BP神经网络在比色法测温系统标定中的应用

红外辐射特性测量是导弹预警和识别的主要手段,相关研究具有较大的军事应用价值.目标的表面温度测量是红外辐射特性测量的基础.简要介绍了基于比色法测量目标表面温度系统的原理和结构,推导了表面温度测量模型并详细介绍了测温过程.分别使用最小二乘法和BP神经网络方法对测量数据进行处理,与最小二乘法相比,BP神经网络具有精度高、通用性好等特点.     

飞参数据挖掘中的预处理算法研究

针对飞参数据的特点,从野值剔除和属性选择两个方面对飞参数据预处理进行了研究,提出了基于残差检验的野值剔除方法和基于神经网络的两阶段属性选择方法。在野值剔除方法中,首先计算原始序列和拟合序列的残差,再用门限值对残差进行检验;在属性选择方法中,先用神经网络对属性的相对重要度进行排序,再用神经网络进行属性选择。最后用实验验证了两方法的有效性。     

基才BP神经网络的数字式涡流传感器特性曲线拟合的实现

为了正确反映数字式涡流传感器的实际特性,首先介绍了数字式涡流传感器的工作原理,然后从实测数据出发．提出了应用BP神经网络拟合其特性曲线的方法,运用MATLAB语言编程建立BP神经网络并进行训练和仿真,与现有最小二乘法进行对比。仿真结果表明,基于BP算法所得拟合曲线误差很小、收敛速度快且具有更高的拟合精度．比最小二乘法更具有实际意义。     

参数据挖掘中的预处理算法研究

针对飞参数据的特点．从野值剔除和属性选择两个方面对飞参数据预处理进行了研究，提出了基于残差检验的野值别除方法和基于神经网络的两阶段属性选择方法。在野值剔除方法中，首先计算原始序列和拟合序列的残差．再用门限值对残差进行检验；在属性选择方法中，先用神经网络对属性的相对重要度进行排序，再用神经网络进行属性选择。最后用实验验证了两方法的有效性。     

遗传规划和最小二乘法在数据拟合中的应用

为了分析和预测数据,需要预先确定其拟合函数模型.最小二乘法是一种常用的对测量数据进行数据拟合的方法,但当拟合函数模型未知时,该方法即失效.提出了一种联合遗传规划和最小二乘法寻求拟合模型的方法.利用遗传规划方法只需给出数据点及允许误差即可得到匹配的拟合函数式,并可对复杂函数式合理地简化.以此结果作为最小二乘法的拟合函数模型,进一步估计其中的参数,实现了对测量数据的更精确拟合.文中给出了应用实例,说明了本方法的有效性.     

基于加权总体最小二乘法的点云平面拟合

为了提高点云数据平面拟合精度,提出强度加权总体最小二乘法。该方法是在传统加权总体最小二乘法基础上,利用点云数据中各点强度信息确定其平面拟合权重,通过均质性不同的3种平面样本数据对该方法的适用性进行了研究。结果表明,与最小二乘法和总体最小二乘方法相比,该方法对于均质性较好的点云数据有效,可以得到更高精度的参量解;而对于均质性较差的点云数据,该方法效果不理想,总体最小二乘法是最有效方法。     

基于数据预处理的平面不确定度评定技术研究

针对目前应用三坐标测量机进行相应测量以及不确定度评定时,其内部软件少有错误数据剔除功能致使测量数据中的粗大误差对评定结果产生一定影响的问题,结合概率论与数理统计理论,讨论了粗大误差的剔除技术.分析了平面最小二乘法拟合的不确定度,研究了结合基于数据剔除方法和最小二乘法的平面不确定度评定方法以及具体实现手段,以平板为例对上述方法进行了实例验证.     

语音干扰效果客观评估模板优化分析

语音通信质量客观评估方法是当前声学技术研究领域的一个重要课题,在介绍语音音质评估一般方法的基础上,首先利用最小二乘法建立了基于巴克谱测度的语音通信质量评估模板,通过对该模板进行主、客观分析,引入了BP网络建模方法,大大减小了以往的最小二乘法在语音干扰效果客观评估建模中的误差,确立了基于BP神经网络的语音干扰效果评估模型,并通过实验数据加以验证.     

光纤连接器端面检测技术的研究

采用一种显微干涉的光学检测系统,对光纤连接器的端面特性进行观测。在数据处理中,同时运用一阶导数的极值阈值方法和二阶导数过零来检测边缘点,然后采用最小二乘法进行数据拟合,来进行二维截面图的描述。从而检测端面的各种特性。     

雷达组网系统中评估探测精度的方法

针对雷达组网系统探测精度的考核问题,提出了一种评估雷达组网系统探测精度的方法.基于最大似然估计法、最小二乘估计法及加权最小二乘估计法,推导了衡量雷达组网系统探测精度的3种分析评估方法.通过性能对比,选择性能最优的最大似然估计评估法运用到某雷达群组网探测系统实际检飞考核试验中,获得了较好的评定结果.     

基于卷积神经网络的反无人机系统图像识别方法

针对无人机的无证飞行和随意飞行严重影响和威胁公共安全的问题,提出了反无人机系统。识别无人机是反无人机系统实现的关键之一,为此提出了一种基于卷积神经网络的图像识别无人机方法。运用自制光学系统采集设备采集了不同型号的无人机图片以及鸟类图片,设计了针对无人机小样本识别的卷积神经网络和支持向量机。运用设计的卷积神经网络分别对MNIST数据集、无人机图片以及鸟的图片进行了识别,同时也运用支持向量机识别无人机和鸟的图片,进行了对比实验。实验结果表明,设计的卷积神经网络在MNIST数据集上识别准确率为91.3%,识别无人机准确率为95.9%,支持向量机识别准确率为88.4%。对比实验表明,提出的方法可以识别无人机和鸟以及不同类型的无人机并且识别结果优于支持向量机,可用于反无人机系统识别无人机,给同类研究提供了借鉴。     

基于BP神经网络的地震动信号识别

通过数据采集得到三种不同类型车辆的地震动信号,采用小波消噪和特征提取,得到样本数据对神经网络进行训练,训练完成的神经网络就能实现车辆类型的识别。试验结果表明,BP神经网络对车辆目标具有较高的识别率,证明对地震动信号的特征提取方法是正确的,人工神经网络是有效的目标识别方法。     

基于Mini700记录器的1553B数据处理软件设计

随着新型机载飞行数据记录器Mini700在飞行试验中的广泛应用,总线数据的记录格式发生变化,数据处理通用软件对1553B数据处理不仅流程复杂而且效率低下。为解决这一问题,针对Mini700记录器的数据格式进行了分析,重点研究了其数据绝对时间的计算及数据格式的解析算法,设计开发了基于Mini700记录格式的1553B总线数据处理软件。测试结果表明,新软件不仅改进简化了当前的数据处理流程,而且大幅提高了数据处理效率。     

基于神经网络的分振幅光偏振仪的数据处理

分振幅光偏振仪(DOAP)是一种高速测量光波偏振态的传感器。提出了一种基于人工神经网络(ANN)的分振幅光偏振仪的数据处理方法,将分振幅光偏振仪中电路系统输出的电信号作为神经网络的输入,入射光的斯托克斯参数作为神经网络的输出,建立一个前向多层神经网络模型。通过网络训练,使该网络确立了电路系统输出电信号与入射光斯托克斯参数之间的映射关系。由测量时得到的电信号,利用训练后的神经网络可以计算出待测的入射光的斯托克斯参数。测试结果表明,在测量精度方面,该方法获得的斯托克斯参数的总均方根偏差为1.9%,略优于基于矩阵运算的数据处理方法。     

粒子群优化的小波网络在飞参数据压缩中的应用

飞参数据压缩是减少飞参数据的存储空间和传输通信流量的关键。针对飞参数据的特点,提出了一种基于粒子群优化的小波神经网络近无损压缩算法。该算法将小波网络参数作为原始数据的重构信息,在小波神经网络BP算法的基础上,引入粒子群优化算法,克服了粒子群优化算法的早熟收敛,增强了小波神经网络学习算法的全局搜索能力,提高了网络收敛速度;同时将重构误差作为启发信息,在保证较小失真度的情况下,通过粒子的迭代寻求最优的小波神经网络结构。飞参数据压缩仿真实验结果表明了算法的可行性和有效性,可以获得较高的压缩比和较小的重构误差。     

基于神经网络的某型飞机发动机故障诊断研究

航空发动机故障诊断技术对避免飞行事故和降低飞行器运行成本是十分重要的。提出一种BP网络对某型飞机发动机进行故障诊断,但是由于BP网络收敛速度较慢而且容易陷入局部极小值,特别是BP网络通常只能给出一个解,受训练样本病态影响大。因此通过对BP网络的改进,建立了L-M算法神经网络的飞机发动机故障诊断模型。实验表明,该网络在一定程度上克服了BP网络存在的的问题,在逼近能力、分类能力和学习速度等方面均优于BP网络。为机务人员提供了有效的、科学的发动机故障诊断方法,该种评估手段较好地解决了发动机故障诊断问题,在飞行安全中发挥着越来越大的作用。     

基于神经网络的数据融合方法

作为一种新的方法体系,人工神经网络具有分布并行处理、非线性映射、自适应学习、较强的鲁棒性和容错等特性,这使得它在模式识别、控制优化、智能信息处理以及故障诊断等方面都有广泛的应用。本文对BP神经网络模设计、建立及训练进行了深入的讨论,研究了基于BP神经网络的数据融合的优缺点。     

基于设备参数的雷达精度评定仿真

依脉冲雷达精度校飞试验的国军标GJB1381.2-92中的三大系统误差公式中变量与不变量的关系,借助噪声模型、运用随机数来模拟雷达精度校飞试验采集到的数据,然后按GJB1381.2-92中规定的数据处理方法用VC#.net 2005语言编程进行精度校飞的可视化仿真与数据处理,将仿真结果与实际精度校飞试验数据处理结果比对,进一步表明仿真校飞与实际校飞数据处理结果一致,符合了仿真的要求。