混沌信号处理

描述了混沌特征参量 ,包括Lyapunov指数和分形维 ;讨论了信号相空间重构和Takens嵌入定理 ,以及嵌入维数、时间延迟等参数。还阐述应用神经网络进行混沌信号非线性处理     

一种雷达类型识别方法

针对目前雷达辐射源识别中存在的,对于数据库中未存储的雷达类型识别能力较差的情况,提出了一个雷达辐射源识别系统,在系统中将雷达的识别分为已知雷达识别和未知雷达识别两个部分分别进行,并给出了系统各个组成部分的实现原理。试验证明,本系统对于未知的雷达类型有着较强的识别能力。     

数字式单边带调制的关键及实现方法

分析了传统模拟方法实现单边带调制的不足,给出了用数字信号处理方法实现单边带调制的实现方法,并分析了其中的正交调制、内插技术等关键技术,在此基础上设计并实现了一个以TI TMS320 芯片为核心的数字式单边带调制系统.与模拟调制法相比,该电路结构简单,性能稳定可靠.     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合,应用于高海况、低信噪比条件下,水中目标信号的特征提取中.文中首先对信号进行功率谱估计,利用目标信号功率主要集中在低频部分的特点,提取低频信号的能量作为特征,然后利用人工神经网络对目标信号进行检测.利用不同浪级情况下海洋水压场的仿真信号数据,对某型目标舰船的水压信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号检测率比较高、虚警率比较低的效果.     

基于ANN的高炮火力单元射击有利度评估

采用ANN(人工神经网络)方法对高炮火力单元射击有利度进行评估是一种新的尝试。在对各影响因素进行分析与量化处理的基础上,建立了基于ANN的高炮火力单元射击有利度评估网络模型,并提供了网络的解算方法。通过某型高炮对不同目标射击的已知有利度评估值对网络进行的训练,确定了网络的各权值,并使学习误差达到了预先规定的标准,实现了对该型高炮对空射击有利度的评估。     

基于不确定性理论的研制技术风险评估方法研究

分析了装备研制技术风险的含义,根据技术风险的特点建立了评价技术风险的指标体系。在技术风险度量中引入不确定性理论的概念,并建立了基于不确定性的技术风险的度量方法,对综合技术风险进行评价。最后通过实例验证了综合评价方法的可用性。     

基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。     

跳频电台自动测试系统设计

目前跳频电台的最好的检测方式是采取综合测试系统代替传统的测试仪器。以采样定理为基础,通过对三种跳频电台采样方案的比较得出结论,黑盒中频数字化方法是目前最合理的选择。给出了基于PCI总线构建跳频电台自动测试系统的硬件平台和软件测试方法。跳频电台自动测试系统可以完成对跳频电台指标的测试,并具有通用性。     

Non‐greedy heuristics and augmented neural networks for the open‐shop scheduling problem

In this paper we propose some non‐greedy heuristics and develop an Augmented‐Neural‐Network (AugNN) formulation for solving the classical open‐shop scheduling problem (OSSP). AugNN is a neural network based meta‐heuristic approach that allows integration of domain‐specific knowledge. The OSSP is framed as a neural network with multiple layers of jobs and machines. Input, output and activation functions are designed to enforce the problem constraints and embed known heuristics to generate a good feasible solution fast. Suitable learning strategies are applied to obtain better neighborhood solutions iteratively. The new heuristics and the AugNN formulation are tested on several benchmark problem instances in the literature and on some new problem instances generated in this study. The results are very competitive with other meta‐heuristic approaches, both in terms of solution quality and computational times. © 2005 Wiley Periodicals, Inc. Naval Research Logistics, 2005.