基于分布式检测和时间相关神经网络的训练模拟器设计

某型导弹发射设备训练模拟器涉及大量输入输出信号的检测和控制,为了提高硬件系统和软件系统的工作效率,确保仿真过程的实时性,根据对输入信号分别按照空间和时间进行分组的思想,提出了基于分布式检测的硬件系统结构和基于时间相关神经网络的软件算法。这些方法已成功的应用于某型导弹发射设备训练模拟器的设计与研制,并取得了显著的效果。     

基于GPS OEM的GPS模拟器研究

首先分析了GPS模拟器的研制开发的意义及其应具备的功能，接着阐述了根据卫星轨道参数同船位无关的特性和卫星运动规律，利用GPS OEM板接收的导航电文提供的卫星轨道信息，在大型船舶模拟器的基础上设计出的基于GPS OEM的GPS模拟器的设计思想。同时对模拟器研制涉及到的数据读取、GPS卫星位置计算、可观测系列的求解、选星及几何精度因子GDOP的计算、GPS船位计算等问题作了详细阐述。     

改进的SOFM及其在矢量量化中的应用

根据等失真(Equidistortion)理论提出了一种基于改进的自组织特征映射(SOFM)神经网络的矢量量化方法,该算法将失真敏感机制引入神经网络的竞争学习过程。通过调整码字的部分失真来指导神经网络的学习,以使得所设计的码书平均失真最小。同时把矢量量化应用于图像的小波变换域,根据图像小波变换高频系数的空间分布特点来组织码书,从而进一步提高码书的质量和适应性。通过实验对算法的性能进行了分析,证明了算法的有效性。     

多分辨正交多小波网络的结构与算法研究

小波网络是函数逼近的有力工具。利用多小波函数和多尺度函数的互补性,构造了一种具有分层、多分辨和局部学习特点的正交多小波神经网络。分析了该网络用于函数逼近时的性质,讨论了其结构并在此基础上给出了调整网络权系数的算法。理论分析和GHM多小波网络及db2单小波网络对几种非线性函数的仿真结果都表明,当函数具有一定的光滑性时,正交多小波神经网络的逼近性能优于正交单小波神经网络。     

基于BP神经网络与小波的控制研究

本文利用ＢＰ神经网络对被控对象进行在线辨识以及利用ＢＰ神经网络与小波对被控对象进行控制，通过某电厂过热器汽温为对象仿真验证此方法比一般ＢＰ神经网络效果好     

基于改进的自适应小波神经网络的心电信号分类

心电信号（ECG）识别是重病特别护理中一个非常重要的课题,自动检测和分类心电节律信号是诊断心脏异常的一项重要任务。基于小波变换理论,小波神经网络已经被广泛的应用于信号的表达和分类。文中介绍了一种具有一层感知机的小波神经网络,对小波神经网络收敛性影响较大的网络初始化值提出了一种改进的初始化算法,并研究得出了隐含层的选取与网络收敛性的关系。应用该网络分类心电信号的正常心跳和室前收缩,取得了很好的效果。文中使用到的心电数据是从MIT-BIH心电失常数据库中下载的。     

基于改进基函数的自适应动态模糊神经网络算法研究

在D-FNN算法基础上,提出了基于椭圆基函数(EBF)的广义动态模糊神经网络.该算法提出模糊ε-完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性;同时,该算法不仅能对模糊规则而且能对输入变量的重要性作出评价,从而使得每个输入变量和模糊规则都可以根据误差减少率(ERR)来修正.其应用不仅可以用来建模,还可以用来抽取有意义的模糊规则以获取知识.通过与D-FNN以及其他方法的比较,可以看到GD-FNN在学习效率和性能方面具有突出的优势.最后针对实际案例进行了仿真分析,验证了该算法的有效性和高效性.     

基于VR运动模拟器的体感模拟算法的研究

针对VR(Virtual Reality)运动模拟器使用的经典体感模拟控制算法存在相位延迟、虚假暗示的缺点导致虚实运动一致性不够,引发VR晕动症的问题,提出了一种改进体感模拟算法。改进体感模拟算法在经典模拟算法的基础上加入了前庭感知系统,对算法的输出误差进行反馈,采用模糊控制算法对输入加速度和角速度进行修正和预测,并且对虚拟现实中地形的起伏变化进行模拟。在MATLAB/Simulink中对改进体感模拟算法进行建模仿真,仿真结果表明改进体感模拟算法降低了相位延迟和虚假暗示,提高了虚实运动的一致性。     

基于小波变换和神经网络的水下宽带回波分类

目标识别是水下信息处理系统的主要任务之一,针对此问题,从目标识别的三个基本环节研究了水下宽带回波的分类。首先基于连续小波变换提取了实测莱蒙湖底回波的尺度———小波能量谱,以径向基函数作为分类器,得到了很好的分类效果。接着给出了三种选择特征的准则,并研究了这三种准则对分类效果的影响,结果表明,这三种方法都可以在保证分类准确度的同时有效降低特征维数。     

基于小波神经网络的胎号识别算法研究

针对人工神经网络的特点,对传统BP算法进行了改进。采用小波神经网络方法,有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以轮胎胎号字符识别为例,分别用投影法和Hu不变距方法进行特征提取,并将所提取的特征用作神经网络输入层的神经元。将所设计的小波神经网络经训练后用于胎号的识别。仿真结果表明,小波神经网络在字符识别方面是一个十分有效的方法。     

基于仿真支撑系统和组态软件平台的舰船轮机仿真训练模拟器研究

结合应用实例,论述了基于微机硬件平台、MINIS仿真支撑系统和Intouch组态软件平台研制轮机仿真训练模拟器的方法,介绍了系统的软硬件配置情况和特点。实践表明本文提出的方案是研制中等规模仿真训练模拟器的理想选择,且适于发展基于Web的远程培训系统。     

基于结点工作负载的组织效能测度研究

在C2组织描述的基础上建立C2组织实例,包括过程实例与结构实例.通过C2组织结点工作负载的定义(包括内部工作负载和外部工作负载),提出基于结点工作负载的C2组织效能测度方法,并对C2组织实例进行了效能分析.     

基于联合仿真的液力缓速器液压控制系统研究

对某重型车辆的液力缓速器系统进行研究。依据台架试验数据和神经网络理论建立了液力缓速器数学模型。基于AMESim建立了液压控制系统模型。基于MATLAB/Simulink建立整车制动模型和PID控制器模型。通过MATLAB-AMESim联合仿真验证液压控制系统的控制性能。仿真结果表明这套液压控制系统和控制算法具有良好的恒力矩控制性能,与试验结果对比也验证了基于联合仿真的液力缓速器液压控制系统研究方法是具有实用意义的。     

基于改进递阶遗传算法的RBF神经网络分类器

针对通信信号调制类型识别,应用递阶遗传算法动态确定径向基神经网络分类器结构。建立了新的适应度函数,该函数简单直观,待定参数少;同时结合相关联赛选择方法对选择算子进行了改进,增加了种群进化的多样性,避免了早熟收敛。仿真结果表明改进算法能更好地确定分类器结构,分类准确率更高。     

基于小波与径向基函数的大气污染预测研究

提出了一种实用于大气污染物的小波分析和RBF(RadialBasisFunction)神经网络相结合的预测方法,对污染物TSP(TotalSuspendedParticles)进行预测,得到与观测值相符的结果。应用小波分析进行检测,消除了预测数据中奇异点所包含的奇异信号。在此基础上应用RBF神经网络进行预测,研究结果表明,小波分析的利用提高了预测精度,验证了该方法简便、快捷,具有较强的实用性,为环境管理部门宏观调控提供了理论基础。     

基于改进多孔算法的时间序列预测

针对小波分析技术存在的边界问题,提出一种改进的多孔算法。使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可行性。为进一步提高预测精度,引入了神经网络集成技术以改善网络泛化能力。实验表明,这种组合预测模型预测效果与稳定性优于传统预测模型。     

基于小波神经网络的图像重建算法研究

针对传统的图像重构算法的不足,提出一种基于小波神经网络的图像重建快速学习算法。运用小波神经网络对图像重构进行了仿真研究。实验表明,对于不同的误差模型,小波神经网络采用不同的基函数可以很好地对非线性系统进行逼近,收敛速度快,近似精度高,而且网络规模比较小,计算量少。对计算机视觉和图像处理具有良好的应用价值。     

基于网络逆系统的迭代学习初始控制量确定

鉴于初始控制量对迭代学习控制(ILC)算法收敛速度及跟踪精度的重要影响,为保证ILC算法对任意期望轨迹的跟踪性能,提出了一种基于小波神经网络(WNN)逆系统的ILC初始控制量确定方法.首先分析了研究对象的可逆性,在此基础上建立了对象的WNN逆模型,然后根据该逆模型求得任意期望轨迹下的网络输出,捋其作为ILC算法的理想初始控制量进行迭代学习.仿真结果表明,新算法辅助的ILC能利用先前的控制经验,在面临新的期望轨迹时能有效减少迭代次数,提高跟踪精度.     

VDAS中基于单目红外图像的深度估计方法

针对视觉辅助驾驶系统(vision-based driving assistance system,VDAS)对夜间等低能见度场景下的车辆前视深度感知需求,提出一种基于深度学习的单目红外图像深度估计方法.该方法采用端对端的多任务自监督学习框架,利用单目红外视频帧之间的立体几何约束构建损失函数,无须场景的真实深度信息.取...     

基于扩展Hopfield模型的神经网络JPDA算法研究

研究了Hopfield模型的神经网络数据关联算法.在此基础上,通过引进扩展的Hop6e阳模型,建立了一种能够自动调节网络参数的神经网络数据关联算法,克服了神经网络数据关联算法应用过程中需要人工干预选择网络参数的缺点.仿真实验证明了新算法比JPDA算法具有更高的运行效率,而性能与其相同,是密集多回波环境中一种有效的关联算法.