RF MEMS技术在毫米波探测系统中的应用

微机电系统（MEMS）是一项与集成电路制造工艺相似的新兴技术，其研究领域已扩展到了射频（RF）与微波领域，并有继续向毫米波频率扩展的趋势。文中结合RFMEMS技术研究的最新进展，研究了如何利用最新的RFMEMS技术设计毫米波探测系统，以实现毫米波探测系统的小型化、低功耗和高性能。     

光学探测系统电磁屏蔽设计与应用

光学探测系统在高功率微波系统运行造成的强辐射、强电磁干扰环境下工作,HPM产生的强电磁脉冲会通过后门耦合的方式由探测器前端光学镜头进入内部的电路系统造成光学探测系统瞬间黑屏、图像抖动、器件毁坏等现象,通过采用光学玻璃金属丝夹层的方法研制光窗,在2.4 GHz±100 MHz频段内电磁屏蔽性能达到了65 dB,同时满足探测目标的光窗透过率的要求。经过应用后表明:加载了这种电磁屏蔽光窗的光学探测系统在HPM工作时图像稳定,未受到干扰。     

Ku波段海表波高／潮位探测系统的研究

本文提出的Ｋｕ波段海表波高／潮位探测系统在测量精度和使用方便上优于沿用至今的波高计和浪潮仪。该探测系统为一机两用,使１４．５ＧＨｚ微波信号通过两只检相管比较Ｄｏｐｐｌｅｒ回波相位,而精确测得波高,使１１ＧＺｚ微波信号通过三角波调频的相干差频可精确测得海表潮位。基于两路信号共用一部天线,采用正交极化工作且各插入带通滤波器,使隔离度在８０ｄＢ以上,相互串扰抑制到很微弱,确保了测量精度在ｃｍ级,使实测值     

人工神经网络在金相图像分割中的应用研究

利用多层感知器神经网络和自组织映射神经网络对球墨铸铁、可锻铸铁和灰铸铁的金相图像进行了分割提取.通过对比以上两种方法分割后的图像质量和定量分析样本图像中的石墨结构、珍珠岩/铁氧体结构所占的百分含量后发现,多层感知器网络分割提取的结果与样本实际的结果更加接近,而自组织映射神经网络分割提取的结果则不够理想.据此,可以推断多层感知器网络是实现金属图像分割自动化提取和精确性分析的有效工具.     

GIS在机载环境大气成分探测系统中的应用

机载环境大气成分探测系统获取的大气信息与空间位置密切相关.为了提高探测精度,同时为后续的数据反演工作提供精确的空间参考信息,设计时在大气成分探测系统的主控管理器中集成了地理信息系统(geographic information system,GIS).利用GIS的空间数据管理、分析和图形显示、输出功能,实现了航线规划、...     

人工神经网络在有限元分析中的应用

人工神经网络是解决复杂工程问题的有效途径,将其应用于有限单元法中是近年来研究的新方向。     

人工神经网络在股市预测模型中的应用

介绍了人工神经网络的基本原理和传统股市预测方法的缺点,建立BP神经网络模型,以某个股实际收盘价为原始数据样本,对网络进行训练后,对股票价格进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度高。     

基于面阵探测系统的扫描成像信息获取方式研究

为了实现对目标进行高信噪比、高时间分辨率的探测,近年来数字时间延迟积分技术（TDI）逐步应用于面阵探测系统。结合自行研制的CMOS探测器,搭建测试平台,对面阵探测系统的扫描成像方式进行深入研究。重点针对数字时间延迟积分技术（TDI）对面阵探测系统信噪比提高的分析,结合试验研究系统信噪比提高倍数与数字TDI级数M的关系,并对探测系统时间分辨率与数字TDI级数M的关系进行讨论。引入数字TDI及多帧叠加两种图像信息获取方式的对比,分别对特定目标获取图像的噪声特性及非均匀性对比分析。     

RBF神经网络在微波幅度均衡器设计中的应用

针对多谐振腔结构的均衡器其S参数测量数据库,提出了一种工程上实用的径向基函数(RBF)神经网络插值算法,介绍了该算法的主要思想,利用MATLAB软件给出了微波均衡器插值实例,并对其插值特性进行了分析和改进。计算和分析结果表明,该算法能在较高的插值精度条件下对数据进行有效的插值处理。该算法在微波器件的工程设计中具有一定的推广应用价值。     

人工神经网络在航迹关联中的应用研究

在分布式多传感器系统中的多节点情况下,航迹关联问题可以转化为多维分配问题。而多维分配问题是典型的组合优化问题,很难找到问题的最优解,而且其计算量随着问题规模的增加易出现指数爆炸现象。该文提出了一种三维神经网络模型,用以解决三节点情况下航迹关联的三维分配问题,并进行了实验仿真。仿真结果表明,三维人工神经劂络模型能够有效地求解此三维分配问题,并且具有较高的航迹关联正确率。另外三维神经网络模型同样可以推广到多维,用以解决航迹关联的多维分配问题。     

智能控制的模糊神经网络技术的研究现状与前景展望

本文从模糊系统与神经网络作为逢应用模型无关估计器时智能特性的研究、模糊控制器的神经网络实现技术及神经网络学习的模糊视网络技术等方面，详细地介绍了目前关于智能控制的模糊神经网络技术的研究现状，同时亦融入了作者关于此课题的一些思想，并对模糊神经网络的研究趋势进行了简单预测。     

基于高效可扩展改进残差结构神经网络的舰船目标识别技术

神经网络的深度在一定范围内与识别效果成正相关,为解决超出范围后网络层数增加识别准确率却下降的模型饱和问题,该文提出一种具有高效的微块内部结构和残差网络结构的神经网络模型,用于对舰船目标基于高分辨距离像的分类识别。该方法利用具有小尺度卷积核的卷积模块提取目标的稳定可分特征,同时利用联合损失函数约束目标特征的类内距离提高识别能力。仿真结果表明,该模型相比于其他常见网络结构,在模型参数更少的情况下,识别效果更好,同时具有较强的噪声鲁棒性。     

基于双层递归神经网络的路由优化算法

研究分组交换网的路由选择及流量分配问题,以网络的平均时延为优化目标函数。为使问题的解能实时、可靠地完成,将一种用于最短路径计算的双层递归神经网络应用于路由选择的流量导数法中。仿真结果表明,该算法在收敛的可靠性和计算的实时性方面有所提高。     

使用不同置信级训练样本的神经网络学习方法

针对含不同置信级样本的模型拟合问题,该文提出了一种基于神经网络的二次学习方法。文中指出真实模型是实验模型的一种变异,提出逼近真实模型期望值的神经网络,是融合先验样本和真实样本的最佳网络。首先,以先验样本为训练样本进行第1次神经网络学习,并计算取决于硬点信息的软点误差容量区间;然后,同时将先验样本和真实样本作为训练样本,利用软点误差容量区间和硬点误差敏感系数,对神经网络训练过程中输入/目标对的误差进行修改,通过第2次学习得到既能精确拟合真实样本,又能最大化利用先验样本信息的综合网络。与基于知识的神经网络(KBNN)相比,该方法更加简单,可操控性更强并具有更加明确的逻辑意义。     

Performance Analysis of Neural Network Detectors in DS/CDMA Systems

In this paper, we consider neural networks as the detectors of signals of users in DS/CDMA systems. We apply multilayer perceptron neural network with back propagation learning algorithm in AWGN and multipath fading channels. Our analysis results in significant reduction in the receiver complexity over the previous studies. We compare the performance of neural network with the conventional and suboptimal detectors in AWGN channel and with the RAKE and single user lower bound receivers in fading channels. We also apply different criterion for training the network such as the decision based, fuzzy decision, discriminative learning, minimum classification, and entropy neural networks in AWGN channels and compare their performance. Further, we propose modified decision based network which improves the performance of the decision based network. A comparison between multilayer perceptron and Hopfield neural detectors is presented.     

神经网络在超声波马达控制中的应用现状

超声波马达作为一种新型马达具有显著的优点。但由于其输出特性的严重非线性及其数学模型的不精确性。难以实现精确控制，因此影响了超声波马达的实际应用。发达国家及地区已将能对非线性系统实现有效控制的神经网络理论应用到超声波马达的控制中并取得了较好的效果。目前境内有关这方面的研究内容仍是一个空白，在查阅大量文献的基础上较全面的综述了神经网络理论在超声波马达控制研究中的现状，主要介绍了目前所应用的神经网络控制形式、结构、算法及其控制效果。并结合神经网络相关发展做出进一步展望。     

人工神经网络在决策支持系统中的应用

在传统的决策支持系统中，加入基于神经网络的预测模块，完成了复杂的非线性预测，使决策支持系统更加的智能化、自动化。该模块采用反向传输BP神经网络模型来实现，通过网络的自适应训练和学习，找出输入和输出之间关系以求解问题。利用该系统对社会消费品零售额进行预测，结果表明该系统具有较强的实用性和通用性。     

用人工神经网络进行FBLP阵处理

本文给出了一种Ｈｏｐｆｉｅｌｄ神经网络，它的状态空间不再为双值空间（如《０．１》等），而为一实数空间。此网络可用地复数域中的最优估计，文中将此网络用于ＦＢＬＰ阵处理，从而为ＢＬＰ阵处理提供了一条计算有效的途径，模拟结果表明此网络是可行的。     

神经网络用于反演微波亮度温度分布

将神经网络用于反演目标的微波亮度温度分布,提出了视在温度的神经网络迭代反演法。该方法利用神经网络正向模型提供反演误差对输入的梯度信息,利用该梯度信息进行迭代得到最优反演结果。利用该方法对水面在35GHz频段的视在温度进行反演所得的结果显示,该方法优于Holms反演法及HFR反演法。从视在温度中剔除散射辐射温度得到目标的亮度温度。