基于极大后验估计的STUKF算法跟踪再入弹道目标

针对弹道导弹再入阶段飞行受力情况复杂多变,状态噪声未知时变的非线性跟踪问题,提出基于极大后验估计的STUKF非线性滤波跟踪算法。该算法采用最小偏度单行采样策略,在保证跟踪精度的同时,提高实时性;引入带有多重次优渐消因子的强跟踪算法,在线调整状态一步预测均方误差阵,提高系统对突发机动跟踪的稳定性;采用指数加权的方法,利用次优无偏MAP时变噪声统计估计器,在线估计未知系统过程噪声的统计特性,提高系统应对噪声变化的能力。仿真结果表明:该算法具有比不敏卡尔曼滤波算法(UKF)和扩展卡尔曼滤波算法(EKF)更好的跟踪性能。     

"了解脑,保护脑,创造脑"--日本科技发展的下一个大战略目标

笔者近３年数次访问日本的一些核心研究所：理化研究所，ＡＴＲ（ＡｄｖａｎｃｅｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，先进远程通讯研究所）等和一些著名大学，如东京大学、大阪大学、九州工业大学、玉川大学等，目睹日本脑科学的筹备和启动过程，深切体会到“２１世纪是脑的世纪”前夜的萌动和决心。现就日本发展脑科学方面的种种情况做一扼要介绍。一、政府行为，投资巨大到了日本，随处可见“２１世纪是脑的世纪”的宣传信息。有关这一主题的研讨不仅仅出现在大学、研究所的学术会议、大会、讲座、…     

基于IAUKF的再入弹道目标跟踪算法研究

弹道导弹再入阶段飞行速度快,受力情况复杂、多变,运动方程具有很强的非线性。针对其快速、精确、非线性跟踪问题,通过不敏变换,采用确定性采样逼近状态的后验分布,得到系统状态的均值和一步预测均方误差。将量测数据转换到笛卡尔坐标系中,在标准卡尔曼滤波框架中计算更新滤波增益、滤波均方误差和状态滤波;同时运用数值更为稳定的方程计算一步预测均方误差和滤波均方误差。通过计算残差,自适应更新状态噪声协方差和量测噪声协方差。仿真结果表明,新的跟踪算法与不敏卡尔曼滤波算法相比,具有更快的计算速度和更高的跟踪精度。     

利用鲎眼的相互抑制网络原理对印刷阿拉伯数字进行的信息加工

在鲎(一种海生的节肢动物)的复眼中,小眼之间有相互抑制现象,因此,从某种意义上看,鲎的复眼好象是一种相互抑制网络。假设其中第p个小眼单独受到光照下的输出为e_p,于是当其周围小眼也同时受到光照下,它的输出就要减小到r_p,减少的数值与周围受照小眼的个数及其兴奋程度成正比。这样一种相互抑制网络,对外界图象信息作某种加工和提取的可能性已有人提过。在我们以前的工作中也可看到,这种网络能够突出边界,随光强增加,输出也线性增加,各小眼的增加速度,与其所在位置有关。但是利用这种网络,是否可以辨认文字符号?如何来辨认?这是本文希望探讨的问题。假设相互抑制网络包括30×22个小眼,排列成长方形。为简单起见,我们只考虑印刷阿拉伯数字经过网络后的变化。数字字母经过某种光学系统,     

神经系统中学习和记忆的数学模型

学习和记忆是动物神经系统特有的功能,也是动物赖以生存和进化发展的关键。对于人类来说,学习和记忆是人类智能和其他高级精神活动(意识、思维、感情……)的基础,与人类社会的进化和文明的发达有着密切的关系。因     

大脑两半球在信息处理上的异同及其他（上）

大脑是统辖人体全部行动和思想的司令部,但是,为什么“上帝”要安排结构功能几乎对称的两个左右半球在同一个颅腔内呢?16世纪笛卡尔曾明确提出过此问题,但是至今还没有找到令人满意的答案。今天,神经科学、心理学和信息科学的发展为探索这一迷案提供了一些新的思路。一、左右半球在结构和功能上的异同人的大脑从解剖、形态学角度看,是由左右半球组成(图1),大体上呈镜面对称。许多动物的情况也类似。所以,过去一般认为大脑两半球在形状、大小、结构和功能各方面都是一样的。深入细致的研究发现,如果测量人类尸体的大脑颞平面的大小,在70%的人体中左半球大于右半球,只有11%的     

神经网络研究和神经计算机研制

近年来,对神经网络计算能力的研究,发展开拓出神经计算机的新兴工业,在美、日、西欧等高技术国家的科学界、计算机产业界和军政部门,形成一股研制神经计算机的热潮。本文将介绍这股潮流的起因和现状,探讨产生此浪潮的社会和科学背景,估计它对脑科学、认知科学和智能产业发展的影响。     

认知科学与智能研究的进展与我们的策略

本文从信息处理的角度出发，扼要论述了认知科学与智能研究面向计算的工作路线，在分析智能研究的历史和现状的基础上，指出了视觉在该研究领域中的特殊意义，并指出了视觉研究的策略。最后，还阐述了生物系统信息自组织理论对了解脑的机制和智能木质、对智能机研制的意义。本文的目的，是要提供认知科学与智能研究的进展与发展的趋势、应采取的策略、技术路线和主要的研究内容。     

从日韩两国大力发展神经信息学谈起

 一、神经信息学概述近年来在学术刊物中出现一个新名词 :神经信息学（Neuroinformatics）.这是一个合成名词 ,即神经和信息学的组合。这个词出现于刊物上比生物信息学（Bioinformatics）一词要晚若干年。它是以神经系统的信息加工为研究目标的学科分支。欧州国家和美国的一部分人喜欢用计算神经科学（ComputationalNeuroscience）来涵盖它的内容。神经信息学有3个目标。