机载电子对抗系统效能评估方法分析

机载电子对抗系统效能决定了作战飞机的战斗力,如何提升机载电子对抗系数效能是需要重点考虑的问题。基于此,文章提出机载电子对抗系数效能含义,并分析了几种机载电子对抗系数效能评估方法。     

机载箔条弹投放系统作战效能评估

以美国工业武器系统效能咨询委员会提出的ADC模型为基础,构建了机载箔条弹投放系统作战效能评估的指标体系和评估模型。主要分析其可用度、可信度和能力矩阵的影响因素并建立了计算模型。以某型机载箔条弹投放系统为例,对模型中各有关参数进行了初定,使效能分析的结果更接近实际;并为该机载箔条弹投放系统提供了改进方案,对其作战效能进行了评估,作战效能得到了提升。该模型可为部队训练和作战提供系统的战斗效能数据,找出影响系统作战能力的敏感因素,为装备使用、改进和发展新型装备提供了依据。     

基于人工免疫机制的RBF网络混合训练算法

基于人工免疫聚类机制和免疫进化算法,提出了一种新型的设计RBF网络的混合算法。该方法利用人工免疫聚类机制,根据输入数据集合自适应地确定RBF网络核函数的数量及其中心的初始位置。采用免疫进化算法训练RBF网络,进一步缩小了标准进化算法搜索空间的范围,提高了算法的收敛速度。计算机仿真表明,这种RBF网络结构精简并具有较强的泛化能力。     

基于人工免疫机制的RBF 网络混合训练算法

基于人工免疫聚类机制和免疫进化算法,提出了一种新型的设计RBF 网络的混合算法。该方法利用人工免疫聚类机制,根据输入数据集合自适应地确定RBF 网络核函数的数量及其中心的初始位置。采用免疫进化算法训练RBF 网络,进一步缩小了标准进化算法搜索空间的范围,提高了算法的收敛速度。计算机仿真表明,这种RBF 网络结构精简并具有较强的泛化能力。     

基于灰色理论的机载预警雷达效能评估技术

以机载预警雷达为研究对象,提出基于灰色系统理论的效能评估模型。采用层次分析法建立多层次效能评估指标体系结构,确定评估体系指标权重。通过专家对指标评分,建立评估指标值矩阵,运用灰色系统理论进行计算,给出4种型号主要机载预警雷达效能评估代数值。结果表明,利用该方法对机载预警雷达效能进行评估是可行的,评估结果也可为发展机载预警雷达提供一定的借鉴。     

基于免疫计算的TD-SCDMA网络基站选址优化

为了降低TD-SCDMA网络基站建设代价,给出了一种基于免疫计算的基站选址优化方案。介绍了TD-SCDMA基站建设的困难及基站选址原则,设计了基于实数编码的克隆增殖算子、克隆变异算子及克隆选择算子,给出了求解基站选址优化问题的免疫记忆克隆算法框架,并与文献中的算法进行了对比实验。实验结果表明,该算法获得的基站部署方案能以相对较低的基站建设总代价获得较高的网络覆盖率,具有较好的应用价值。     

基于免疫克隆算法和K-medoids的网络节点聚类

在大规模分布式网络应用中,对网络节点进行聚类是构建高效网络体系结构的有效办法之一.在利用网络坐标系统Vivaldi得到各个节点的网络坐标的基础上,对网络节点进行K-medoids聚类.然后,针对K-medoids算法对初始中心选值敏感和易陷入局部极值的问题,提出基于免疫克隆算法的K-medoids聚类.实验结果表明,该聚类算法具有良好的可靠性及可扩展性,能对节点进行有效聚类.     

基于神经网络对管制中心系统的效能评估

根据神经网络学习算法和专家系统的原理,提出了利用BP算法对管制中心系统进行效能评估的系统结构和功能实现方法,构造了管制中心系统的效能评估模型。并结合实例,对管制中心系统的效能评估过程进行了研究,给出了基于神经网络对管制中心系统进行量化评估的一种方法。     

基于FAHP与ADC的通信网络效能评估

文章将FAHP与ADC法结合起来作为一种新式方法,对通信网络效能进行评估。在构建通信网络效能评估指标体系之后,利用AHP确定这些指标因素的影响权值,然后采用两级模糊评判法得到能力向量C,再将其代入到E=ADC模型中,通过分析得到的综合评估值,对系统的有效性进行评价,从而评估通信网络效能。该方法创新性地对通信网络的效能进行了有效评估。     

基于人工免疫RBF神经网络的时间序列预测方法研究

研究了一种基于免疫识别原理的径向基函数神经网络学习算法,该算法将所识别的数据作为抗原,抗体为抗原的压缩映射并作为神经网络模型的隐层中心,采用最小二乘法确定权值,提高了RBF神经网络收敛速度和精度.将人工免疫RBF神经网络应用于时间序列预测中,实例仿真结果证明了算法的有效性和可行性,为时间序列预测提供了一种新途径.     

基于径向基函数神经网络的混沌系统控制

考虑到不同神经网络模型误差对混沌控制效果的影响，提出了采用一种改进的递阶遗传算法对径向基函数（RBF）神经网络进行训练，针对连续的Lorenz系统进行了仿真，并且与其它神经网络训练算法结果进行了比较，仿真结果证明所采用的训练算法具有更加理想的混沌控制效果。     

基于遗传RBF网络的混沌背景微弱信号检测方法

弱信号检测问题是目标检测中的一个重要研究内容。利用背景信号为混沌信号这一先验知识，采用径向基函数神经网络（RBFNN）建立混沌背景的一步预测模型，RBF网络利用遗传算法训练，最后，设计了门限滤波器，得到感兴趣的信号。仿真结果表明，在非线性程度很高的情况下，通过与其它几种训练RBF网络算法的比较，利用遗传算法训练的RBF网络具有最高的检测精度，并且训练得到的网络的复杂程度最低。     

遗传算法优化RBF网络的图像杂波抑制技术研究

在红外搜索与跟踪系统中,背景杂波抑制效果将直接影响到低信噪比条件下点状运动目标的检测及跟踪性能。利用RBF神经网络的非线性映射能力和遗传算法的全局搜索机制,本文研究了一种利用遗传算法（GA）优化RBF神经网络的背景杂波抑制技术。杂波抑制后,残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法进行了验证,背景杂波抑制效果与BP神经网络和常用的Uniform加权函数进行了比较,结果表明本文研究方法可行有效。     

RBF网络雷达天线扫描方式识别系统

采用一种基于免疫算法和最小二乘法的两级学习方法设计径向基函数(RBF)网络,并将其应用于雷达天线扫描方式识别系统。这种RBF网络学习方法通过引入免疫算法的多样性保持机制和免疫记忆机制提高了网络训练算法的优化效率,并在一定程度上抑制了未成熟收敛现象。仿真结果表明,基于这种RBF网络的雷达天线扫描方式识别系统达到了较高的识别精度。     

基于免疫应答的RBF网络在动态多用户检测中的应用

径向基函数神经网络是一种具有局部逼近能力的前向神经网络,可用作码分多址中的多用户检测器,有较好的检测性能;但是目前的RBF网络多用户检测器收敛慢,不能针对实时变化的动态信道作跟踪.针对动态信道中的多用户检测问题,借鉴免疫系统二次应答原理提出了一种基于免疫机制的RBF网络.该方法结合免疫记忆机制和免疫应答机制设计免疫算子,针对动态模型中的稳定部分和突变部分作不同强度的训练;借鉴免疫系统的二次应答机制,较大地降低了算法复杂度,并且收敛快、鲁棒性强,提高了在变化的信道中的多用户检测器的动态追踪能力.     

基于QNX的嵌入式操控训练系统软件设计

QNX操作系统具有可靠性高、实时性强的特点和强大的图形界面功能,基于其开发的水下航行器嵌入式操控训练系统,解决了系统的实时性需求,还能方便地开发出友好的人机界面。简要介绍了QNX操作系统的特点和映像文件配置的一般方法,基于PhAB开发了嵌入式操控训练系统的操控界面,根据系统的模块划分对主程序进行了设计,系统程序运行稳定,满足训练要求,对其他嵌入式训练系统软件设计具有一定的借鉴意义。     

基于嵌入式的网络激光标刻控制系统研究

根据传统激光标刻控制系统中现有标刻数据传输与处理模式存在硬件构成冗余复杂等缺点的问题,提出一种基于集成多模块嵌入式系统的解决方案,通过数据传输方式的改变,实现整个激光标刻生产控制模式的改变,从而使激光标刻脱离工控机及标刻控制软件,且可实现网络在线、离线标刻等功能。该方案以MCU与RTL8019AS芯片构建的嵌入式以太网实现数据的接收与发送,通过MCU I/O口的分时复用扩展SRAM并实现对激光发生器和振镜扫描头的并行控制。方案中,待标刻数据通过TCP以太网网络传输,该系统将接收后的字符数据进行算法转换,形成激光点阵控制数据,最终实现点阵扫描式激光标刻。综合实验表明系统整体具有良好的鲁棒性和高效的标刻速度。     

基于DSP的嵌入式系统网络通信技术应用

在嵌入式系统中接入以太网包含了PC机+以太网+嵌入式设备的集中式方案、嵌入式系统+以太网控制模块的分布式方案、RTOS+嵌入式系统微控制器方案、虚拟软件包+嵌入式微控制器方案、EMIT协议和MCU+emgateway协议方案5种。文章使用的DSP芯片为TMS320F2812,选择93C46以太网适配器,RTL8019AS作为以太网控制器芯片,将DSP芯片与以太网连接后,使用TCP/IP协议栈,从而完成了硬件系统的连接。之后进行软件程序的设计,对DSP芯片和以太网控制芯片驱动数据执行初始化,设计好中断服务程序,以配合数据接收程序的运行,通过数据接收程序读取网卡内部缓存帧,并最终存储到内存中,再由数据发送程序将数据包发送到以太网中,从而完成了DSP与远程PC机的网络通信。