推导出识别单一动态载荷的数学模型。并将此理论应用于枪击载荷的识别,获得了令人满意的结果。同时,给出了一套完整的动载识别的实验方法。     

新型武器装备系统中的人工神经网络技术

本文首先分析了现代战场环境对武器系统智能信息处理的应用需求,然后对神经网络理论与技术在武器装备系统中的现实应用与潜在前景给出了一个从理论到实例的较为详细的介绍与分析。着重介绍了神经网络在雷达、红外及声纳目标的检测、识别、多机动目标跟踪及武器系统的智能控制等方面的应用情况,力图展示神经网络用于武器装备系统的特色与优势,并给出了其在武器装备系统各方面应用情况的一个概貌。在文章的最后,针对目前存在的神经网络实验研究到实际装备之间的缺环,我们分析了神经网络能力验证的研究即神经网络本身可靠性研究的必要性与迫切性。     

末敏子弹敏感器的系统设计问题

本文根据近年来研制末敏子弹敏感器的实践,结合国外一些文献的报道,提出了在敏感器系统设计中所需考虑的一些问题。     

物体识别不变性方法比较分析(Ⅰ)——统计方法

在计算机视觉与模式识别中,如何从不同的角度来识别同一物体而与该物体的位置、放置方向无关,是一个关键的课题,至今仍无很好的解决方法。本文中,我们总结了现有的方法,并将它们分为统计方法、解析方法和神经网络方法3类,并对这些方法的两个主要性能指标,即噪声敏感性和变形敏感性进行了模拟分析,模拟工作是在Masscom高速微巨机上完成的。最后,我们提出了一种新的方法。     

确定冲击载荷识别频段方法探讨

冲击载荷识别中,识别频段的确定直接影响识别精度,根据目前确定信号频段的4种方法,通过分析比较,提出了依实际情况,经载荷频段预估、试识别、平滑处理,而后用载荷频谱函数下降20db确定载荷频段的方法,并通过实例,进一步说明了该方法的可行性。     

基于本征极化的飞机目标识别

提出了变质极化散射矩阵对称性的最小Ｆｒｏｂｅｎｉｕｓ范数准则修正方法,并在此基础上利用本征极化理论提取了雷达目标的极化特征,对五种飞机目标进行了识别实验研究,取得了良好的目标分类或识别效果。     

中近距离爆炸与地震的识别

建立了一种识别中近离爆炸与地震的方法,采用Ｆｉｓｈｅｒ线性差别和多层前馈神经网络２种模式识别方法对河北地区和山西地区２的类事件进行了识别,实验证明：Ａｐ／Ａｓ,Ｔｓ具有较好的分类能力,Ｍｌ／Ｍｄ的分类能力一般;实验还表明,鉴别量的分类能力不仅与传播有关,还与采用的模式识别方法有关。     

基于结构自整定前馈网络的雷达目标识别研究

概述了基于雷达成像的目标类型识别技术。阐述了多层前向网络的分类特性,提出一种网络结构自整定算法来训练网络,并构造分类器,对基于转台成像实验的雷达目标类型识别问题进行了仿真研究。研究结果表明,经结构自整定算法训练后的前馈网络对成像雷达目标具有较好的推广识别能力,识别率达到９０％。     

基于一维平均距离像矩特征的飞机目标识别

本文分析了利用一维距离像进行目标识别的问题。通过对目标相邻的一维距离像进行幅度平方平均处理,得到比较稳定的平均距离像。然后将目标的平均距离像看作二值图像,提取它的矩特征用于分类识别。对三类飞机目标进行分类识别的结果表明该方法是可行的。