Toeplitz行列式的递推算法及其在系统辨识中的应用

本文将Toeplitz行列式的递推公式,应用于Toeplitz阵的秩的判定,因而就得到了在计算量方面具有明显优越性的系统定阶方法。本文还给出了几个应用实例。最后的模拟结果证明了此算法的可行性。     

互瞄定位法精度分析

介绍了超视距目标指示中的互瞄定位法的基本原理和影响互瞄定位法的主要因素,推导了互瞄定位法精度分析模型,并对其进行了精度分析。     

系统辨识在建立舰船电力推进动态模型中的应用

舰船电力推进是一个复杂的船—机—电系统。对其动态特性的研究,利用现有的基于理论分析建立机理模型的方法,就会遇到分析过程繁杂、模型适用性差的实际困难。本文则利用系统辨识方法建立舰船电力推进系统的动态模型,通过一个具体的船模实验及辨识计算,确定模型的结构和参数。为了克服相关噪声的影响,参数估计中采用了增广矩阵法。并对模型从拟合程度和收敛性两方面进行了检验,结果表明,上述方法所得到的动态模型是适用的。     

坦克火控系统机动目标的自适应滤波与自适应解命中问题

在非制导火控系统中,为实现目标信息的自适应滤波与自适应解命中问题,机动目标模型应能实时识别,并要适应工作周期的各种变化。本文提出了“参数辨识模型”,首次完全满足了上述要求。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

一种分析噪声背景下目标特征有效性的方法

本文根据目标特征和噪声分布,在一定假设条件下推出了最小错误率（Ｂａｙｅｓ错误率）的表达式,从而把特征分布、噪声大小直接与分类的最小错误率联系起来,给出了一种分析噪声背景下目标特征的有效性的方法。文中利用这种方法对目标和诱饵的红外辐射特征的有效性进行了分析     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

小钝头锥体全目标流场与光电特性一体化数值模拟

从简化的或全ＮＳ方程出发,采用化学非平衡和热辐射非平衡模型,数值模拟了有烧蚀产物引射条件下小钝头锥体全目标流场与光电特性,旨在为防护设计提供气动物理环境数据。计算结果表明,本文流场模拟数据与实验数据基本吻合,壁面烧蚀产物引射和壁面催化特性对流场电子数密度均有量级影响。     

实际系统输出的确定

在实际测试中,系统存在有非线性.同时,还有测量噪声及非测量输入引起的系统输出。这些因素都对系统的输出产生影响。把这些因素均假设为系统的非线性,利用理想线性系统和相干函数,推导出了实际系统输出,同时讨论了用这种方法提高载荷识别精度的问题。