目标定位和跟踪的卡尔曼滤波加 BP 神经网络的方法

首先分析了卡尔曼滤波应用于单目标定位与跟踪时需要校正的因素,接着用具有反向传播（ＢＰ）学习算法的前向网络,建立校正原理和校正网络体系结构,最后分别给出了它对第１类和第２类火控系统应用的数学模型。     

基于小波分形理论的快速图象编码算法

小波和分形理论应用于图象压缩领域是当今研究的前沿。提出了一种快速图象编码算法,它将加权小波变换与基于二叉树和双向链表搜索的分形编码相结合,在高压缩比、高信噪比前提下,使编码时间大大缩短。在ＰｅｎｔｉｕｍＰｒｏ２００个人机上对一２５６×２５６,８ｂｐｐ图象进行实验,编码时间仅需８秒,而图象失真很小。     

常态执勤指挥模型关键节点识别及抗毁性研究

在常态执勤指挥模型的基础上,重点对树状指挥网络和级联指挥网络的抗毁性进行研究。通过建模仿真的方法,对三种执勤指挥模型进行随机攻击和蓄意攻击,对比分析最大连通子图规模、网络效率和全局聚集系数等指标,找出抗毁性最强的常态执勤指挥网络模型。应用集体影响力算法识别抗毁性能最好的指挥网络的关键节点,与基于节点度大小的传统关键节点识别方法进行对比,证明基于集体影响力算法识别关键节点更加准确,目的是为未来常规执勤指挥网络的优化和防护提供理论指导。     

随机等分组合条件下轮流对抗的Markov链模型

首先,分析了红蓝双方将各自兵器随机等分组合后,轮流进行火力对抗的状态。然后,推导了对抗过程中状态转移的概率矩阵。从而,建立了随机等分组合条件下轮流对抗的离散Markov链模型。在上述基础上,得出了各方获胜概率及平均对抗次数的计算公式,结合公式内部递归关联的特点,提出了计算上述公式的计算机递归算法。最后,结合歼击机与轰炸机进行火力对抗的实例,介绍了该模型的应用方法。供进一步研究参考。     

一种有效的常规雷达目标识别方法

基于小波变换和进化网络提出一种有效的常规雷达目标识别方法。即首先利用 Mallat算法对雷达目标一维距离像进行特征提取和压缩 ,然后在进化规划的基础上提出一种混合进化算法来优化设计由多层前向网络构成的分类器。实验结果表明 ,整个目标识别系统的结构简单 ,同时具有较好的推广能力     

用人工神经网络BP算法评价城市火灾风险

深入讨论了人工神经网络的BP算法在城市火灾风险评价中应用的可行性和一些具体做法.     

防空导弹武器系统目标分配的多种算法

叙述了防空导弹武器系统目标分配的一般数学模型。在此基础上,建立了防空导弹的5种目标分配数学优化算法,并讨论了数学模型的求解问题。最后,对这5种数学优化算法进行了比较。     

一种基于小波变换的X线图像边缘检测算法

在小波变换的基础上探讨出一种用于X线图像边缘检测的新算法,能够对X线图像进行边缘检测和分割。通过预处理（去噪,增强）、小波变换实现了图像的二值化。采用新算法及传统方法对X线图像进行边缘提取,并对结果进行比较。实验证明该新算法快速、精确、抗噪能力强。     

TPC译码算法的硬件实现研究

TPC（Turbo Product Code)是一种较易实现、性能较好的Turbo码方案,它的应用前景极其广泛。1998年Pyndiah提出了一种适用于TPC的译码算法,取得了良好的性能。本文从硬件实现的角度对这种算法提出了几点改进意见,使其较适用于硬件实现,在此基础上讨论了子码译码器并行处理对时延和规模的影响,探讨其实用的可能性。     

基于机械故障诊断的算法及小波基选择研究

针对小波分析在机械故障诊断应用中的快速算法和小波基选择存在的问题,对常用的正交、半正交、双正交小波提取信号特征的能力进行了分析比较,研究表明半正交B样条小波因具有线性相位和采用较长的分解序列而具有较好的频率局部化特性和较小的变换误差,具有比较好的综合性能。推导了正交小波包的图形显示算法,利用该算法解决了小波变换快速算法中存在的数据长度随分解层数成倍减小的问题。研究结果为机械故障诊断中选择小波基进行信号处理提供了依据和途径。