强海杂波背景条件下海上目标检测方法

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响，提高MUSIC算法的检测性能，用径向基神经网络实现海杂波预测和对消．利用神经网络的可对任意非线性函数模拟的特性，对展宽的海杂波进行模拟，用模拟后的结果实现一阶海杂波的对消，来满足MUSIC算法的应用条件．最后用MUSIC算法分辨海上目标的方位信息．实验结果表明，对消前后目标背景噪声子空间特征值发生改变，对消后更接近于MUSIC算法的假设条件，提高了MUSIC算法的检测性能，扩大了MUSIC算法的应用范围，实现在非高斯噪声背景条件下应用MUSIC算法检测目标．确定最小的相空间维数和时间间隔，采用更先进的神经网络算法，可以提高神经网络的预测速度．     

紧凑型地波超视距雷达海杂波区目标检测影响因素研究

针对紧凑型地波超视距雷达海杂波周边及区域内目标难以检测问题,通过相关影响因素的理论及实测数据统计分析,对系统信号积累时间选取、目标航行状态与海杂波区的关联以及实测数据的联合域展开研究,分析结果为雷达相干积累时间的选取制定了取值范围.研究表明海杂波区内远距离非机动目标潜在驻留时间超过雷达积累时间,且导致的回波多普勒变化量...     

紧凑型地波超视距雷达海杂波区目标检测影响因素研究

针对紧凑型地波超视距雷达海杂波周边及区域内目标难以检测问题,通过相关影响因素的理论及实测数据统计分析,对系统信号积累时间选取、目标航行状态与海杂波区的关联以及实测数据的联合域展开研究,分析结果为雷达相干积累时间的选取制定了取值范围。研究表明海杂波区内远距离非机动目标潜在驻留时间超过雷达积累时间,且导致的回波多普勒变化量有限,但海杂波和目标在时空及极化域具有相对较大的差异,可作为海杂波区目标检测的重要依据。     

改进的MUSIC算法用于雷达海上目标检测

海杂波的存在严重影响了雷达检测海上目标的性能,海杂波的建模与抑制方法是其研究的重要方面。首先介绍了高频雷达海杂波的产生机理,然后建立海杂波的信号模型。在信号模型的基础上,研究抑制海杂波以及提取目标信号的方法,主要研究对比了SVD和MUSIC方法。利用海杂波信号模型产生满足条件的模拟杂波以及目标信号,仿真出抑制海杂波以及提取目标信号的过程,仿真结果可以验证方法的有效性。     

基于微波多普勒雷达的海杂波区小目标特征联合检测

针对海杂波区小目标回波能量较弱,多普勒域与海杂波接近甚至重叠的特点,采用特征联合检测算法提高目标检测性能。首先,对雷达回波进行中位数自适应杂波抑制预处理;然后,对待检测单元提取多普勒峰值、峭度和熵值特征,形成特征向量,对残余杂波训练单元采用凸包算法获得判别区域;最后,以判别区域是否包括待检测特征向量对应点初步判断目标有无,再根据凸包混合积分布设定恒虚警门限滤除虚警。实测微波多普勒雷达数据处理结果表明,目标检测结果和实际情况一致。采用蒙特卡洛仿真对算法性能进行分析,表明该算法的检测性能优于对比算法,为雷达海杂波区目标检测提供了新方案。     

基于BP神经网络的高频雷达有效浪高场反演

针对传统利用一、二阶峰功率,二阶与一阶峰功率比(RSB)等雷达回波参数与浪高的简化关系模型反演有效浪高,存在较大误差的问题,提出一种基于BP(反向传播)神经网络的有效浪高反演方法,获取雷达回波参数与浪高间更准确的关系,以提高反演精度.首先将上述三种雷达回波参数作为输入,海洋数值模型提供的有效浪高作为输出,训练回波参数与...     

基于BP神经网络入侵检测系统

本文是采用改进BP神经网络的拟牛顿算法,并利用matlab提供的神经网络工具箱构建BP神经网络入侵检测系统。此算法的优越性在于收敛速度比较快,特别对于较高维数的问题。测试后证明所构建的系统是可行的,能够检测到新的入侵行为。     

基于小波分析的高频地波雷达电离层杂波抑制

针对高频地波雷达电离层杂波,提出了一种新的抑制方法.该方法引入虚拟跳频技术,并与小波分析相结合,更好地进行了杂波抑制.通过频率虚拟跳变去除相邻回波脉冲间的相关性,人为地多次调整相位序列,起到统计平均的作用,而且可以配合小波变换中尺度参数和平移参数的调节,弥补单纯利用小波分析的不足.实测数据处理结果表明,该方法对电离层杂波具有很好的抑制效果.     

高频地波雷达反演海浪的海上对比验证方法研究

在介绍高频地波雷达反演海浪要素工作原理的基础上，利用2000年10月在浙江舟山海域进行的OSMAR2000和SZF1－Ⅱ海上对比验证实验中所获取的资料进行系统比较分析，验证了OSMAR2000探测海洋海浪要素的精度，并分析了OSMAR2000反演海浪时的误差成因。     

基于小波变换的天波雷达舰船目标检测方案

针对天波超视距雷达(OTHR)舰船目标自适应检测的难题,提出一种基于修正的峰值信噪比(MPSNR)-离散小波变换(DWT)的方案.首先在预处理过程中拼接接收数据各通道中当前监视区域的距离多普勒谱,然后通过令MPSNR最大化实现海杂波的自适应抑制,最后利用排序统计-恒虚警率检测器进行舰船目标检测.理论上本方案中的MPSNR较已有方案中的峰值信噪比对海杂波被抑制的程度更为敏感,因此本方案较已有方案对海杂波的抑制更为充分,进而可以改善目标检测性能.仿真数据和实测数据的结果表明本方案对舰船目标的信杂噪比提升了2.6 dB.     

基于BP神经网络电子评标方法的研究和应用

为了解决招投标中评标环节专家评审法随意性大的问题,针对建设工程的不同特点,对评标内容进行分类剖析.利用人工神经网络的智能识别功能,建立基于神经网络的电子评标方法.结合人工神经网络的自适应功能、良好的容错能力以及非线性数据处理特点,科学地评价多因素建设工程投标方案,使招标商从众多的投标商中选出最佳的中标单位.     

基于BP神经网络的多源遥感影像分类

在研究人工神经网络理论的基础上,应用动量法和学习率自适应调整的策略,改进了BP神经网络法。并用于对同一地区的LandsatTM3,4,5影像和航空SAR影像融合进行分类和分类融合结果进行了比较。结果表明同标准的BP神经网络、传统的Bayes融合分类法相比,改进的BP神经网络融合法不仅获得了标准BP网络高的分类精度,可同Bayes融合媲美,而且提高了学习率,增强了算法的可靠性,因而提高了影像分类速度,更适用于遥感影像分类。     

BP神经网络的改进及其应用

在分析BP神经网络建模步骤的基础上,针对BP神经网络某些不足,提出了几点改进措施。首先对原始数据进行了非线性规格化;其次,提出了记忆式初始权值和阀值;最后以确定性系数最大为依据进行参数优选,并将改进后的BP神经网络应用于需水量预测。结果表明,改进后的BP神经网络不仅提高了BP神经网络预测的精度,而且加快了BP网络运行时的收敛速度。     

基于BP神经网络的绝缘子表面污秽预测方法

针对传统方法清扫绝缘子污秽的弊端,提出了利用BP神经网络预测绝缘子污秽的方案.通过BP神经网络的输入、输出和参数的选取,在实验室进行数据验证.结果表明:该方法可以准确有效的预测绝缘子表面污秽程度,可以指导现场绝缘子的清扫和优化绝缘子的清扫周期.     

BP神经网络在图书智能分布中的应用研究

通过分析如何提高图书的利用率,得出了将人工智能技术引入到图书智能分布中的必要性,并提出了采用神经网络技术来解决这一问题的方法。实验的结果表明该方法可以很好地应用在图书的智能分布中。     

基于BP网络的一种改进算法及仿真

针对BP网络存在收敛速度慢及目标函数容易陷入局部极小值的缺点,本文研究分析了BP神经网络模型的缺陷并提出了优化策略。最后提出了一种提高BP网络学习速度的新方法,即自适应调整学习率和下降梯度。仿真结果表明,该方法大大地提高了收敛速度,而且算法简单、易行。     

基于BP人工神经网络的大气颗粒物PM10质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。     

一个基于神经网络的入侵检测系统原型的开发

文章介绍了神经网络技术在入侵检测上的应用现状,讨论了BP神经网络算法中存在的一些问题及改进措施,开发了一个基于神经网络的入侵检测系统的原型.     

基于BP网络模型的青弋江水质预测研究

以水质因子CODCr为例,构建并训练BP神经网络预测模型,分别从空间和时间上对青弋江芜湖市区段水质进行预测,并用实际监测值检验预测精度.预测结果说明BP网络模型在青弋江水质的预测方面是一种简单有效的方法.