基于Hopfield自联想神经网络的天幕靶信号识别技术

• 作者: 娄岩 宋玉贵 张为防 赵义武
• 来源期刊: 兵工学报
• 学科: 工学
• 关键词: 信息处理技术 天幕靶 干扰噪声 Hopfield自联想神经网络 识别率
• 年，卷（期）: 2014,（10）
• 页码范围: 1587-1594
• 页数: 8页
• 分类号: TN911.7
• 字数: 4459字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1093.2014.10.011

摘要

为了提高天幕靶系统测试精度和可靠性,探索测试产生各种干扰噪声如弹头激波、弹底激波、蚊虫飞鸟、振动等干扰因素的影响规律,利用Hopfield自联想神经网络的方法,识别并剔除典型因素干扰.通过对实弹射击试验得到的数据进行分析,充分验证了天幕靶系统的准确性和可靠性.分析结果表明:与电平信号识别相比,在射频为5发/min、口径为23 mm的炮弹测试中,自联想神经网络信号识别率提高了17.2％;在弹型为穿甲弹,口径为23 mm的测试中,Hopfield自联想神经网络信号识别率提高了46.7％;对于射频为7 500发/min的天幕靶连发弹丸信号测试条件下,正确信号识别率均达到了93％以上.在复杂环境条件下,Hopfield神经网络算法识别率远远高于传统的电平识别,提高了信号的识别率,能够适应一定区域内的复杂环境因素.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋玉贵	西安工业大学光电工程学院	37	162	7.0	11.0
2	张为防	西安工业大学光电工程学院	3	17	2.0	3.0
3	娄岩	长春理工大学空间光电技术研究所	18	60	4.0	7.0
4	赵义武	长春理工大学空间光电技术研究所	21	56	4.0	6.0