一种基于改进Bounding Box的移动信标辅助节点定位算法

针对无线传感器网络的节点自定位问题,提出一种利用单个移动信标的定位算法。该方法在传统Bounding Box定位方法的基础上,结合信标的实际通信区域,提出“O-区域”和“S-区域”的概念,通过对新接收到的信标位置分类讨论,进一步缩小未知节点的可能区域。通过仿真比较,验证了该方法的性能优于质心定位法和Bounding Box定位法,同时定位精度与移动信标的通信半径大小有关。     

第四代歼击机空战战术决策研究

根据第四代歼击机的作战能力,分析了空战过程中可能存在的三种态势,提出了影响第四代歼击机空战战术的重要因素。结合影响因素进行了模糊决策讨论,基于模糊神经网络的方法完成了空战决策系统的设计,并通过神经网络的训练,确定了模糊决策网络。最后,通过仿真验证,表明决策系统实际输出与期望结果是一致的,决策结果是准确的,能够为决策者根据战场态势进行决策提供参考,缩短了决策时间,提高了指挥决策效能。     

基于虚拟力驱动的传感器网络节点定位

为了解决传感器网络节点三边测量定位的全局优化问题,提出了一种基于虚拟力驱动的节点最优相对定位方法。该方法建立了满足节点位置最优最小二乘估计需要的虚拟势能场模型,给出了一种基于虚拟势能场梯度的虚拟力定义新方法,证明了利用该虚拟力驱动节点定位的收敛性,提供了保证节点定位结果全局最优的方法。仿真分析表明,基于虚拟力驱动的节点相对定位方法能够解决节点相对位置的最优估计问题。     

基于改进粒子群优化RBF神经网络的算法

针对粒子群算法易陷入局部极小的缺陷,提出了一种改进的粒子群优化算法,并将改进后的算法应用到RBF神经网络核函数参数的选取中。依照文中提出的编码方式、迭代公式和适应度函数,在全局空间中搜索具有最优适应值的参数向量。实例仿真表明,基于改进粒子群算法优化的RBF神经网络不仅收敛速度快,且误差精度高。     

基于L-M算法改进BP网络的信息对抗能力评估

在未来密集和复杂的电磁环境中,快速、客观地评估敌我双方的信息对抗能力具有重要的意义。目前通常采用的人工打分方法具有一定的主观性,且周期较长,难于满足战场瞬息万变的需求。提出了一种基于L evenberg-M arquardt算法改进的BP神经网络信息对抗能力评估方法,以某组信息对抗数据为训练数据,对改进BP神经网络进行训练,并进行了验证性的仿真试验。仿真结果表明:改进BP神经网络能客观有效地评估信息对抗能力,较大程度地提高了神经网络的收敛速度、缩短了评估时间。     

基于主成分分析和神经网络的目标识别

采用主成分分析法将多项识别属性进行综合聚集,减少关联属性对识别的干扰,达到属性约简的目的。利用神经网络进行目标识别,通过优化训练策略,可以提高网络的收敛速度和泛化能力。主成分分析法与神经网络结合既能高效识别已知样本,又能对未知样本具有很强的自学与适应能力,从而有效地对海战场目标进行识别。通过对比仿真,证明了算法的有效性。     

基于滤波与BP神经网络的水下探测信号检测算法

针对水下探测系统探测船舶磁场信号时信噪比较低的问题,首先根据磁异常信号的频域特征,设计了约束最小二乘FIR滤波器,通过对含噪信号进行带通滤波,滤除高频噪声;再采用BP神经网络对低频分量进行学习,提取船舶目标特征信号。将该算法应用于船模实测实验,结果表明:该算法可以显著提高信噪比,增强对船舶磁场信号的检测能力。     

基于神经网络的信息融合算法研究及其在入侵检测中的应用

目前,网络入侵技术越来越先进,许多黑客都具备反检测的能力,他们会有针对性地模仿被入侵系统的正常用户行为;或将自己的入侵时间拉长,使敏感操作分布于很长的时间周期中;还可能通过多台主机联手攻破被入侵系统.对于伪装性入侵行为与正常用户行为来说,仅靠一个传感器的报告提供的信息来识别已经相当困难,必须通过多传感器信息融合的方法来提高对入侵的识别率,降低误警率.应用基于神经网络的主观Bayes方法,经实验,效果良好.     

神经网络在随动系统测试中的应用研究

针对神经网络在故障测试中因训练样本集大而导致的诊断速度慢和性能下降等不足,提出区域法则,即将全系统化解为若干个子模块并用神经网络去分别匹配,以此达到加快诊断速度和提高诊断能力的目的,同时给出了典型训练样本的建立思路和网络结构的学习算法.实验表明,该方法在火炮随动系统测试中体现出了较好的诊断效果,具有一定的工程应用价值.     

电机故障诊断中的信息融合利用问题研究

对电机故障诊断中的可用信息进行了分类,并针对单一诊断技术对信息利用不足的问题提出利用信息融合的理论,指出了基于信息融合的电机故障诊断技术应解决的问题;给出了基于信息融合的电机故障诊断的基本框架;最后概述了诊断中信息融合利用的方法。结果表明,充分利用电机运行中的各种信息,采用基于信息融合技术的故障诊断方法可以提高故障诊断的准确性和可靠性。