基于并行Boltzmann机的多目标跟踪研究

聚合概率数据关联滤波方法的关键是求解数据关联概率βｉ＾ｔ。本言首先研究了密集多回波环境下的多目标数据关联问题，进而应用神经网络Ｂｏｌｔｚｍａｎｎ机，结合模拟退火方法，求解数据关联概率βｉ＾ｔ，把求得的βｉ＾ｔ用于卡尔曼滤波跟踪器计算目标位置的量测修正，达到多目标跟踪，仿真结果表明，该方法能很好地进行多目标跟踪，而且回波愈密集，其优越性能愈为突出。     

神经网络在机动多目标跟踪中的应用

本文概括地介绍机动多目标跟踪理论，解决多目标跟踪问题的重大意义及解决多目标跟踪问题的传统方法，通过对已有的用于解决多目标跟踪问题的神经网络方法的分析，讨论了神经网络应用于解决多目标跟踪问题的可行性。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合，提出一种求解多传感器多目标跟踪数据关联问题的方法。该方法的目的是实现多传感器观测数据的模糊聚类，使源于不同目标的观测数据能正确划分到该目标中去。仿真结果表明，该算法可以实现数据与目标的正确关联，克服传统硬判断的一些缺点。     

基于混沌神经网络的多目标跟踪技术研究

本文应用混沌神经网络求解多目标跟踪中的数据关联问题,给出了混沌神经网络的模型,构造了数据关联的能量函数表达式,在数据关联过程中,采用退火算法。仿真结果表明,应用混沌神经网络求解数据关联比Hop fie ld网络具有更块的收敛速度和更小的关联误差。     

多目标跟踪中的神经网络方法

本文分析了多目标跟踪的经典方法，讨论了该经典方法的组合爆炸问题，陈述了多目标跟踪中的神经网络方法，此法不仅可以解决传统方法带来的组合爆炸问题，从而实现时多目标跟踪，而且还可以解决跟踪精度问题，提高跟踪的准确性。     

基于Kohonen神经网络的多传感器多目标跟踪方法

本文描述了一个Ｎ维Ｋｏｈｏｎｅｎ神经网络和算法,提出了多传感器多目标跟踪（ＭＳＭＴＴ）的Ｋｏｈｏｎｅｎ神经网络方法,认真研究表明该方法的有效性,可提高目标跟踪的速度和精度。     

水下多目标跟踪的网络层次决策方法

水下多目标跟踪逻辑与决策是水下航行器多目标跟踪中需解决的技术难点．目前用于水下多目标跟踪决策的方法都假设各个决策因素相互独立,而实际上水下多目标跟踪决策的因素之间存在着相互影响．本文根据这一特点,建立了水下多目标跟踪决策的指标集和相应的ANP决策模型,提出了基于ANP的水下多目标跟踪逻辑与决策方法．该方法将水下多目标跟踪决策的指标集纳入网络层次结构模型,并通过模型解算得到优化的多目标跟踪决策,具有决策结果比现有方法更加合理、稳健的特点．仿真结果表明该方法是在多目标跟踪决策因素之间存在相互影响情况下解决水下多目标跟踪逻辑与决策问题的有效方法．     

求解多目标跟踪中数据互联问题的数字网络结构研究

在多目标跟踪情况下,求解数据互联问题要求计算把第i个量测分配给第t个目标的概率βi^t。该文阐述了求解数据互联概率βi^t的神经网络方法,介绍了具有神经元网络结构的数字实现,并分析了该神经元网络结构的稳定性和收敛性。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合,提出一种求解多传感器多目标跟踪数据关联问题的方法.该方法的目的是实现多传感器观测数据的模糊聚类,使源于不同目标的观测数据能正确划分到该目标中去.仿真结果表明,该算法可以实现数据与目标的正确关联,克服传统硬判断的一些缺点.     

多目标跟踪中的目标位置及速度数据融合

基于多传感器数据融合理论，提出了一种在杂波环境下解决多目标跟踪的方法，即利用位置，速度的融合，得到比较满意的多目标跟踪运动轨迹，给出了有效的融合算法，并进行了仿真，通过仿真可以看出这是一种实用，有效的多传感器融合。     

一种自学习策略及其在模糊控制与神经网络控制中的应用

提出一种新的自学习控制策略。模糊控制与神经网络控制的仿真研究证实该策略具有易于实现、在线学习、跟踪控制和一定通用性的优点，并具有满意的学习功能。     

船舶柴油机远程故障诊断研究

对船舶柴油机的远程故障诊断系统进行了研究，介绍了该系统的总体结构，提出用IEEE802．3和IEEE802．11作为诊断网络的数据链路层协议，用TCP／IP作为系统的网络层和传输层协议，用JAVA技术解决远程数据通讯接口问题。并研究了用Khoenen神经网络作为船舶柴油机本地故障诊断工具，用基于规则的专家系统作远程故障诊断工具的实施方法。研究表明，船舶柴油机故障诊断系统切实可行，有望发展成为一种有价值的船舶监控系统。     

Fault Diagnosing System of Steam Generator for Nuclear Power Plant Based on Fuzzy Neural Networks

All kinds of reasons are analysed in theory and a fault repository combined with local expert experiences is establishedaccording to the structure and the operation characteristic of steam generator in this paper. At the same time, Kohonen algo-rithm is used for fault diagnoses system based on fuzzy neural networks. Fuzzy arithmetic is inducted into neural networks tosolve uncertain diagnosis induced by uncertain knowledge. According to its self-association in the course of default diagnosis. thesystem is provided with non-supervise, self-organizing, self-learning, and has strong cluster ability and fast cluster velocity.     

基于UPF的神经网络辅助机动目标跟踪

为提高机动目标跟踪性能,提出了一种神经网络辅助下的滤波方法。基于Unscented卡尔曼滤波方法,Unscented粒子滤波器（UPF）能够产生较准确的建议密度分布,因此相对于其它蒙特卡洛方法,UPF能够获得对非线性目标跟踪问题更好的近似。利用目标的机动特征建立和训练神经网络,将神经网络的输出作为加速度控制参数,用于修正目标的运动模型。仿真结果表明,与扩展卡尔曼滤波相比,神经网络辅助下的UPF具有更好的跟踪性能。     

欠驱动船舶全局K指数航迹跟踪的级联反步法

研究一类欠驱动船舶的全局航迹跟踪问题。首先对船舶动态系统和期望动态系统分别进行全局微分同胚变换,得到航迹跟踪的误差动态方程,由此将航迹跟踪问题转化为误差动态系统的镇定问题,然后利用级联系统理论将误差动态方程的镇定问题分解为两个独立子系统的镇定问题。通过分别为子系统设计全局指数稳定控制律实现了欠驱动船舶的全局K指数航迹跟踪。仿真结果验证了所提方法的有效性。     

基于Hopfield神经网络的雷达多目标跟踪

针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法。为解决JPDA随着目标增多的情况会出现的组合“爆炸”及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性。基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力。     

神经网络在多目标分布式融合中的应用研究

提出了适合分布式多传感器多目标(MSMT)数据融合估计算法，对这种推广的分层融合估计算法进行了数学推导和描述，研究了利用神经网络进行MSMT跟踪融合的网络结构和算法，进行了计算机模拟仿真。仿真结果表明神经网络融合估计可提高跟踪精度，并且这种融合方法是有效的。     

跟踪机动目标的最小子模型集切换算法研究

研究了机动目标跟踪的多模型(MM)方法,提出了一种新的多模型方法——最小子模型集切换(MSMSS)算法。这种算法从总模型集中自适应确定最小子模型集,用来进行多模型估计。仿真结果显示,和标准的交互式MM(IMM)相比,MSMSS算法在具备同等跟踪性能的前提下计算量很小,在计算量相同的情况下具有更好的跟踪性能。     

欠驱动自主水下航行器的镇定及跟踪

针对仅带有轴向推力及偏航力矩的欠驱动自主水下航行器（AUV）,研究了其在水平面内的轨迹跟踪及定点调节问题。基于Lyapunov直接法及串接一反步技术,通过采用一种带有动力学震荡器的跟踪误差变换,设计了一种统一的连续时变状态反馈控制律,并给出了参数自适应更新律以估计AUV的非线性阻力参数,使得AUV的位置及方向角的跟踪误差全局渐近收敛于零点左右的一个邻域内,该区域可以为任意小,并且,AUV的跟踪性能与外界干扰的大小无关。仿真结果证明所提出的方法是有效的。     

基于离差的多属性决策灰色关联分析法在对空情报雷达网侦察效能评估的应用

针对现有情报雷达网侦察效能评估方法难以精确化,提出基于离差的多属性决策灰色关联分析方法,建立了基于离差的多属性决策灰色关联评估模型,并应用实例验证了该模型的有效性与实用性,此方法为解决评估对空情报雷达网侦察效能提供了一种科学、实用的新途径。