基于径向基函数网络的水声信号预测模型研究

随着舰船隐身降噪技术的不断发展,舰船辐射噪声信号检测变得愈加困难.针对这种情况,将RBF神经网络引入到水声信号的预测中,建立水声信号的全局预测模型.通过对Henon和Lorenz映射仿真,验证了RBF预测模型的有效性.运用全局预测模型对两种实际水声信号进行预测.实验证明,该预测模型学习速度快,所需样本点少,效果较准确,在水声信号检测中具有良好的发展前景.     

基于Vega的鱼雷弹道视景仿真软件设计

视景仿真是进行鱼雷弹道可视化研究的重要内容。文章首先介绍了鱼雷弹道视景仿真软件的功能和框架结构及工作流程,同时分析了鱼雷弹道和运动学模型,然后由Creator建立了鱼雷和水下环境的3D模型,最后重点研究了在VC＋＋开发环境下如何结合Vega进行鱼雷弹道视景仿真软件的实现。     

基于模糊神经网络的水声对抗器材对抗效果评估研究

将人工神经网络引入水声对抗器材对抗效果评估中,运用模糊判别的思想,建立了衡量对抗效果的模糊神经网络评估模型.该模型利用仿真试验的结果,选取隶属函数的端点值和中间值作为部分样本训练网络,通过学习拟合出对抗效果与诸因素的映射关系,结合实例,应用这种方法作了初步评估.结果表明,这种方法简便、易行,评估结果可信.     

基于模拟统计法的水声对抗试验航路优化

在建立水声对抗试验航路优化评估标准的基础上,利用Monte_Carlo方法,研究了悬浮式和自航式声诱饵对抗声自导鱼雷的优化试验航路问题,并对建立的模型进行了计算机仿真。仿真结果表明,该方法对于研究水声对抗试验航路优化是一种行之有效的方法。     

人α1-抗胰蛋白酶缺乏症的临床治疗及α1-PI规模化制备的进展

α1-抗胰蛋白酶(alpha-1-proteinase inhibitor,α1 -PI或α1-antitrypsin,α1-AT)是由肝细胞合成的1种丝氨酸蛋白酶抑制剂(serine protease inhibitor,serpin),它最重要的生理功能是在肺内抑制弹性蛋白酶的活性[1].1963年,Laurell和Eriksson[2]报道了遗传性α1-PI缺乏及其与患者早年(30～40岁)发生肺气肿的关系.流行病学调查显示α1-PI缺乏症发病率约1:2000～1:5000,肝脏病变和早期肺气肿是α1-PI缺乏症的临床症状,导致α1-PI缺乏症的突变基因通常是SERPINA 1[3].突变导致血清中α1-PI含量降低,当α1-PI＜11 μmol/L(80 mg/dl)阈值(约为正常值水平的35％),则发生肺气肿的风险性增加[4].我们现就α1-PI缺乏症的临床治疗及α1 -PI的规模化制备的最新进展综述如下.