基于自适应算法的单矢量传感器抗相干干扰

将矢量传感器组合指向性vs的零点对准已知的相干干扰方向,获得"干净"的目标信号,然后结合自适应算法抵消矢量传感器原始数据中各通道的相干干扰,达到抗相干干扰的目的.文中阐述了方法的原理,进行了多种情况下的仿真,并给出实验结果.仿真和实验结果表明该方法能有效抑制方位已知的相干干扰.     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

基于视频的车辆特征表达与分类算法

为实现车辆类型的高精度检测,提出了基于偏心矩向量的特征表达方法,将运动车辆轮廓点与重心之间的距离定义为偏心矩,构造特征向量实现车辆的标识.该特征向量具备旋转、平移、伸缩的不变性,能够克服目标运动状态和环境变化的影响.采用支持向量机构建多类最优分类超平面,实现运动车辆的多类别快速分类.实验结果表明,不同类别车辆特征区分明显,识别准确率可达94%以上.     

声传递向量法在汽车驱动桥声辐射中的应用

为了分析和控制汽车动力传动系统的辐射噪声,应用声传递向量法对动力传动系统进行结构声辐射仿真研究.以汽车驱动桥为例,运用声传递向量仿真算法,计算得到驱动桥壳体表面辐射声压级、外场域点声压级等声学响应,并且在研制的汽车驱动桥性能试验台上进行试验.结果表明:仿真结果与试验结果吻合良好,声传递向量法在进行汽车动力传动系统声振分析时具有很高的可信度和良好的识别能力,是汽车产品设计过程中适用于结构声振分析的可靠仿真方法.     

AN EFFICIENT FAST ENCODING ALGORITHM FOR VECTOR QUANTIZATION

IntroductionAs an effective technique for data compression,VQ[1,2 ] has been successfully used forvarious ap-plications involving VQ- based encoding and VQ-based recognition in both vocal and image pro-cessing.The k- dimensional,N- level vectorquantizer is defined as a mapping from a k- di-mensional Euclidean space Rkinto a certain finitesubset C={Ci,i=1 ,2 ,… ,N },which is called acodebook and whose elements Ci are called code-words.A distortion measure D( X,Ci) is a non-negative dissi…     

模糊神经网络系统在滩海铺管敷缆船中的应用设计

针对滩海铺管敷船数学模型过于复杂,难以用传统控制进行建模的特点,提出了用模糊神经网络进行智能化控制的方案,并采用了一种较为简单实用的全局最优算法简化计算过程。实验证明,此控制系统具有较强的自适应性与自学习能力,表明了该方案的正确性与实用性。     

空间电压矢量PWM过调制区连续控制方法研究

在分析过调制原理和特点的基础上,对过调制的控制方法进行了分析和研究．说明采用该方法可以对空间电压矢量PWM的输出电压进行连续和平滑的控制,直至达到六阶梯波工况时的最大值。试验结果表明,过调制区连续控制方法简单、高效、控制效果良好。     

基于互谱算法的矢量水听器拦截鱼雷仿真研究

通过对矢量水听器的输出进行互谱分析与计算,测量鱼雷噪声方位变化率,即时引爆悬浮式深弹对来袭鱼雷实施硬杀伤的实施过程,说明其原理并推导出相应的结果。在已有关于悬浮式深弹拦截来袭鱼雷研究基础上,建立了悬浮式深弹作战使用模型,并进行了一定的仿真实验。根据仿真实验的结果分析表明,该方法简单易行,适合于悬浮式深弹引爆。     

单只矢量水听器对多目标方位估计的仿真研究

文章结合了矢量水听器的自身特点,利用单只矢量水听器分别研究了声强法和ESPRIT算法对目标方位进行估计,在无需知道信号先验信息的条件下,可以实现对多个不相关信号的方位角估计。利用已知的条件进行模拟仿真,在不同的信噪比,样本长度的条件下来对比声强法与ESPRIT算法之间了优劣性。     

基于加权矢量神经网络的辐射源识别方法

现有的很多分类识别方法包括基于专家系统的方法[1]、基于贝叶斯理论的方法、基于模糊模式识别的方法[2]、基于最近邻的方法[3]、基于人工神经网络的方法[3]等等在辐射源识别中都有比较成功的应用,但这些方法一般都针对测量参数为标量形式的测量值进行处理,在一定程度上解决了由于参数测量误差所引起的辐射源识别问题,对于误差的另一种情形,即测量参数为区间类型模糊值的情况讨论却较少,文献提出了一种基于模糊IF-Then规则的神经网络算法,给出了能够处理模糊输入的神经网络体系结构,同时给出了一种基于代价函数的学习算法,其代价函数由实际模糊输出和无模糊输出决定,通过学习该网络能够实现模糊输入到模糊输出的非线性映射。