基于复杂适应系统理论视角的孙子作战思想研究

复杂适应系统理论把主体的主动适应和学习作为系统进化的动因,不仅为生命进化提供了新视角,亦为我们将其引入战争领域,研究作战问题提供了新思路。战争系统是一个充满着＂活＂的个体和变化因素的复杂系统,本质上属于复杂适应系统。《孙子兵法》的作战思想更是带有鲜明的复杂自适应特征,孙子十三篇,在如何适应战场形势和对手等方面进行了深入探讨,揭示了战争的诸多规律,亦为现代战争提供了有益借鉴。     

自适应抵消与谱相减结合的单通道语音消噪算法

飞机、坦克和船舶等封闭座舱内部产生的强机械噪声严重地影响了语音通信系统,为此,提出了自适应噪声抵消与谱相减结合的单通道语音消噪算法,其基本原理是:先进行基于相关检测的自适应消噪处理,其后采用谱相减算法消除残留噪声。仿真结果表明:该算法对引擎噪声的消噪效果明显,并能有效地保持语音清晰度,可应用于机械噪声很强的语音通信系统。     

信息化条件下白适应指挥控制

自适应指挥控制是适应信息化条件下快节奏作战的新型指挥控制方式。文章在明确自适应指挥控制内涵的基础上,分析了自适应指挥控制的基本特点,描述了自适应指挥控制的运行过程,提出了实现自适应指挥控制的基本途径。     

一类新型混沌动力学系统的自适应控制及同步研究

讨论了一类新型混沌动力学系统的自适应控制及同步问题。利用Lyapunov稳定性理论,得出了该类混沌系统的自适应控制方法;将该类系统作为驱动系统和响应系统,实现了在不同初值且参数未知情况下的自适应同步;进行了数值模拟,验证了相关结论。     

基于CAS理论的装备保障系统结构优化研究

信息化条件下联合作战装备保障系统是一个复杂系统。采用传统的还原论的方法难以实现对该系统进行优化。以复杂系统理论作为指导,采用自底向上的方法建立了联合作战装备保障系统的多主体计算机模型。以机步师山地进攻陆空联合作战装备保障为例,对比分析了装备保障系统层次结构和完全自组织结构的优缺点,证明了以复杂系统理论分析、优化装备保障系统结构是可行的。     

信源数动态变化的一种稳健超定盲分离算法

针对大多数现有盲分离算法都假定信源数已知,分析了信源数未知且动态变化时的超定盲分离(接收天线数多于信源数)算法,通过奇异值分解在线估计信源个数,并修正自适应神经网络的维数。文章在经典Cichocki-Unbenauen算法中加入动量项,设置可变步长,使分离性能得到较大的改进,同时避免训练陷入局部最小。与文献[1]新提出的ANA算法相比,仿真结果证明本文算法具有更快的收敛速度和更小的稳态误差。     

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。     

宽带稀疏线阵内外场联合通道校正技术研究

实际工程应用中数字波束形成的关键技术之一是接收通道校正,校正的精度将直接影响形成波束的主瓣宽度和副瓣电平。结合某工程实例讨论了一种在工程实现中的接收通道校正方法,通过频域均衡滤波器法和内外场联合利用已知信号源的天线校正方法,实现了通道幅相不一致性的校正,并提出了提高波束精度的天线方向校正方法。最后,根据实验数据计算相关的校正系数,并对测试信号进行校正,校正结果验证了该方法的有效性。     

机载脉冲多普勒雷达的自适应旁瓣对消实现方法

简要介绍了自适应旁瓣对消的基本原理。重点研究了自适应旁瓣对消在机载脉冲多普勒雷达中的工程实现方法,该方法打破了自适应旁瓣对消目前只能应用于采用低重脉冲重复周期的脉冲多普勒雷达的限制。通过对自适应旁瓣对消结果的分析,表明该方法完全能够满足现有机载脉冲多普勒雷达抗有源旁瓣干扰的需求。     

基于RNN汉语语言模型自适应算法研究

深度学习在自然语言处理中的应用越来越广泛。相比于传统的n-gram统计语言模型,循环神经网络(Recurrent Neural Network,RNN)建模技术在语言模型建模方面表现出了极大的优越性,逐渐在语音识别、机器翻译等领域中得到应用。然而,目前RNN语言模型的训练大多是离线的,对于不同的语音识别任务,训练语料与识别任务之间存在着语言差异,使语音识别系统的识别率受到影响。在采用RNN建模技术训练汉语语言模型的同时,提出一种在线RNN模型自适应(self-adaption)算法,将语音信号初步识别结果作为语料继续训练模型,使自适应后的RNN模型与识别任务之间获得最大程度的匹配。实验结果表明:自适应模型有效地减少了语言模型与识别任务之间的语言差异,对汉语词混淆网络进行重打分后,系统识别率得到进一步提升,并在实际汉语语音识别系统中得到了验证。