基于小波神经网络的航空电子系统效能评估

航电系统是现代战机的重要组成部分,也是实现任务合成、能力融合和资源综合的重要支撑手段,作战飞机的性能高低与航电系统的效能密切相关.针对目前航电系统效能评价指标体系复杂、人为评估分歧较大等问题,设计了基于小波神经网络法的航电系统效能评估方法,并设计了航电效能评估系统,结合层次分析法(AHP)构建指标体系,最终专家判断打分得出权重并通过小波神经网络对判断值予以修正.与特定能力下航电效能评估相比,该评估系统指标体系更为丰富,同时对指标权重有着良好的修正效果,为航电系统效能评估提供工具原型支持.     

基于模糊神经网络的雷达对抗效能评估

雷达对抗装备作战效能评估是一个复杂问题,涉及因素多,而且部分因素存在信息不完全和不确定的问题,而模糊系统理论是处理这类问题的有力工具。提出利用模糊系统理论来评估雷达对抗装备的作战效能,建立了作战效能评估的指标体系,结合神经网络的自适应功能,提出了基于模糊神经网络的作战效能评估模型。仿真结果表明该方法简单有效而且可行。     

基于BP神经网络的反舰导弹效能评估模型

从分析不同型号的反舰导弹的主要性能指标出发,应用神经网络的理论方法探索其效能评估的问题。建立了反舰导弹效能评估的神经网络模型,构造了3组训练样本并对样本进行训练、仿真,最后对结果进行比较,证明了用神经网络模型来对反舰导弹进行效能评估是可信、可行的。研究结果也为反舰导弹武器的进一步发展提供了理论参考。     

基于BP神经网络的Ad Hoc网络通信能力评估

针对Ad Hoc网络特点,建立了效能评估指标体系,简要分析了指标选取的理由。然后阐述了利用BP神经网络评估网络通信能力的基本设想。构建了BP神经网络模型,分析了样本的录用和训练过程,当训练精度达到要求后,再运用BP神经网络对几种典型分簇算法构建网络的通信能力进行了评估。     

BP神经网络在语音干扰评估系统中的应用研究

文章主要介绍了语音干扰评估系统,重点研究了干扰评估系统中数据拟合部分算法的性能,引入了BP神经网络作为新的数据拟合算法,使用多组语音文件,进行干扰系统评估,并对BP神经网络与最小二乘算法的拟合结果进行比较。证明BP神经网络在语音干扰评估系统中的实用性以及性能提升,该模型可以在语音干扰系统中实际应用。     

信息融合系统效能灰色评估模型与算法

根据信息融合系统效能评估的需求,建立了基于层次结构的信息融合系统效能评估指标体系,并运用灰色理论方法讨论了效能评估模型和评估算法．通过仿真举例,结果表明该算法简单方便．模型及算法有效可行,评价结果具有客观性．     

基于Elman神经网络的空战威胁排序研究

依据空战态势、空战效能以及目标战役价值,采用威胁指数法建立了空战目标威胁评估模型。在威胁评估的基础上,研究了空战中基于Elman神经网络的目标威胁排序方法。考虑到Elman神经网络的学习性能和收敛性,采用附加动量项、自适应改变各参数学习率以及重置算法改进网络权值的学习算法。算例结果表明,采用Elman神经网络对空战目标进行威胁排序的方法是有效的,且改进的学习算法提高了网络的学习效率,有效地抑制了局部极小值的出现。该方法有利于提高火控系统的智能化水平。     

基于灰色层次分析法的有人/无人协同作战效能评估

当前和今后相当长一段时期内,战场的机械化、信息化、智能化将长期并存、并行发展。有人/无人协同作战可以通过各无人系统与有人系统之间的资源调度、态势统一、任务整合来进一步提高作战系统的作战效能。基于灰色层次分析法,结合径向基函数（Radial Basis Function,RBF）神经网络进行数据整理,对有人/无人协同作战效能进行科学评估,提出了一种新的评估模型,为优化协同作战体系结构和提高协同作战能力提供了理论依据。围绕有人/无人协同作战的作战任务和能力需求构建了相关评估指标体系,基于灰色层次分析法与RBF神经网络设计了有人/无人协同作战评估模型,并进行了仿真实验分析。仿真结果表明,该方法能够实现对有人/无人协同作战效能客观有效的评估。     

基于GA-BP神经网络的雷达干扰效能评估方法

针对当前雷达干扰效能评估方法中评估模型较为复杂、参数获取困难、应用价值不大的问题，优化了雷达干扰效能评估变量和指标体系，使其更加贴近实际应用；针对传统雷达干扰效能评估方法中依赖专家打分、人为因素影响较大而普通神经网络预测误差较大的问题，采用遗传算法（genetic algorithm, GA）对误差反传（back propagation, BP）神经网络的初始参数进行全局优化，提出基于GA-BP神经网络的雷达干扰效能评估方法,降低评估系统误差。最后，进行了仿真验证，与普通BP神经网络和支持向量机（support vector machine, SVM）进行了对比分析，并通过调整参数进一步优化了该方法。仿真结果表明，该方法明显优于普通BP神经网络和SVM，具有较好的准确度和稳定性，可为实际应用提供科学依据。     

基于神经网络学习的网络防火墙拦截效能评估

为了提高对网络防火墙拦截效能智能评估能力,提出一种基于网络攻击特征大数据采样和卷积神经网络学习的网络防火墙拦截效能智能评估方法。采用攻击强度评估方法进行防火墙的拦截能力评估,结合卷积神经网络学习方法进行攻击大数据特征提取,以入侵信息拦截的概率为评价对象,结合定量递归分析方法进行网络防火墙拦截效能自适应动态评估。仿真测试结果表明,该模型能有效评估网络防火墙的拦截效能,提高对入侵信息的拦截检测能力。     

基于BP神经网络的4G话务预测方法研究

目前常用的话务预测算法主要有移动平均法和指数平滑法,虽然可以达到一定精度的话务趋势预测,但对于短期话务量的周期性变化,例如潮汐效应等场景,传统的话务预测算法存在一定的缺陷。因此需要运用BP神经网络算法,进行更为精准智能的话务预测,以便支撑目前广东公司正在试点的载波动态调度,为潮汐载波调度提供算法依据。本文将对BP神经网络用于话务预测进行研究,并对模型的预测性能进行评价。     

利用改进的BP算法实现神经网络辨识仿真

系统辨识是控制系统设计的基础。基于多层前馈神经网络结构,采用一种改进的BP算法,利用二阶梯度变尺度模型,完成了神经网络非线性系统辨识。与传统的辨识方法比较,神经网络应用于非线性系统辨识具有泛化功能和很好的容错能力,是一种不依赖模型的自适应函数估计器。采用一种改进的BP算法有效地改善了系统收敛速度慢的问题,BP模型已成为神经网络的重要模型之一,从而为控制系统正确设计奠定理论基础。     

Integration of ATM call admission control and link capacity controlby distributed neural networks

An adaptive call admission control using neural networks was recently proposed for asynchronous transfer mode (ATM) communications networks. The author proposes adaptive link capacity control using neural networks. Neural networks are trained to estimate the call loss rate from link capacity and observed traffic, and link capacity assignment is optimized by a random optimization method according to the estimated call loss rate. The integration of adaptive call admission control and adaptive link capacity control yields an efficient ATM traffic control system suitable for multimedia communication services with unknown traffic characteristics. Computer simulation results using a simple network model are also given to evaluate the accuracy and efficiency of the proposed method     

Classification of radar clutter in an air traffic controlenvironment

The results of an experimental study aimed at the classification of radar clutter encountered on ground-based coherent scanning radar systems used for air traffic control are presented. The clutter signals of interest are primarily those due to birds and to clouds and weather systems. A historical perspective on the radar clutter classification problem is given, and related issues are discussed. The important features of radar as a sensor in an air traffic control environment are described, and physical phenomena in radar clutter and targets, which provide the physical basis for the discrimination between the different radar clutter classes, are discussed. The feature of selection/extraction procedure, which is based on the multisegment Burg algorithm, is described. The experimental evaluation of a parametric Bayes classifier and a neural network classifier is reported     

一种基于BP神经网络算法PID控制器的研究与仿真

文中将BP神经网络的原理应用于参数辨识过程,结合传统的PID控制算法,形成一种改进型BP神经网络PID控制算法。该算法利用BP神经网络建立系统参数模型,能够跟踪被控对象的变化,取得较高的辨识精度。针对BP神经网络对权系初始值敏感的缺点,优化BP神经网络的初始权系数。通过BP算法修正BP网络自身权系数,实现PID参数的在线调整。仿真结果显示了该算法收敛速度快、精度高、鲁棒性强、稳定性好,表明了该算法的可行性与有效性。     

The Adaptive Road Routing Recommendation for Traffic Congestion Avoidance in Smart City

A fuzzy neural network (FNN) calculates the traffic-light system and extends or terminates the green signal according to the traffic situation at the given junction while also computing from adjacent intersections. In the presence of public transports, the system decides which signal(s) should be red and how much of an extension should be given to green signals for the priority-based vehicle. Using fuzzy logic, we propose a model with a neural network for public transport, normal cars, and motorcycles. The model controls traffic-light systems to reduce traffic congestion and help vehicles with high priority pass through. The system also monitors the density of car flows and makes real-time decisions accordingly. In order to verify the proposed design algorithm, we adapted the simulations of Simulation of Urban MObility, ns2, and green light district simulation method to our model, and further results depict the performance of the proposed FNN in handling traffic congestion and priority-based traffic. The promising results present the efficiency and the scope of the proposed multi-module architecture for future development in traffic control.     

IP技术在民航空管通信网络建设中的应用研究

在民航领域，民航空管信息系统发挥着重要作用，其是指挥民用航空飞机智能中枢的重要组成部分。随着科技的进步与发展，民航空管通信网络技术以IP技术为基础信息架构，同时融合了移动通信技术、语音传输技术、数据传输技术等，成为一个复杂的智能系统，具有强大的通信能力，且稳定较强。随着现代信息技术的迭代升级，网络信息系统日益呈现出共享、开放、安全的核心价值要求，网络通信技术也逐渐被各领域应用。民用航空领域也是如此，尤其是民用航空飞机的安全运行，离不开民用航空空管通信网络的支持，这是保障民用航空出行的基础，是民用航空领域发展的基石。因此，应不断升级优化民航空管通信系统的软硬件设施，保障通信系统的稳定性，促进民航领域的不断升级、优化。文中介绍了民航空管通信网络，以期提高通信网络的安全性、稳定性，保证空管通信服务的顺利开展。     

RBF神经网络在视频业务建模及预测中的应用

ＡＴＭ技术在关键在于业务控制,能否有效地实施业务控制则取决于对业务特征的了解和预测能力。传统的解析方法对视频业务进行预测的局限性较为明显。本文采用径向基函数神经网络对视频业务进行建模和预测,并提出了分别采用ＬＢＧ算法和Ｈｅｓｔｅｎｅｓ奇异值解进行隐含层神经元中心选择和输出神经腱权值计算的改进方法。     

基于VMPSO-BP神经网络的话务量预测

为了更快速、准确地预测移动话务量,提出了速度变异的粒子群算法（VMPSO）,并与BP算法相结合,形成速度变异的粒子群—BP（VMPSO-BP）神经网络算法,用以训练神经网络,从而优化了神经网络的参数,最后对移动话务量进行预测。与传统BP神经网络方法和PSO-BP神经网络方法相比较,并且通过实验数据的分析以及对预测结果地比较,速度变异的粒子群—神经网络预测方法精度更高,收敛速度更快,从而更好地实现了对移动话务量地预测。     

基于神经网络的变电站异常网络流量识别

针对变电站网络异常流量检测过程中需要兼顾准确度和实时性的问题,提出基于元启发优化算法的模块化的神经网络算法。仿真实验证明,在存在网络延迟和抖动的情况下,基于灰狼优化算法模块和进化策略算法模块的神经网络异常检测算法,能够准确和高效地识别变电站网络中的异常数据流量。