基于Hopfield自联想神经网络的天幕靶信号识别技术

？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23mm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23mm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7500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。