基于Hopfield神经网络的导航系统的滤波估计

介绍了以中精度惯性导航系统INS（Inertial Navigation System）为主,与全球导航定位系统GPS（Global Position System）等多个次级导航系统组成的导航系统的实现方案。设计了基于Hopfield神经网络的导航系统的滤波估计算法。经计算机模拟仿真证明,神经网络的算法优于通常的卡尔曼滤波方法。     

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。     

利用Hopfield神经网络解决TSP问题

从Hopfield神经网络原理出发,结合TSP问题的要求,求得问题的最优解的次优解。并通过解决实际问题,说明了算法的有效性。     

基于新型卡尔曼滤波器的组合导航系统

对SINS/DGPS/Magnetometer全组合导航系统进行分析,建立了相应的误差模型和系统观测模型,并提出了一种新的扩展卡尔曼滤波方法对其进行处理,仿真结果表明,该设计改善了系统性能,提高了导航定位的精度、可靠性。     

惯性/重力匹配组合导航系统的滤波技术研究

文章设计了惯性／重力匹配组合导航系统的卡尔曼滤波器。研究及仿真试验表明，此滤波器是可行的。滤波后可使惯性／重力匹配组合系统相对于无辅助的惯性导航系统，在定位精度、速度精度上等均有很大的提高，对于常值漂移有一定的估计能力。也就是说采用惯性／重力匹配组合导航技术可以实现对惯性导航系统误差的控制，实现高精度导航。     

新定义模糊Hopfield神经网络的稳定性研究（Ⅰ）

提出了一类新定义的模糊Hopfield神经网络（NFHNN）。在此基础上,对该网络一致稳定性和吸引子的Lyapunov稳定性进行了研究,并且给出了一个模糊模式是该网络吸引子的充要条件。     

基于优化Hopfield神经网络的海事飞机巡航路径规划

为解决海事空巡飞机巡航路径规划问题,提高巡航效率。本文提出了一种基于优化Hopfield神经网络（HNN）巡航路径规划模型,该模型通过粒子群优化算法（PSO）对HNN神经网络进行优化得到PSOHNN神经网络模型,提高了Hopfield神经网络的全局收敛能力。采用实际巡航点对优化模型进行仿真实验,结果证明了基于优化Hopfield神经网络（PSO-HNN）巡航路径规划模型具有良好的路径寻优能力。     

新定义模糊Hopfield神经网络的稳定性研究(Ⅰ)

提出了一类新定义的模糊Hopfield神经网络(NFHNN).在此基础上,对该网络一致稳定性和吸引子的Lyapunov稳定性进行了研究,并且给出了一个模糊模式是该网络吸引子的充要条件.     

新广义模糊Hopfield神经网络的稳定性研究(Ⅱ)

新广义模糊Hopfield神经网络(NFHNN)在具有物理意义的背景下更具普遍意义的模型一致稳定性和吸引子的Lyapunov稳定性研究,并且给出了一个模糊式是该网络吸引子的充要条件.     

新广义模糊Hopfield神经网络的稳定性研究（Ⅱ）

新广义模糊Hopfield神经网络（NFHNN）在具有物理意义的背景下更具普遍意义的模型一致稳定性和吸引子的Lyapunov稳定性研究，并且给出了一个模糊式是该网络吸引子的充要条件。     

基于BP神经网络的舰船组合导航算法研究

针对GPS/惯导组合导航系统的滤波定位算法,文章提出利用BP神经网络,用其输出修正组合导航滤波输出结果,提高组合导航系统的定位精度。通过仿真试验表明滤波的效果对导航精度有所提高,同时也说明了该方法是可行的、正确的。     

基于神经网络的磁性目标磁矩反演方法

针对磁性目标定位中的磁矩反演问题,提出一种基于神经网络的磁矩反演技术。首先,基于最小二乘原理,建立了磁性目标磁矩反演模型;其次采用Hopfield网络进行了优化求解,并针对模型求解过程中鲁棒性差的弊端,对网络进化策略进行了自适应修正;最后设计了仿真实验对其有效性进行了检验,仿真结果表明利用修正后的网络求解磁矩反演问题结果令人满意,具有一定的实用性。     

基于卷积神经网络的船舶自动识别系统

基于船舶自动驾驶存在的问题以及需求,提出了一个基于卷积神经网络的船舶自动识别系统.系统设计使用的生成对抗神经网络算法,基于互信息理论,能够无监督式地学习船舶图像特征.通过实验论证,在分类准确度上取得了显著地提升,表明本系统方法合理有效,具有较高地运用前景.     

基于模糊神经网络的动力定位系统

针对船舶动力定位系统，采用神经网络来实现模糊控制的模糊化、规则推理到反模糊化的整个过程，并且采用BP算法进行网络学习；同时针对船舶的纵向运动进行了仿真、比较与分析。仿真结果表明，这种模糊神经网络对船舶的动力定位实施的可行性及有效性。     

基于自适应神经网络的电力系统经济调度

为了适应新能源接入大电网的发展趋势,降低输电损耗,提出了考虑输电损耗的电力系统经济调度问题。提出根据功率平衡约束误差在线调整连续神经元更新步长的自适应方法,建立了基于增广的Lagrange-Hopfield神经网络的自适应神经网络算法,并且构建了该算法的仿真计算流程。从理论上证明了该算法的收敛性,论证了该算法具有快速的收敛速度。通过选取不同的更新步长参数求解实例,证明该算法可以在线调整步长,从而提高收敛速度,大幅减少迭代次数。     

基于TSK模糊系统的模糊对向传播神经网络

充分利用了TSK(Sugeno-Tanaka)模糊系统的优点,提出了改进的模糊对向传播神经网络Improved-FCP,并给出了其学习算法。实验结果表明Improved-FCP网络较之FCP网络对样本有更高的逼近精度。     

基于卡尔曼滤波的舰船综合导航信息处理

数据处理是舰船综合导航系统的核心任务,此文具体介绍了舰船综合导航卡尔曼滤波的模型建立和滤波实现,提出了基于卡尔曼滤波思想的舰船综合导航信息融合处理方法,并利用Matlab软件进行了仿真和结果分析。     

神经网络在组合导航定位算法中的应用研究

针对无源北斗1号/惯导组合导航系统滤波定位算法,文章提出并设计了神经网络及其训练算法RLS,用其输出修正组合导航滤波输出结果,提高组合导航系统的定位精度。通过仿真验证了此方案的可行性,并能有效提高北斗1号组合导航系统的定位精度。