求解特征值问题的神经网络

本文给出一种求解矩阵特征值问题的神经网络，理论分析和模拟结果都表明本文给出的网络可实时求解矩阵特征值问题。     

机载雷达二维自适应处理的空时结构方法比较

在机载雷达时空二维信号处理中，通常有三种处理结构：空时级联、时空级联和空时联合域结构。尽管联合域最优处理在实际中不大可能应用，但它有极为重要的理论价值，人们已将其有用概念和方法应用于空时级联或时空级联结构中，这时“级联”一词的含意已不再是“空、时频率响应之积”，因而它们的性能将大大提高。本文对比分析了空时结构中几种自适应算法的性能，并讨论了其实际应用的可能性。     

基于可重构度的在轨卫星多级健康评估方法

目前在轨卫星健康评估主要采用加权方法,其主要问题是对卫星系统高冗余、可重构特性体现不足,且评估模型权重参数的确定过于依赖专家经验。针对以上问题,提出了基于可重构度的在轨卫星健康状态评估方法,以可重构度指标刻画卫星的高冗余、可重构和非线性等结构特性对系统健康状态的影响。在部件级水平上,采用非参数回归方法综合多元参数评估健康状态。从部件级到系统级,通过建立基于可重构度的系统结构树模型进行加权综合,实现卫星多级系统的健康状态评估。通过某卫星姿态控制系统的高保真仿真案例分析进行验证,结果表明所提方法对卫星的健康管理具有实用价值。     

圆迹SAR子孔径图像序列联合相关DEM提取方法

利用圆迹合成孔径雷达(circular synthetic aperture radar, CSAR)子孔径图像序列提取观测场景地形高程模型(digital elevation model, DEM)时,为了利用保持相关性的一段圆弧内所有子孔径图像之间的相关性信息、提高DEM提取精度,提出了联合相关法。该方法以保持相关性的一段圆弧内所有子孔径图像之间的联合相关系数作为测度函数,提高了测度函数灵敏度。同时,通过将子孔径图像序列向三维空间投影以校正其几何形变,提高了子孔径图像序列间的相关性。实测数据处理结果及分析验证了所提方法的有效性和精确性。     

网络空间生态成熟度建模

针对网络空间安全和集体防御机制,应用软件成熟度方法研究建立网络空间生态成熟度模型。首先,分析了网络空间生态特点及其与决策权、信息共享和要素间协作关系,构建了网络空间生态成熟度的三维五级概念模型,定义了成熟度等级的关键过程域。其次,以作战体系为例,建立了网络空间生态成熟度分级模型,阐述了各级网络结构和要素作用关系。最后,提出了基于信息决策、要素协同和信息共享的成熟度三维能力模型,给出了仿真分析。     

Cyber攻击下韧性信息服务云环境能力评估

现代快速多变、不确定、Cyber对抗激励的战场环境对军事信息服务云环境的韧性能力提出了更高的要求,提出了一种Cyber攻击下韧性信息服务云环境能力评估方法。首先明确了韧性信息服务云环境的概念,分析了信息服务云环境韧性过程和要素,建立了Cyber攻击下云环境“四阶段”韧性过程模型;其次,从吸收扰动能力、恢复能力、适应能力3方面,建立了能力降级率、抗毁顽存时间、异常识别率、异常识别时间、能力恢复率、任务完成波动率等3类共15项韧性能力度量指标体系,建立了韧性能力指标评估计算模型。最后,以韧性信息服务云环境的指挥引导任务为案例,开展不同引导资源毁伤条件下指挥引导任务完成波动率的仿真实验,韧性评估结果可为提升韧性能力提供参考依据。     

基于两次Kalman滤波的观测噪声自适应调整算法

在实际的目标跟踪过程中,由于目标远近等各种客观因素的影响,观测噪声是随时变化的.但是在标准卡尔曼滤波中,如果将观测噪声协方差设为恒定值,必然造成跟踪结果不理想.针对这种情况,通过在任意时刻施行两次卡尔曼滤波的结果来自适应地调整观测噪声协方差,使卡尔曼滤波算法中的观测噪声协方差与实际值更加接近,从而提高对目标的跟踪精度.最后Monte Carlo仿真实验证明了本算法的有效性.     

基于RBF的机械手建模误差补偿自适应控制

针对机械手动力学建模误差,提出了基于RBF神经网络误差补偿的自适应控制策略。在基于逆动力学的计算力矩控制方法的基础上,对系统输入与目标轨迹进行修正,设计了两种误差补偿自适应控制器。利用RBF神经网络对修正项在线自学习,并根据Lyapunov稳定性理论建立了网络权重自适应学习律,保证了跟踪误差的收敛及系统的稳定。以平面转动双臂机械手轨迹跟踪为例进行仿真,结果表明该方法能够有效地补偿建模误差,提高了系统的控制性能并使控制系统具有对参数摄动的鲁棒性,对于机械手自适应控制具有一定的可行性。     

用于组合测姿的Kalman渐消因子自适应估计算法

提出了适用于姿态测量的Kalman滤波渐消因子自适应估计算法,滤波中采用序贯处理的方法计算出每个量测量对应的渐消因子,在位置速度组合导航系统中,只有位置、速度的误差状态是直接可观测的,用序贯滤波处理计算得到的渐消因子对协方差阵中对应于位置和速度误差状态的对角元素进行自适应控制,抑制滤波发散,提高位置、速度和姿态的测量精度。半实物仿真表明,与原来的算法相比,修改后的方法不仅能够提供高精度位置、速度信息,而且还可以提供高精度姿态信息,其中航向误差在0.08°以下,俯仰和横滚误差在0.02°左右。     

Modeling and forecasting of stock markets under a system adaptation framework

This paper adopts the concept of dynamic feedback systems to model the behavior of financial markets,or more specifically,the stock market from a dynamic system point of view.Based on a feedback adaptation scheme,the authors model the movement of a stock market index within a framework that is composed of an internal dynamic model and an adaptive filter.The output-error model is adopted as the internal model whereas the adaptive filter is a time-varying state space model with instrumental variables.Its input-output behavior,and internal as well as external forces are then identified.Special attention has also been paid to the recent financial crisis by examining the movement of Dow Jones Industrial Average(DJIA) as an example to illustrate the advantage of the proposed framework.Supported by time-varying causality tests,five influential factors from economic and sentiment aspects are introduced as the input of this framework.Testing results show that the proposed framework has a much better prediction performance than the existing methods,especially in complicated economic situations.An application of this framework is also presented with focuses on forecasting the turning periods of the market trend.Realizing that a market trend is about to change when the external force begins to exhibit clear patterns in its frequency responses,the authors develop a set of rules to recognize this kind of clear patterns.These rules work well for stock indexes from US, China and Singapore.