神经网络校正的EKF在高超声速目标跟踪中的应用

针对临近空间高超声速目标高度非线性、强耦合、高机动、时变参数、和独特气动特性等特点,综合运用军事运筹学理论与方法、系统建模技术、神经网络技术以及计算机仿真等,提出基于神经网络校正的扩展卡尔曼滤波(EKF)算法,并在高超声速目标跟踪中进行了应用研究。采取神经网络的学习能力来克服卡尔曼滤波发散问题,通过卡尔曼滤波后加一级误差处理环节使滤波收敛。仿真结果表明:该算法在目标发生较大机动时仍能保持较高的跟踪精度。     

基于旋转准正交空时分组码的LDPC编码性能

为了提高空时分组码在多输入多输出通信系统的性能,提出一种新的准正交空时分组码,并且结合星座旋转设计和交织技术。通过星座旋转准正交空时分组码,以牺牲一定解码的简单性,来避免当天线数目大于2时,正交空时分组码码率下降的缺点;并与LDPC码进行级联编码,来降低系统误码率及提高系统的可靠性要求。多输入多输出通信系统可以很好地解决多径效应,获得很高的分集增益。仿真结果表明:与没有经过星座旋转的准正交空时分组码系统相比较,这种新的编码方法可以有效地降低误码率,提高系统的性能。在误码率10-5时,CRQOSTBC级联LDPC码与QOSTBC级联LDPC码相比有1.8dB的信噪比改善,CR-QOSTBC级联LDPC码相对于未级联LDPC码的QOSTBC在10-3时有5.3dB性能提升。     

一类一阶线性非齐次方程组的解法

利用二阶线性微分方程的可解定理,给出一阶线性非齐次方程组的一种新解法     

Banach空间二阶微分方程的周期解

研究了有序Ｂａｎａｃｈ空间中二阶微分方程周期解的存在性,利用凸锥理论与上、下解方法获得了周期解的存在性结果,并把Ｌｅｅｌａ关于二阶常微分方程的结果推广到了无限维空间．     

二阶非线性非驻定系统——周期解的存在性

讨论二阶非线性非驻定系统周期解的存在性,给出相应的例子加以说明。     

联想记忆系统的学习算法设计（Ⅰ）

基于牛顿向前插公式设计了一种新的联想记忆系（ＮＦＩ－ＡＭＳ）的学习算法,用以实现任意阶的多变量多项式函数的无误差逼近。该系统与传统类型的ＣＭＡＣ－ＡＭＳ相比,具有学习精度高和记忆空间小的特点;且比多层的ＢＰ网络具有学习算法简单和收敛速度快的特点。数值模拟表明,这种ＮＦＩ－ＡＭＳ在信号处理,模式识别,及高精度的实时智能控制等领域具有很大的应用潜力。     

一类非线性系统迭代优化神经网络控制器

提出了一类非线性系统迭代优化神经网络控制器的设计方法,该是在正向神经网络辨识模型的基础上,应用迭代学习方法进行控制器设计。为了补偿辨识和迭代学习误差,给出了通过引入了反馈补偿控制器控制精度的方法,仿真结果证明了该方法的有效性。     

基于记忆图样权重的联想记忆神经网络学习算法

提出了记忆图样对神经突触联接强度的贡献权重概念。通过使原图样成为稳定态即稳定条件得到的方案求解该权重,得到了突触联结强度矩阵,实现了神经网络相关模式的联想记忆。将此算法和其它联想记忆算法进行了比较和讨论,并用计算机进行了模拟。     

基于人工神经网络降维映射的统计优化方法

提出将多维空间的样本数据降维映射到二维平面上,并在该平面上自动生成函数的等值分布曲线,从而,可直观出该函数的最优点或最优区域,通过本文提出的逆映射算法可将其还原到多维空间用原始变量表示．运算实例结果表明,基于神经网络降维映射的优化方法,直观、准确、可靠,对于有约束优化问题的求解特别有效．     

基于时延策略的输入缓存交换网络仲裁与分析

借助概率母函数的分析方法,对输入缓存方式交换网络的性能进行了理论分析,扩展了前人的分析结果,推出吞吐率和延时表达式闭和形式,并对这种网络的输出竞争,提出了一种简单的基一时延相关策略的神经网络仲裁算法,解决信元调度问题,仿真结果表明,该仲裁方法改善了网络性能。