基于Hopfield自联想神经网络的天幕靶信号识别技术

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.