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。     

基于谱的海浪模拟与谱估计

针对掠海飞行器系统仿真的需要,研究了海浪仿真方法。选取P—M谱作为海浪谱,通过海况确定波谱参数,在波谱仿真带宽内采用频率等分法对其进行分割,根据Longuest—Higgins海浪模拟模型进行仿真,得出了海浪时域波形。并采用Welch法进行波谱估计,从波谱能量度量,仿真精确度达到了99．22％。     

基于神经网络的MUSIC计算方法

MUSIC方法是空间谱估计中经典的子空间方法,这类算法有个共同特点就是要对输出数据的协方差矩阵进行数学分解,其计算量较大,不适合实时处理。因此,文章提出了基于神经网络的高效迭代方法,不需进行数学分解,计算过程相对简单。仿真结果证明了该方法的有效性。     

DRM系统信道均衡的研究

DRM(Digital Radio Mondiale)是世界上唯一非专利的数字广播系统,它为30MHz以下频段的长波、中波、短波广播提供了数字化的标准。信道估计作为其关键技术对系统性能有着十分重要的影响。文章提出了适用于DRM接收机的时频域联合信道估计和均衡算法,仿真结果表明上述信道估计算法在DRM接收机中具有较好的性能。     

基于卡尔曼滤波算法的电机转速精确估计

从无刷直流电机入手建立数学模型,利用卡尔曼Kalman（EKF）滤波原理算法,对无刷直流电机的转速进行精确估计,然后在Matlab环境下仿真,验证卡尔曼滤波算法对电机转速估计的精确性。     

多跳水下传感器网络中的功率分配算法

水下无线传感器网络的研究越来越受到学术界的重视,其典型特点是能量和带宽有限.多数水下无线传感器网络的应用都可以归结为参数估计问题.本文针对多跳水下无线传感器网络,对递进式的分布式参数估计算法进行了性能分析.在此基础上,利用交替最小化方法得到功率分配方案,目标是在给定的均方误差性能要求下,使得网络消耗的总功率最小.     

面向智能船舶的容错卡尔曼融合估计方法

针对智能船舶多传感器系统因未知海洋环境干扰和设备间干扰等因素导致的一个或数个传感器产生随机间歇性故障从而导致融合估计结果出现偏差甚至失真的问题,设计1种基于四分位滤波的容错方法,并针对该方法导致的观测时滞问题设计1种预报方法,提前预报观测值,进而抵消容错方法导致的时滞问题。此外,针对多传感器之间的互协方差难以准确估计的问题,采用CI融合估计方法进行融合估计。为验证算法的有效性和融合估计的精度,对带有间歇性故障的两传感器系统进行仿真试验,并与按矩阵、按对角阵和按标量3种分布式融合估计方法得到的结果进行对比。4种方法的均方误差系数大小对比结果显示,对于带间歇性故障的多传感器系统,设计的融合滤波不仅具有鲁棒性,而且具有较高的融合精度。     

基于频域搜索的梳状谱信号检测方法

由于梳状谱信号多普勒容限较小,利用常规的匹配/相关检测方法进行检测时,需要较大数量的拷贝信号与计算量。针对这一问题,本文提出一种基于频域搜索的梳状谱信号检测算法。通过利用梳状谱信号频域多峰结构的特点,根据信号的先验信息计算出不同径向速度下回波信号的频点分布,对接收的信号在频域进行搜索累计的方法同时实现信号的检测与速度估计。仿真分析证明了本文算法的有效性。     

船舶机械振动源激励力的间接估计工程方法

船舶机械设备输出到船体上的激励力对船舶结构振动预报有着重要意义,文章讨论了两种间接估算激励力的方法,目的是希望在工程现场应用这些工程方法取代激励力的直接测量.对刚性安装的机器推荐采用最小二乘方法,该方法是基于支撑结构的加速度导纳特性进行估算.对弹性安装的机器而言,推荐采用基于隔振器阻抗特性的激励力间接估算方法.力的估算是逆问题,文中采用奇异值分解技术来处理会遇到的病态问题,从而尽量降低估算误差.文中还对估算的准确度、估算质量评价等进行了讨论.条件数的倒数在最小二乘法响应点的选取时可作为优选的先验判据,归一化残差可作为估算质量的后验判据.实验证明了间接估算方法是确定船舶机械激励力的恰当选择,实验结果的最小二乘法相对误差为3分贝.测试中的信噪比被认为在力估算过程中有重要影响,低信噪比很可能是实际测试时的首要误差来源.该文也可用于指导船舶振动源特性描述的研究.     

运输船舶金属船体重量的神经估算

本文建立应用反向传播学习算法的多层前馈神经网络模型，对运输船舶金属船体重量进行神经估算。以散货船和油船为实例的计算结果表明，由非线性模拟神经元组成的神经网络在船体重量估算中是非常有效的。