基于RBF神经网络的磁探测引信系统研究

通过对比BP神经网络、径向基函数（RBF）神经网络在信号处理中的优缺点，详细分析了RBF神经网络的模型结构并应用于多模磁探测引信系统中，通过计算机仿真和实际测试效果较好。     

红外成象GIF中的神经网络识别算法

目标识别是红外成象GIF中的关键技术之一,利用神经网络可以完成目标识别的任务.在获得目标红外灰度图象傅立叶描述子特征的基础上,对BP神经网络、径向基函数神经网络和学习矢量量化神经网络在目标类型识别中的应用进行了研究.通过网络的设计及算法的仿真结果,比较了这几种神经网络的在目标识别方面的优缺点.     

基于人工神经网络的多模引信磁探测信号处理

简述了多模引信磁探测系统的概念、原理及目标特性。对比了BP神经网络、径向基(RBF)神经网络在多模引信磁探测系统信号处理中的优缺点，并对其进行了改进，通过计算机仿真得到了很好的结果。     

RBF神经网络在目标识别中的应用研究

基于递推最小二乘学习算法，提出了一种运用径向基函数神经网络进行目标识别的方法。仿真结果表明．该方法可以有效对来袭目标进行识别，具有较好的识别效果，对提高防空能力有一定的意义。     

基于改进进化规划的RBF网络二相码旁瓣优化

在研究雷达脉冲压缩信号中的二相编码距离旁瓣压缩问题基础上,采用改进的进化规划算法优化径向基函数网络,提出了一种基于改进进化规划算法的计算方法.该算法将进化规划算法和神经网络结合起来,用径向基RBF(Radial Basis Function)神经网络结构取代多层前馈网络MFNN(Multilayer Feedforward Neural Nerworks)结构,用改进进化规划取代反向传播算法BP(Back Propagation),可以以较大概率快速的收敛到要求的旁瓣抑制指标.通过对13位巴克码和31位M编码的仿真实验,表明新的方法在旁瓣抑制能力和运算速度等性能方面,都有较大的提高.     

神经网络在发动机状态监控与故障诊断中的应用综述

神经网络由于具有强大的非线性映射能力和并行处理能力,近年来,在航空航天领域中,被广泛地应用于发动机的状态监控和故障诊断.全面总结了神经网络在发动机状态监视与控制、故障诊断以及可靠性分析与设计上的应用情况,系统地分析了所采用的反向传播神经网络、径向基函数神经网络、自组织神经网络、概率神经网络以及模糊神经网络等网络模型及其最新的进展情况,最后指出了未来的重点研究方向.     

基于MUSIC算法的多普勒引信目标定位

利用无线电引信在弹目交会过程中的多普勒频率进行定位时,需要对同时存在的多个变化的频率进行估计,此时常规谱估计方法的分辨率不能满足要求,为此提出基于MUSIC算法的小合成孔径多普勒引信目标定位方法。该方法先采用合成孔径技术来构建小阵元数天线阵列,并对回波信号进行加窗处理,由窗内数据估计阵列输出自相关阵,然后采用MUSIC算法来估计目标不同反射点信号的多普勒频率以实现目标定位。仿真结果显示算法能够实现多普勒频率的高分辨率估计,适合导弹与体目标交会过程中目标多反射点定位。     

基于径向基神经网络的空间目标测向定位算法

针对无线电测向定位系统中解析算法定位误差较大的问题,提出了一种基于径向基(RBF)神经网络的双站只测向定位方法。利用RBF神经网络可逼近任意连续有界非线性函数的能力,通过样本学习,构建目标位置和测向站所测的来波方向角(DOA)映射模型。与目前解析算法相比,RBF定位模型不仅充分利用了测向站获取的所有二维DOA信息,而且利用神经网络的泛化特性、鲁棒特性,较好解决了测向误差对定位精度的影响。实验表明:该方法能有效提高定位精度。     

基于神经网络的航空炸弹弹道拟合分析

介绍了炸弹弹道拟合的几种模型,对各种模型的优缺点以及处理结果进行分析比较.提出采用径向基函数网络理论来处理炸弹弹道拟合问题,弹道与攻击条件的关系可通过神经网络的阈值和权值来表现.通过实例说明了应用径向基函数网络进行弹道拟合分析,不但具有算法可行性好、拟合精度高,而且具有运算简单.结果可靠的特点.     

一种可识别脱靶方位脉冲多普勒引信技术

根据多通道多普勒比幅测向原理,提出了一种基于多天线分时扫描的脉冲多普勒引信脱靶方位识别技术。该技术在弹体四周均布三根收/发共用天线,采用圆周方向时分顺序扫描的方式,根据多普勒比幅算法提取目标的方位信息。     

信号的循环平稳特性在电子对抗中的应用

随着电子技术的发展，基于阵列信号处理的ＤＯＡ（波达方向）估计将广泛应用于电子对抗的侦收系统及引战配合。本文介绍了高分辨率的ＤＯＡ估计的基本算法——典型ＭＵＳＩＣ算法。典型ＭＵＳＩＣ算法是以源发射信号相关矩阵为基础，因此需以窄带假设为前提。由于大部分人造信号（如ＡＭ、ＦＭ、ＢＰＳＫ等）都具有循环平稳特性，利用这一特性，以循环相关矩阵为基础，仍用ＭＵＳＩＣ算法，不仅可解决宽带源方向估计问题，而且可以大大提高ＤＯＡ估计的噪声抑制能力，增加阵容量。     

基于导向矢量特征的多源DOA降维估计

针对利用智能学习方法进行多信号源方向估计模型难以构建的难题,文中提出了一种有效的降维构建方法。该方法首先对构造的DOA矩阵进行特征分解,获取各个信号源的DOA矩阵导向矢量,这样就可以用单信号样本来训练RBF神经网络模型,然后利用训练好的模型分别对分离出来的信号导向矢量进行映射估计,从而达到了对多信号源来波方向进行降维估计的目的,仿真结果也证明了文中方法的有效性和可行性。     

基于联合方向特征的智能来波方向估计

针对利用智能学习方法进行多信号源二维方向估计模型难以构建的难题,提出了一种有效的降维构建方法。该方法首先对构造的DOA矩阵进行特征分解,获取各个信号源对应的、包含两个方向信息的特征值和特征向量,分别以这两个量(统称为联合方向特征)作为输入特征,以单信号样本来训练两个RBF神经网络模型,然后利用训练好的模型分别对分离出来的各个信号对应的特征值和特征向量进行映射估计来得到两个空间角。仿真结果表明:该方法达到了对多信号源二维来波方向进行降维估计的目的,且具备较高的估计精度。     

基于直接序列/码分多址天线阵的干扰抑制与波达方向估计方法

智能天线和码分多址(CDMA)技术作为第三代移动通信系统中的两个关键技术，具有显著提高系统性能的潜力。本文讨论的就是这两种技术的结合，用智能天线技术来解决CDMA系统中存在的诸如多址干扰、远近效应问题。本文以直接序列／码分多址(DS／CDMA)系统基站中的智能天线为背景，采用在码域和空域内两次进行干扰抑制，即先在码域内最大限度地抑制部分多址干扰，再在空域内抑制剩余多址干扰的方法，来达到提高系统性能、并同时实现波达方向(DOA)估计的目的。理论分析与仿真实验表明，该方法具有一定抗远近效应的能力，且在低信噪比下对系统性能及角度估计精度均有较大程度的提高。     

一种输出信噪比最大的引信天线波束形成算法研究

根据软件无线电引信天线波束形成的特点和要求，研究了一种使输出信噪比最大的波束形成算法。并通过MATLAB对这种算法进行仿真，仿真结果表明：这种算法能满足引信天线对主波束倾角准确度的要求，同时副瓣电平也相对较低，对从副瓣进入的干扰信号也进行了有效的抑制。还在数字信号处理器（DSP）中对这种算法运行的实时性进行了测试，测试结果表明：可以满足引信天线波束形成对实时性的要求。     

波达方向估计算法的性能分析与仿真

波达方向估计是利用天线阵元对空间信源的来波方向进行估计.在二维平面,将来波方向和阵列法线的夹角定义为波达方向,由此定义阵列信号处理的基本数学模型.采用非参数化方法估计波达方向,包括Bartlett、Capon、MUSIC等方法.对其仿真表明,在估计精确度方面MUSIC法最好,Capon法次之,Bartlett法最差.     

基于DSP的声定位智能引信实时性研究

实时性是评定声定位智能引信性能的重要指标。分析了DSP芯片、定位阵列和定位算法三个影响智能引信实时性的因素。对比了采用TI库函数和C语言完成互相关算法和FFT算法所需的时钟周期数,证明库函数效率高,实时性好,具有很明显的优势。结果表明使用库函数可以在ms级完成广义互相关算法,并通过对比各种加权函数的耗时,为加权函数和采样点数的选择提供依据。     

基于卡尔曼滤波的一体化引信与定向战斗部配合

引信与导引头一体化设计是提高引战配合效率的有效途径。基于改进后的去偏转换测量自适应卡尔曼滤波算法,把定向战斗部中心破片飞向角与弹目视线角之差作为起爆控制量,实现了一体化引信全公式化定向起爆控制。该算法将球坐标系中的测量信息转换到直角坐标系下,消除偏差后进行自适应滤波。利用前两点测量值,建立了滤波初始状态。仿真结果表明,该滤波算法参数估计精度很高,能提高引战配合效率。     

基于自适应神经网络的导弹引信和导引头组合系统

将子波神经网络新模型ＴＦＷＮ２成功地应用于导弹引信系统和导引头系统的信息综合处理，给出了基于自适应子波神经网络导弹引信和导引头组合系统。