一种高精度弹道导弹落点预测方法

为高精度预测弹道导弹落点,提出了高精度落点预测算法,即首先基于椭圆弹道粗估计所划定的落点范围搜索可能目标,然后基于4D外弹道模型应用遗传算法对弹道导弹弹道进行精细预测.该算法可快速划定目标搜索范围并精确生成弹道导弹轨迹;以导弹必定攻击我方军事目标的基本假定改变了以往算法仅依靠弹道特性的局限,并支持多弹头弹道导弹的落点预测.仿真实验表明该算法的运行时间平均在2s以内,精度在100m范围,可以满足弹道导弹预警的时间和精度要求,也可为多弹头同时预测落点.     

一种改进型的粒子滤波器

针对复杂背景条件下图像序列中跟踪运动目标的问题,提出一种改进的粒子滤波图像跟踪算法,该算法利用遗传算法的研究成果,采用选择、交叉、变异等步骤实现对粒子的重采样,解决了粒子滤波器所面临的粒子退化和匮乏问题.由于该算法利用了遗传算法的全局寻优特性,因此该算法具有较强的稳健性.同时,粒子滤波可实现非线性非高斯状态空间模型的最优估计,将该粒子滤波用于目标跟踪,具有较好的过遮挡能力.实验结果表明,该算法状态估计性能好,能够很好地实现复杂图像序列中的目标跟踪.     

基于投影网格的三维雷达包络融合方法

针对雷达探测范围的三维可视化问题,给出了投影网格融合算法（FatPig）。该算法在多个雷达包络的重叠区域构建面积较小、长度合适的网格,分别对每组重叠雷达包络对做竖投影和侧投影,逐步过滤得到较多的重叠区探测点和较少的非重叠区探测点,并以较低计算复杂度完成多个雷达包络的三维融合。采用标准重叠区探测点对比库方式,得到最优的网格长度,采用成对投影的策略从宏观角度降低计算复杂度,克服以往算法复杂度较高的弊端。分析了FatPig计算复杂度,并实验验证了算法的有效性。     

一种基于网络资本评价的关键核挖掘方法

为挖掘出网络中的多个关键点,定义了网络资本和关键核。根据网络特点,确定影响函数和衰减函数来计算网络的网络资本值,以网络资本的变化来反应网络性能变化。 根据投入产出分析的思想,提出了完全相关模型对网络的关键核进行挖掘,如果节点(集)动态删除后使网络性能下降到一定程度,则节点(集)为关键核。实验结果表明:当网络性能下降到原来的30％时,动态失效方法比按序失效方法挖掘关键核的点数少。本方法在对网络关键核的挖掘上更加准确和有效。     

网络群负相关训练算法的等价形式

在基于负相关的神经网络群学习算法中,相关项由目标输出或网络群输出定义。本文首先证明无论相关项采用何种定义形式,个体网络的目标函数都等价于网络自身性能和群性能的线性组合,线性组合系数由给定参数和网络群规模共同确定。然后给出个体网络目标函数的统一定义,并分析了目标函数内参数的含义。该目标函数表明负相关算法实际是实现多目标优化,所以网络群算法无需负相关概念,从而在概念和实现两方面简化了负相关算法。     

TSK网络结构设计:一个基于二阶运算的局部反馈网络

按照局部反馈和易于解释两个原则,本文设计了一个带反馈的二阶TSK网络。网络的结论部分以输入成分的二项式[1,2]作为神经元的导出域。二项式是神经网络领域少见的运算模式,导出域通常为输入与权向量的内积。网络的结论部分借助于延迟反馈引入动态特性,属于局部反馈,所以动态导数计算简洁。TSK网络表征一组If-Then规则,本文网络较采用独立变换[3]和基于G—FGS神经元[4]的网络易于理解。系统辨识的仿真证明本文网络可以很好地辨识动态系统,表明TSK网络拓扑结构设计中使用二阶运算是可行的。     

一种计算动态导数的新方法

基于梯度的算法训练带反馈多层感知网络(recurrent MLP,RMLP)时,必须先计算网络输出层内状态向量对所有可调参数的动态导数,而文献[Puskorius等1992,1994年]给出的动态导数计算公式存在计算量大和存储空间需求高的问题。本文给出计算动态导数的新方法,与文献方法相比,本文方法能显著减少计算量和存储空间。解耦合的扩展Kalman滤波算法(Decoupled Extended Kalman Filter,DEKF)是一种结合梯度和Kalman滤波的高效RMLP训练算法。分别用本文方法和文献方法计算动态导数,再用DEKF调节网络权参数,仿真表明两种情况下训练得到的网络具有同样的性能。     

本体理论及其在仿真想定校验中的应用研究

校验是仿真想定系统组成中的重要部分。该文在研究本体理论的基础上,结合本体的查询和推理机制,对基于本体的联合作战仿真想定校验进行了探讨。     

UKF训练RMLP网络的快速算法

UKF训练PMLP的优点是无需计算动态偏导数,但UKF面临计算量大的问题,降低计算量是UKF的研究重点之一。本文提出反向遍历sigma点的方法,可以显著降低UKF有2N_w 1或N_w 2个sigma点两种情况下的计算量。另外,对2N_w 1个sigma点的情况,本文提出解耦合方法,能有效降低存储协方差阵所需空间。综合反向遍历方法和解耦合方法,本文给出UKF训练RMLP的快速算法。在动态系统辨识的仿真中,本文方法节省近80%的计算量和近90%的存储空间。