结合多层快速多极和ILUT预处理算法分析复杂目标的电磁特性

分层快速多极算法(MLFMM)和ILUT预处理算法被结合来分析电大尺寸目标的电磁散射和辐射特性。采用矩量法求解电磁场积分方程,最终须要求解一线性方程组。分层快速多极算法被用来加速用迭代法求解线性方程组时的矩阵向量乘积的运算。ILUT预处理算法被用来降低方程组系数矩阵的条件数,加快迭代法的收敛速度。计算实例表明了该方法的通用性和高效性。     

漏磁信号特征提取及检测研究

介绍了漏磁检测原理和用有限元法计算漏磁场的方法,漏磁场法向分量的峰-峰值随缺陷深度增加而增加,峰-峰值间隔随缺陷宽度增大而增大。在检测中,先去除漏磁信号的奇异值,然后用峰-峰值算法提取缺陷信号特征,根据信号的峰-峰值大小和信号梯度变化作为缺陷判别标准。     

小波变换在过零调制信号检测中的应用研究

将小波分析理论应用于配电网络过零调制信号的检测中,解决了在强噪声、低信噪比的配电网络中通信误码率高的难题,提高了系统的信噪比。给出了小波变换Mallat算法的分解和重构公式。信号仿真表明,应用该方法可以很好地从复杂环境下提取有用信号的特征。     

基于NNLI技术的齿轮箱故障诊断

将NNLI技术应用到齿轮箱的故障诊断中,提出了基于NNLI的特征提取方法,并将该方法与神经网络结合起来,进一步提出基于NNLI特征提取的神经网络故障诊断方法,给出了两种不同的网络分类器,通过齿轮箱故障诊断实例验证了该方法的有效性。     

基于BP神经网络带调压器直流发电机特性的辨识

为使坦克直流发电机的调压特性实验能够在计算机上仿真进行,节约教学实验成本,可利用神经网络对直流发电机的调压特性进行辨识,得到了比手工绘制精度更高的特性曲线.因此,调压特性的神经网络辨识法,有利于直流发电机特性实验教学.     

基于神经网络模糊融合技术的潜艇声纳目标识别系统

将神经网络和属性层模糊数据融合技术应用于潜艇水下目标识别是解决潜艇声纳目标识别问题的有效途径。本文建立了声纳目标识别系统的结构模型和算法模型,设计了一个基于神经网络属性层模糊数据融合的目标识别系统,研究了将噪声信号功率谱和双谱用于目标识别,并进行了仿真,验证了该系统的可行性和有效性。     

随机双向联想记忆神经网络概率1指数渐近行为研究

随机双向联想记忆神经网络(BAM)平衡点具有某种渐近行为是网络的关键问题之一。通过应用It公式和Grownwall不等式,研究了随机BAM神经网络的概率1指数渐近行为,并且得到一些新的保证网络具有上述行为的代数判据,所得结论较之现有结果限制条件要弱且具有较大的应用范围。     

信噪比盲评估算法分析与应用

正确地进行信噪比(SNR)评估是CDMA系统进行有效通信的基础,也是某些算法实施的基础,如功率控制、多径搜索与跟踪等。传统的方式中,往往以接收到的信号幅度(信号+噪声)的大小来判断接收信号质量,这在SNR较大的情况下是可行的,但在小信噪比条件下,由于噪声干扰严重,接收信号幅度的大小,不能反映接收信号质量水平。只有接收信号SNR的大小,才能反映接收信号的实际质量。本文提出了一种基于信号高阶统计矩分析的SNR盲评估算法,计算机仿真结果表明,该算法较其他算法有更好的适应性。     

BCH+turbo码在军用光通信系统应用中的性能分析

对应用于光通信系统的原始turbo码提出了改进方案:用BCH码做外码、turbo码做内码组成一种新的串行级联卷积码(SCCC).提出了相应的全面迭代最大后验概率(MAP)译码算法.推导了级联码的不可检测错误概率.对SCCC码的误码率进行了仿真,仿真结果表明,SCCC码在高信噪比时降低了通信系统的误码率,可适用于军用光通信系统.     

基于BP神经网络的复杂电子设备实时故障诊断专家系统

以某型通信设备为例,介绍了如何将BP神经网络和传统的专家系统结合在一起,构成实时的故障诊断系统,从而避免传统的专家系统存在的一些问题,更好地解决故障诊断的问题.