神经网络在舰船噪声识别中的应用

本文基于多层前馈型网络模型发展了一种利用声纳信号进行目标识别的技术，并在对传统BP算法局限性详细分析的基础上，对其稍作改进，提出了BP－选择学习算法。实验表明，此算法对噪声信号的识别效果好于BP算法。     

快速同伦BP算法

对人工神经ＢＰ（ＢＡＣＫ ＰＲＯＰＡＧＡＴＯＮ）网的梯度算法及同伦算法进行了分析，据此提出了兼具二者优点的新算法－－快速同伦ＢＰ算法。根据这一算法开发了通用快速同伦算法ＱＨＢＰ程序，并对两组不同的样本进行训练。两表明快速ＢＰ算法在计算速度及计算精度方面的均有很大程度的提高。因此，快速同伦ＢＰ算法具有极高的实用性。     

一种结构自适应模糊聚类神经网络分类器的研究

本文通过一种新的相似度度量概念，综合模糊Ｃ－ｍｅａｎｓ网、自适应谐振理论（ＡＲＴ－１）及模糊自组织映射网（ＦＣＮ）的诸多优势，提出了一种综合的结构自适应模糊聚类神经网络。该网络具有类内聚集性强，类间可分性好的特点。通过对声纳目标信号分类试验表明，本文提出的结构自适应模糊聚类网，对比于ＢＰ网，具有迭代次数少、识别率高等明显优点，是一种具有实际应用价值的分类器模型。     

关于适合于海洋探测信号处理的几种基于人工神经网络的预测方法

本文讨论了并比较了几种适合于海洋探测信号处理的预测方法：基于统计的线性预测方法、传统ＢＰ神经网络方法，改进的带线性链的ＢＰ神经网络方法以及具有ＢＰ神经网络学习算法的ＡＲＭＡ方法。对后两种方法作者从理论上进行了分析和推导。实践表明，后两种方法的速度比传统ＢＰ神经网络方法的速度快，数据压缩比也高。     

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。     

Chirp-Scaling 算法在宽带合成孔径声纳成像中局限性研究*

传统的Chirp Scaling算法主要适用于正侧视窄带的情况下的合成孔径声纳成像,但算法中采用的泰勒展开近似与调频斜率取值近似却不能适用于采用宽带发射信号的成像。论文主要针对Chirp Scaling算法的上述局限性,研究了Chirp Scaling算法对宽带SAS的影响,并进行了仿真验证。     

基于神经网络结构的自适应模式识别技术在机械故障诊断中…

本文利用神经网络聚类学习方法对机械故障的故障模式进行分类，通过实验研究证明该方法作为一种新的自适应模式识别技术，比传统的聚类方法和基于ＢＰ神经网络故障模式识别方法具有较高的模式分类能力。     

一种被动声纳目标识别数据融合方法的研究

文章首先对目标噪声信号采用五种不同的方法提取特征矢量,然后采用基于自适应遗传BP算法的神经网络分别对五种特征矢量并发地进行分类,再采用遗传算法对分类器组合过程中的多参数进行优化,最后由五种分类结果最优组合产生最终的分类结果。实验结果表明该系统具有很好的分类效果。     

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。     

基于模糊多层感知机的模式分类方法的研究

本文着重研究应用模糊神经网络来进行模式分类的问题，提出了一种基于模糊多层感知机的模式分类方法，学习方法采用自适应ＢＰ算法，这个网络最显著的特征是能处理网络输入，输出的不确定性和不准确性，并可以进行规则解释，输入隶属函数的中心和半径根据数据分布情况处动生成，输入向量由类隶属度决定，对该方法进行检验的结果表明它是是切害可行的，其分类的精度很高，明显优于非模糊分类器。     

船舶电气设备电磁干扰信号补偿算法

利用传统算法对船舶电气设备电磁干扰信号进行补偿后,信号信噪比较小,补偿效果不好。针对上述问题,提出一种新的船舶电气设备电磁干扰信号补偿算法。该算法主要分为两步:一是行容错信号检测,包括信号采集和容错信号分类识别;二是据检测结果进行容错信号补偿,包括补偿参数计算和容错补偿实现。结果表明:与传统补偿算法相比,利用本算法对船舶电气设备电磁干扰信号进行补偿后,信号信噪增大11.3 d B,补偿效果较好。     

改进BP算法的参数优化和知识学习

讨述一种基于人工神经网络（ＡＮＮ）的知识学习方法，采用改进的ＢＰ算法训练ＡＮＮ，用于船用柴油机故障诊断，以解决一般专家系统在知识获取过程中的“瓶颈”问题。还讨论了ＢＰ算法的改进与参数优化，并给出了在故障诊断中应用实例。     

基于强点目标的条带SAS自聚焦研究

合成孔径成像中,主要通过自聚焦校正剩余相位误差。相位曲率自聚焦是一种典型的条带SAR自聚焦方法,算法利用不同强点目标估计不同孔径相位误差曲率,对整个孔径相位曲率进行二次积分得到相位误差。侧摆偏差幅度较大时,条带SAS合成孔径图像中强点目标在距离向和方位向都会散焦,导致传统基于强点的条带SAR自聚焦算法无法直接用于条带SAS自聚焦。该文提出在距离压缩后利用强点目标的运动轨迹提取强点目标对应的存在误差的线性调频信号,对强点目标对应的信号进行解线频调处理得到相位误差函数并计算相位曲率。通过二次积分得到整个孔径的相位误差,从而提取侧摆误差。仿真结果表明改进算法可用于条带SAS中聚焦。     

基于线谱特征提取的被动声纳目标识技术研究

该文针对被动声纳目标识别,着重研究了线谱特征提取方法,提出了一种自适应遗传BP算法,并用该算法训练神经网络目标分类器。经对上海上实录三类目标噪声分类识别实验结果表明,所设计的被动声纳目标识别系统具有很好的分类效果。     

脉冲声纳内部的小型扫描装置

本发明提供了对声纳进行改进的一种方法。这种改进包括一个由N个监听换能器阵元组成的直线基阵，每个监听阵元能够接收一个声信号，并能输出一个与这对应的电信号。提供一种多元波束形成器。每个波束形成器具有一个输入、输出装置，其输入接收来自每个监听阵元的输出。在监听阵元和波束形成器之间接有开关装置，使监听陈元的输出在两种方式之间交替接通到每个波束形成器，一种方式是按预定顺序，另一种方式是与预定顺序相反。这种结构所需的波束形成器比一般结构少一倍，从而大大地减小了扫描声纳的大小和重量。     

基于自适应迭代阈值的声呐图像增强算法

水下声呐成像探测技术日益成为各国普遍重视的技术。声呐图像具有对比度低、成像质量差的特点，对声呐图像进行增强处理是进行声呐图像判读和提高视觉效果的基础之一。针对声呐图像增强算法研究较少等问题，提出了一种迭代阈值图像增强算法，并采用评价准则算法和频域响应法对常用的几种图像增强算法进行比较分析。结果表明，该方法具有算法简单、易于实现等特点，且增强效果可较好地满足视觉效果的需求。     

模糊推理规则的学习算法A

针对模糊推现规则的学习问题，基于Ｂ－Ｐ学习算法的思想，本文提出了模糊推理规则的学习算法Ａ。对于给定的训练集，学习算法Ａ能通过迭代学习到模糊推理规则，ｉｆＸｉｓＡｔｈｅｎＹｉｓＢ（α，β）中的α，β学习算法是Ａ具有易于实现之优点。     

大尺度声纳图像目标自动分类方法研究

针对大尺度海底声纳图像l中小目标的自动识别问题,提出了一种基于分形维探测与纹卵特征卡结结合的目标自动分类算法。该算法采用分形维探测方法实现尺度变换,并在此基础上利用基于灰度共生矩阵的纹理特征描述目标特性,最后采用SVM算法解决图像声纳小目标识别中小样本,非线性及高维的现实难题向实现分类。实验结果表明,此算法在对解决大尺...     

基于辐射噪声能量分布的舰船目标分类算法

有效的特征提取技术是水中目标识别的基础.为提高基于舰船辐射噪声的水中目标识别准确率,选用小波变换完成信号预处理和滤波,并在信号变换后的多尺度子空间上提取信号特征参数,归一化处理后构建分类特征向量,最后用支持向量机算法进行训练和测试.仿真结果表明,利用小波变换的多分辨率分析方法和支持向量机算法对舰船辐射噪声信号进行分类识别,特征提取算法有效,分类速度较快.     

基于BP神经网络和FDM方法的势流问题求解

随着神经网络研究热潮的兴趣，已经提出了许多学习算法，并迅速在各领域得到应用；本试图采用改进的ＢＰ算法来求解平面势流问题，并且与用有限差分法计算的 比较，发现吻合良好。