神经网络在通信干扰效果评估中的应用研究

人工神经网络具有学习、记忆等仿生特点，可以通过对已知问题及结论进行学习，并把结果为知识记忆下来，得到内在的因果映射关系，遇到类似问题时，直接用学习到的知识进行处理，得出结论。针对通信干扰效果评估中不易得到因果关系的显式解析表达式，研究了把以前测试通信干扰效果的数据作为知识，通过BP型神经网络进行学习，拟合出干扰效果与影响因素之间的映射关系，避开求解析表达式，从而建立干扰效果评估模型，对干效果进行评估。     

电子干扰效果与效能评估的研究

在研究现有电子干扰效果与评估的基础上，提出与现代电子战相适应的新型干扰效果和评估技术，定义新型的电子干扰效果评估因子和效能评估因子的概念与表示方法。     

多功能评估系统及其评估方法分析

介绍集语音信号干扰效果客观评估方法、数字通信基带干扰效果评估方法、中频信号评估方法于一体的某通信系统,实现对多种体制通信链路在各种干扰条件下的干扰效果进行中频、基带和终端业务多个层次上的分析、评估、鉴定。     

基于最大离差和熵的雷达干扰效果评估

为了减少雷达干扰效果评估中人为因素的影响,提高干扰效果评估的客观性,引入最大离差决策和Shannon信息熵,在给出评估指标的基础上对指标权重进行求解,并对雷达干扰效果进行评估。最后,通过与其他方法进行比较验证了新评估方法的合理性。     

通信干扰站多目标干扰能力的评估

介绍了通信干扰站多目标干扰能力的一种评估方法，给出了每个通信专向威胁系数的计算方法及截获目标数量能力、干扰目标数量能力及专向干扰效果等三个分指标的计算方法。实践证明，这种评估方法科学有效，真实地反映了装备的多目标干扰能力。     

对GPS接收机欺骗式干扰效果的灰色评估模型和算法

对GPS接收机的欺骗式干扰效果评估是一个全新而又十分复杂的问题,而且由于存在信息不完全和不确定等因素,故灰色系统理论是解决此类评估问题的一种很好的办法。通过分析对GPS接收机的欺骗式干扰方法,提出了对欺骗式干扰效果的灰色评估方法,建立了评估模型和评估算法。并利用MATLAB语言进行了仿真评估举例,结果表明该方法简单有效,可对GPS接收机的欺骗式干扰效果进行科学、合理的评估。     

线性调频脉冲压缩雷达干扰仿真研究

脉冲压缩雷达作为一种抗干扰能力很强的新型雷达越来越受到广泛的关注，如何对其进行有效的干扰是一项亟须解决的课题。从系统的角度出发研究了对脉冲压缩雷达的干扰，发现影响干扰效果的因素很多，从而得出了如下结论：若对脉冲压缩雷达干扰效果进行准确的评估，必须对其进行系统仿真。通过噪声干扰、噪声调幅干扰和移频干扰对脉冲压缩雷达的干扰仿真，得到了一些结论。     

搜索雷达抗干扰效果评估

分析了有源压制噪声干扰对搜索雷达的影响和评估搜索雷达抗干扰效果的常用指标，提出了一种战术条件下搜索雷达抗干扰效果评估指标。     

基于PESQ的语音干扰效果评估方法

介绍基于PESQ的语音通信干扰效果评估方法,并对PESQ算法进行技术分析,探讨在通信对抗语音干扰效果评估中的应用。     

反导冲淡干扰仿真及效能评估

建立冲淡干扰对抗导弹的数学模型,并利用计算机仿真技术对干扰过程和效果进行仿真和评估,分析冲淡干扰方式、导弹制导方式、导弹末制导雷达开机距离、箔条云发射距离和箔条云发射时机对冲淡干扰成功概率的影响,对提高舰艇自卫反导作战能力具有一定的指导意义。     

基于BP神经网络的载荷试验研究

BP神经网络是工程中广泛应用的一种神经网格模型,对BP神经网络原理进行简要介绍,根据现场载荷试验数据,运用BP神经网络技术建立载荷试验过程中承压板沉降值与载荷值大小之间的相关性模型,并对载荷试验过程进行预测,将预测结果与实测值进行对比,结果表明预测结果与实测值基本吻合,为今后载荷试验过程模拟提供可借鉴的方法。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.     

基于BP神经网络的船舶企业员工综合评价模型

为了保障船舶工业企业内部对其员工的使用管理和评价上的客观性和准确性,提出基于BP神经网络的综合评价方法,在建立了员工评价的指标体系基础上建立了基于BP神经网络的评价模型,将评价员工综合素质的指标值作为模型的输入量,评价结果作为模型输出量,用样本对神经网络进行训练,利用收集的中国船舶工业集团某造船企业管理执行层员工信息,使用MATLAB对模型进行模拟仿真训练,用验证样本对评价模型检测,检测结果是仿真输出与期望输入基本一致,说明网络合理,评价模型能够较好对船舶企业员工的综合素质进行评价.     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过分析传统的灰色预测模型和 BP 神经网络预测模型的优缺点,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和 BP 神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明：灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。     

基于神经网络和粒子群算法的环肋圆柱壳优化设计

对于潜艇外壳等外压容器来说,满足稳定性要求至关重要。本文利用Matlab编写改进粒子群算法优化程序,利用 Ansys的 Apdl语言完成了环肋圆柱壳的参数化建模,以圆柱壳厚度、肋骨尺寸和肋距作为离散设计变量,以稳定性要求作为约束条件,构造了合适的惩罚函数,以质量最轻作为设计目标,实现了基于 BP神经网络和粒子群算法的环肋圆柱壳优化设计。在优化过程中,首先采用拉丁超立方体抽样完成了样本点的选取,然后对样本点进行有限元分析,根据有限元分析结果构建 BP神经网络代理模型,并探讨了样本点数量对代理模型预测精度的影响,最后采用改进粒子群算法对代理模型进行优化。优化结果表明,对于需要考虑离散变量和复杂非线性约束的结构优化问题,采用 BP神经网络和粒子群算法联合优化的方法能够节省大量计算时间,并达到理想的优化效果。     

神经网络模型在港口吞吐量预测中的应用与误差分析

应用神经网络BP算法对杭州港的吞吐量预测实例进行了详细分析。通过对网络各种参数的调试与组合得出,当隐含层节点数为15,训练控制误差为0.035,分级迭代级数为4级,平滑因子参数为0.2,学习速率参数为1.5时,网络性能最佳。将网络预测结果与时间序列和回归分析2种方法进行了比较,得出神经网络方法在短期预测中要优于传统方法。通过对模型预测误差产生原因的简要分析,得出神经网络方法并不适用于吞吐量长期预测。最后对其应用过程中可能存在的一些问题提出了建议。     

OBF分解与BP网络在船舶磁场信号检测中的应用

针对水中兵器探测船舶磁场信号时信噪比较低的问题,提出了基于OBF分解与BP网络的船舶磁场信号检测算法。首先采用BP网络对测量数据进行预处理,滤除大部分环境磁噪声;再采用OBF分解算法对网络输出信号进行检测,提取归一化能量信号作为检验统计量。试验结果表明,本文算法可以显著提高信噪比,增强对船舶磁场信号的检测能力,性能明显...     

基于BP神经网络的舰艇战损装备抢修排序

针对现代海战中影响舰艇战损装备抢修排序的因素不断增多,作战环境更加复杂,单一指标已不能满足抢修决策的需求,为了提高舰艇指挥员战时抢修决策的准确性和合理性,本文采用BP神经网络对舰艇战损装备抢修排序进行决策,建立了BP神经网络模型,最后通过实例进行网络训练,结果表明该方法具有较高的准确性和可行性。     

基于混合学习算法的水下机器人神经网络辨识

借鉴Elman和Jordan神经网络的特点,构造了一种新的动态神经网络.该网络能对隐含层的历史进行状态记忆,实时调整过去的信号对现在值的影响,并且增加了输出层节点的反馈以增强神经网络的信号处理能力.将基于遗传算法(GA)和误差反传算法(BP)的混合学习算法用于神经网络权值的修改,既可提高收敛速度又能避免陷于局部极小值.最后,将改进的神经网络应用于水下机器人动力学模型辨识,仿真结果表明,基于混合学习算法的神经网络提高了学习的收敛速度和辨识精度.