改进的变步长LMS自适应滤波算法

针对解决LMS(Least Mean Square)自适应滤波算法收敛速度及未知系统时变跟踪速度与稳态误差的矛盾,改进步长因子μ(n)与误差信号e(n)的非线性映射关系,提出一种新的变步长LMS算法。执行该算法时系统初始阶段或未知系统时变阶段步长自动增大,而稳态时步长缓慢变小,提高了收敛速度和时变跟踪能力,克服了稳态误差偏大的缺点。理论分析及实验结果表明,新算法的收敛、跟踪速度及稳态误差性能均优于现有常见的几种LMS算法。     

用改进的BP算法处理军事知识研究

本文提出了改进的ＢＰ算法，并应用于军事指挥决策知识的处理。对于ＢＰ算法的改进，本文根据军事知识树的特点构造了ＢＰ神经网络，并对影响ＢＰ网络学习速度和效果的隐节点构造、收敛速度和活跃函数等问题进行了研究和改进。     

杂波下变结构概率数据关联算法

针对杂波情况下的舰艇防空作战中对单机动目标跟踪问题,提出了一种变结构数据关联算法.通过自适应网格算法实现对多种运动模式的机动目标进行自适应跟踪,用概率数据关联算法对杂波下目标进行状态估计,将变结构算法的自适应能力和概率数据关联的杂波跟踪能力相结合.通过模拟跟踪典型反舰导弹机动轨迹,将该算法与标准IMMPDA算法相比较.仿真结果表明,该算法具有较高的关联精度和更短的跟踪时间,对于提升舰艇防空效能和增强生命力有着积极意义.     

基于BFGS法的BP神经网络算法研究

在把ＢＦＧＳ法运用于ＢＰ神经网络权的训练中,通过基于不同算法的神经网络对实际问题进行了学习,并根据学后获取的非线性机理结合预测的实例进行对比分析,表明基于ＢＦＧＳ法的ＢＰ神经网络算法对加快网络训练速度,提高网络预测的能力方面是有效的。     

基于分离矩阵的步长自适应EASI算法

首次提出将分离矩阵用于对在线盲分离算法中步长自适应控制,并在认真分析相关固定步长和变步长EASI算法的基础上,将其加以运用,提出了一种新的步长自适应EASI算法。该算法步长是基于分离矩阵的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其他固定步长或变步长的EASI算法。     

一种改进的LMS算法

在一种变步长LMS算法的基础上,引进动量因式,提出了一种新的改进LMS的算法。新算法整体性能优于变步长LMS算法以及LMS算法。通过理论分析,比较了新的算法和变步长LMS算法以及LMS算法的收敛性和稳态性,提出了一种设想以提高新算法的稳态性。仿真试验证明了新算法的优越性以及设想的在仿真条件下的正确性。     

汽车车内降低噪声主动控制泄露LMS算法

泄露变步长最小均方算法是一种改进型LMS算法,克服了LMS算法无法同时兼顾收敛速度和稳态误差的的固有缺陷。提出一种基于泄露变步长LMS算法的汽车车内噪声主动控制方法,并将基于LMS算法和泄露变步长LMS算法的汽车车内噪声主动控制结果进行比较,结果表明:与LMS算法相比,泄露变步长LMS算法具有更快的算法收敛速度和较小的稳态误差,可有效进行汽车车内噪声主动控制。     

利用Mehra自适应卡尔滤波进行船舶目标跟踪

基于无线传感网络的目标跟踪技术在航海中应用越来越多,卡尔曼滤波是目标跟踪系统中求解非线性最优解的主流技术。卡尔曼滤波算法通过传感网络中的定位值进行"预测-修正-调整"的自适应反馈调整,能动态的调整跟踪精度。随着无线传感器的采集数据的增加及部署密度的增强,传统的最小二乘法算法已经不能适应船舶目标跟踪。本文分析基于无线传感网络目标跟踪模型,在此基础上设计基于Mehra卡尔曼滤波的移动目标跟踪算法。     

基于小波变换与变步长LMS算法的船舶磁场信号检测

针对检测船舶磁场信号时信噪比较低的问题,提出了一种基于小波变换与变步长LMS算法的检测方法.根据船舶磁场信号的实际特征,首先对信号进行小波分解,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取船舶目标特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强...     

基于变步长LMS的频域干扰抑制算法的研究

基于对时域变步长LMS算法、频域块LMS算法的研究分析,给出了一种新的基于变步长频域块LMS的干扰抑制算法,仿真结果和分析表明能实现更好的收敛速度和更小的有用信号损失,并且计算复杂度低,利于工程实现。     

Black-box modeling of ship manoeuvring motion based on feed-forward neural network with Chebyshev orthogonal basis function

Based on polynomial interpolation and approximation theory, a novel feed-forward neural network, the feed-forward neural network with Chebyshev orthogonal basis function, is proposed for black-box modeling of ship manoeuvring motion. The neural model adopts a three-layer structure, in which the hidden layer neurons are activated by a group of Chebyshev orthogonal polynomial activation functions and the other two layers’ neurons use identity mapping as activation functions. Weight update formulas are derived by employing the standard back-propagation (BP) training method. With the simulated 15º/15º zigzag test data as input and calculated values of the hydrodynamic forces and moment as output, the feed-forward neural network with Chebyshev orthogonal basis function and the BP neural network are applied to identify the nonlinear functions in the nonlinear hydrodynamic model of ship manoeuvring motion. With the simulated 20º/20º zigzag test data and 35º turning test data as input, the hydrodynamic forces and moment are predicted by using the identified nonlinear functions. Comparison between the calculated and predicted hydrodynamic forces and moment shows that the feed-forward neural network with Chebyshev orthogonal basis function is superior to the BP neural network in identifying the nonlinear functions of the nonlinear hydrodynamic model of ship manoeuvring motion and is an effective method to conduct the black-box modeling of ship manoeuvring motion.     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于协议栈的网络监听及在仿真测试中的应用

网络监听已成为仿真测试系统对被试系统运行数据进行采集的一种重要手段。随着被试系统和仿真测试系统的快速发展,需要解决网络监听对不同网络协议、操作系统和网卡的适应性问题。介绍适应于不同网络协议、操作系统和网卡的网络协议栈技术,阐述网络监听的原理,提出利用网络协议栈技术进行网络监听的两种方法,给出这两种方法的具体实现过程。通过仿真试验证明,利用上述方法能较好地完成对被试系统运行数据的采集。     

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BP网络的线性电路软故障诊断

线性电路的软故障诊断一直是个难点,BP神经网络可用于模式识别和分类。本文主要介绍了BP网络的基本算法、训练过程及其改进,分析了BP网络在模拟电路故障诊断中的实用性。     

一种新型的船舶横摇运动实时预报方法

本文在阐述强化学习的基本原理，方法的基础上，提出了一种强化学习的TD算法与BP算法相结合的BPTD方法，并将基用于对角回归神经网络的在线训练，最后以在船舶横摇运动时预报技术上的应用为例，说明这种算法有很强的实时多步预报能力。     

自航模运行轨迹自动跟踪系统研究

通过对自航模运行特点的研究,研制出一套利用伺服系统驱动的单台摄像机自动跟踪系统,主要由水平旋转伺服系统、垂直旋转伺服系统和安装在伺服系统之上的工业相机组成。系统对图像进行采集和处理,并与伺服系统形成闭环。当船模成像到达图像正中心后,采集当前水平与垂直伺服系统的角度,计算当前船模坐标,并与上一坐标点进行关联,绘制运行路径。通过实际测试,该系统运行稳定,轨迹定位精度满足工程要求。     

BP神经网络应用于散货船空船质量估算

以搜集的200余条散货船为样本,建立了空船质量统计回归模型和三种情况下的BP神经网络模型,并选取10条散货船对各模型进行了测试和比较。三种BP神经网络模型测试结果与实际值很接近,精度优于传统的统计回归模型,表明用BP神经网络进行空船质量估算是可行和实用的。     

低成本海洋探测自主无人艇集群系统研究（英文）

Swarm robotics in maritime engineering is a promising approach characterized by large numbers of relatively small and inexpensive autonomous aquatic crafts(AACs) to monitor marine environments. Compared with a single, large aquatic manned or unmanned surface vehicle, a highly distributed aquatic swarm system with several AACs features advantages in numerous real-world maritime missions, and its natural potential is qualified for new classes of tasks that uniformly feature low cost and high efficiency through time. This article develops an inexpensive AAC based on an embedded-system companion computer and open-source autopilot, providing a verification platform for education and research on swarm algorithm on water surfaces. A topology communication network, including an inner communication network to exchange information among AACs and an external communication network for monitoring the state of the AAC Swarm System(AACSS), was designed based on the topology built into the Xbee units for the AACSS. In the emergence control network, the transmitter and receiver were coupled to distribute or recover the AAC. The swarm motion behaviors in AAC were resolved into the capabilities of go-to-waypoint and path following, which can be accomplished by two uncoupled controllers: speed controller and heading controller. The good performance of velocity and heading controllers in go-to-waypoint was proven in a series of simulations. Path following was achieved by tracking a set of ordered waypoints in the go-to-waypoint. Finally, a sea trial conducted at the China National Deep Sea Center successfully demonstrated the motion capability of the AAC. The sea trial results showed that the AAC is suited to carry out environmental monitoring tasks by efficiently covering the desired path, allowing for redundancy in the data collection process and tolerating the individual AACs' path-following offset caused by winds and waves.     

基于神经网络的汽轮发电机组推力瓦块拆检周期改进

运用人工神经网络的方法对某舰用汽轮发电机组的滑油铜含量进行分析,找出铜含量的变化规律,然后与曲线拟合进行数据处理的方法作比较,结果表明,基于遗传算法的BP网络模型比曲线拟合模型的预报精度明显提高,预报结果稳定,且建立模型的过程较为简单。