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。     

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     

多媒体信息集成的应用研究

通过多媒体信息集成在军事中的应用实例——WOSMS多媒体系统,对多媒体信息集成中的同步控制、资源管理、信息集成等技术问题,进行了论述。     

非标准分析与概率论

本文概述了非标准分析发展的简史,介绍了超实数系,导数的非标准表示,并举例说明了数学命题的非标准证明比标准证明更为简洁、直观。文章的后一部分介绍了ｌｏｅｂ概率空间以及概率积分的＊有限求和的表示,并指出概率论从本质上是初等的结论。     

Hill 方程在远距离拦截中的应用

提出了一种通过坐标系移动,化原系中的大相对距离为新系中的小相对距离,以减小Ｈｉｌｌ方程在大相对距离时的模型误差的方法,即当拦截器的相对距离达到某一精度许可的值ρ＿１时（定义ρ＿１为精度控制参数,例如可取ρ＿１＝５００ｋｍ）,以拦截器位置为原点,建立一假想的动参考系,将拦截器在原动系中的相对运动参数转换为新系中的相对运动参数（显然在新系中的初始相对距离）,从而化大相对距离为小相对距离问题,提高Ｈｉｌｌ方程的描述精度。本文给出了方法的理论分析及两个计算机仿真实例,该法确可有效地减小Ｈｉｌｌ方程在大相对距离时的模型误差,结果是令人满意的。     

弧连通空间与收敛类

本文利用收敛类的理论刻划弧连空间,并得到:集合X上具有F性质的子集簇(?)确定了X的一个收敛类(?),则(?)诱导出的拓扑空间(X,(?)-(?))是弧连通的;反之,每一个弧连空间(X,(?)都可以由集合X的一个收敛类诱导出来。     

静磁场Dirichlet问题Galerkin法和牛顿法

作者在［１］,［２］中给出了静磁场Ｄｉｒｉｃｈｌｅｔ问题和Ｎｅｕｍａｎｎ问题广义解的存在与唯一性。本文从理论上给出静磁场Ｄｉｒｉｃｈｌｅｔ问题的一种Ｇａｌｅｒｋｉｎ近似解法,并给出了在各向同性或无电流区情形下的误差估计和牛顿选代序列。