通信侦察中基于神经网络的伪码序列估计

针对直接序列扩频通信信号伪噪声(PN)码的干扰侦察问题,在已知信号伪码参数的前提下对直扩信号进行特征分析,用基于变步长的PCA神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebb学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,以使神经网络最终达到较好的稳态收敛。理论分析和仿真结果表明,本方法能在较低信噪比的情况下对较长伪码进行准确的估计。     

一种模糊学习Petri网模型及其收敛性分析

Petri网是对具有产生式规则的故障诊断系统建模的有力工具,但其学习能力不强。以Petri网的基本定义为基础,结合模糊逻辑和Petri网模型,并在此基础上引入人工神经网络技术,定义了模糊学习Petri网模型。模型中的隐含库所和变迁将人工神经网络中隐含神经元内部信息处理过程明确化,然后对该模型提出一种逐层调整变迁阈值的训练算法,该算法通过逐层调整的方式来获取变迁的阈值,改善了网络的学习效率,并对算法的收敛性进行了证明。最后,以故障推理实例验证了算法的有效性与实用性。     

反馈干扰系统的自校正控制方法

为实现系统跟踪期望输出及系统未知参数的在线闭环辨识,针对带反馈干扰的未知参数系统,结合最小方差控制算法和增广最小二乘法设计了自校正调节器。首先通过对反馈通道干扰的分析,给出了系统的等效模型;其次,按系统输出最小方差的原理设计了控制器,实现了系统跟踪期望输出;第三,运用增广最小二乘法对系统参数的辨识,给出未知参数的无偏一致估计,实现了参数的在线闭环辨识。通过对未知参数的辨识,用所辨识的参数计算调节器的参数,完成对控制律的修改,实现了系统跟踪期望输出和参数的在线闭环辨识。最后,利用该方法对实例进行了仿真研究。仿真结果表明:所提方法简单可行。     

基于动态神经网络的柴油机建模研究

针对全柴推进系统仿真中主柴油机输出扭矩的预测问题,分析了输出扭矩的影响因素,在实验室试车台记录数据的基础上,利用小波分析方法对带噪声的原始信号进行预处理,运用Elman动态递归神经网络建立了用于柴油机输出扭矩预测的控制模型.     

人工神经网络特征优化方法在模式识别中的应用

在模式识别中,特征量的选择及组合优化是设计模式识别系统的关键问题,它强烈地影响到分类器的设计及其性能。人工神经网络除了在模式识别中作为分类器应用之外,而且能够实现特征参数的提取。通过采用人工神经网络模型,对柴油机故障的特征量优化方法进行了研究,实现了对柴油机故障的特征提取及优化。     

基于神经网络的导弹系统保障可靠性分析

导弹武器系统保障可靠性对其战斗力的形成具有重要的影响作用。本文在以人的可靠性影响因素分析的基础上 ,借助人工神经网络的理论与方法 ,通过分析导弹保障全过程 ,给出了导弹保障可靠性的神经网络结构 ,并以实例研究了人的可靠性影响因素与保障可靠性之间的关系。它可为评价保障人员可靠性、进行人员选拔和训练等提供管理信息和技术方案。     

一种快速辨识ARMA信号模型参数的方法

本文给出了一种对ARMA信号模型参数进行自适应滤波快速辨识的方法。首先提出将MA模型匹配ARMA模型的理论误差转化为输出端的加性噪声．然后提出了一种新的变步长LMS算法。基于以上两点,本文使用自适应滤波器,通过拟合模型传递函数来辨识模型参数。数值仿真结果及其与IIR SHARF算法的比较证明本文的理论分析。     

用神经网络变易有效焦距的摄像机标定法

针对传统摄像机标定中由于像差等非线性因素的影响造成结果精度和稳定性不高且算法复杂的特点 ,提出了用 4层前向神经网络模型变易摄像机横纵向有效焦距的方法。给出了摄像机标定结果和用标定后的摄像机进行三维立体测量的结果 ,并与传统方法作了对比。结果表明 ,基于神经网络的摄像机标定方法可以获得比传统方法更高的精度和稳定性     

基于神经网络的导弹系统辨识

详细地讨论了神经网络在导弹动态特性中的应用 ,利用神经网络的万能拟合能力进行了神经网络的训练和仿真 ,为导弹离散控制系统的设计提供了有效的工程数据 ,给导弹系统的系统辨识提供了一条新的方法和思路     

计算机辅助加工工件变形分析方法研究

为迅速、准确、合理地确定切削加工的工艺参数 ,将有限元方法、人工神经网络和遗传算法运用于计算机辅助加工工件变形分析中。通过合理的系统设计 ,实现了对工件切削加工变形量的准确预报和对加工参数的正确优化。实际生产证明 ,采用本方法优化确定加工参数 ,达到了预期的迅速、准确、合理的目标 ,有效地降低生产成本 ,提高生产率