基于Hopfield自聯(lián)想神經(jīng)網(wǎng)絡(luò)的天幕靶信號(hào)識(shí)別技術(shù)

婁巖,趙義武,宋玉貴,張為防

（1.長(zhǎng)春理工大學(xué)空間光電技術(shù)研究所,吉林長(zhǎng)春 130022；2.西安工業(yè)大學(xué)光電工程學(xué)院,陜西西安 710025）

基于Hopfield自聯(lián)想神經(jīng)網(wǎng)絡(luò)的天幕靶信號(hào)識(shí)別技術(shù)

婁巖1,趙義武1,宋玉貴2,張為防2

（1.長(zhǎng)春理工大學(xué)空間光電技術(shù)研究所,吉林長(zhǎng)春 130022；2.西安工業(yè)大學(xué)光電工程學(xué)院,陜西西安 710025）

為了提高天幕靶系統(tǒng)測(cè)試精度和可靠性,探索測(cè)試產(chǎn)生各種干擾噪聲如彈頭激波、彈底激波、蚊蟲飛鳥、振動(dòng)等干擾因素的影響規(guī)律,利用Hopfield自聯(lián)想神經(jīng)網(wǎng)絡(luò)的方法,識(shí)別并剔除典型因素干擾。通過對(duì)實(shí)彈射擊試驗(yàn)得到的數(shù)據(jù)進(jìn)行分析,充分驗(yàn)證了天幕靶系統(tǒng)的準(zhǔn)確性和可靠性。分析結(jié)果表明：與電平信號(hào)識(shí)別相比,在射頻為5發(fā)/min、口徑為23 mm的炮彈測(cè)試中,自聯(lián)想神經(jīng)網(wǎng)絡(luò)信號(hào)識(shí)別率提高了17.2%；在彈型為穿甲彈,口徑為23 mm的測(cè)試中,Hopfield自聯(lián)想神經(jīng)網(wǎng)絡(luò)信號(hào)識(shí)別率提高了46.7%；對(duì)于射頻為7500發(fā)/min的天幕靶連發(fā)彈丸信號(hào)測(cè)試條件下,正確信號(hào)識(shí)別率均達(dá)到了93%以上。在復(fù)雜環(huán)境條件下,Hopfield神經(jīng)網(wǎng)絡(luò)算法識(shí)別率遠(yuǎn)遠(yuǎn)高于傳統(tǒng)的電平識(shí)別,提高了信號(hào)的識(shí)別率,能夠適應(yīng)一定區(qū)域內(nèi)的復(fù)雜環(huán)境因素。

信息處理技術(shù)；天幕靶；干擾噪聲；Hopfield自聯(lián)想神經(jīng)網(wǎng)絡(luò)；識(shí)別率

Key words：information processing technology；sky screen；interference noise；Hopfield auto-associative neural network；recognition rate

0 引言

從20世紀(jì)80年代初開始,國(guó)內(nèi)外研究所和大學(xué)都在進(jìn)行無形靶彈著點(diǎn)測(cè)試技術(shù)研究,其主要包括聲靶和光電坐標(biāo)靶[1]。光電坐標(biāo)靶應(yīng)用較廣,其形式有許多種,其測(cè)量原理和結(jié)構(gòu)也各不相同。如奧地利AVL公司已在1990年2月前研制成2 m× 2 m彈著點(diǎn)精度光電監(jiān)測(cè)系統(tǒng)及B570光電靶和401型精度靶,并應(yīng)用于實(shí)際中[2]。目前國(guó)內(nèi)有GD-79型、CCD聲靶等,它們具有操作簡(jiǎn)單、容易標(biāo)定、可以測(cè)試各種口徑彈丸、精度高、自動(dòng)化程度高等優(yōu)點(diǎn),但也存在技術(shù)較復(fù)雜,成本較高,且隨著靶面加大,結(jié)構(gòu)變得復(fù)雜、成本增高等缺陷,因而它們的應(yīng)用也受到限制。本文中所用天幕靶系統(tǒng)[3],作為靶場(chǎng)中野外使用的測(cè)試儀器,不僅面臨著被測(cè)試目標(biāo)速度高、形態(tài)變化多,天空背景變化、炮口振動(dòng)、激波沖擊等因素的干擾,而且會(huì)受到蚊蟲、飛鳥等低速目標(biāo)的影響。如何有效地克服這些影響,對(duì)光電坐標(biāo)靶來說仍是制約其推廣應(yīng)用的難題。

通過對(duì)天幕靶原理的分析[4-5],本文借助外場(chǎng)實(shí)彈試驗(yàn),針對(duì)天幕靶不同干擾因素所引起的不同天幕靶模擬輸出信號(hào),以及對(duì)不同干擾信號(hào)的響應(yīng)特點(diǎn),提出了一種Hopfield自聯(lián)想神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)實(shí)現(xiàn)抗蚊蟲干擾的新方法。

1 離散的Hopfield自聯(lián)想神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

Hopfield網(wǎng)絡(luò)目前應(yīng)用形式主要有優(yōu)化計(jì)算和聯(lián)想記憶兩種形式。本文對(duì)Hopfield網(wǎng)絡(luò)的研究應(yīng)用主要采用聯(lián)想記憶模式分類和識(shí)別[6-7]。

Hopfield網(wǎng)絡(luò)有離散型和連續(xù)型兩種。因本文天幕靶采集的信號(hào)皆為模擬信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)后進(jìn)行數(shù)據(jù)處理,故本文是針對(duì)離散Hopfield網(wǎng)絡(luò)識(shí)別的技術(shù)研究。

本文離散Hopfield網(wǎng)絡(luò)的基本結(jié)構(gòu)如圖1所示。這種網(wǎng)絡(luò)是一種單層網(wǎng)絡(luò),網(wǎng)絡(luò)由n個(gè)單元組成,N1,N2,…,Nn-1,Nn表示n個(gè)神經(jīng)元,它們既是輸入單元,又是輸出單元,其轉(zhuǎn)移特性函數(shù)為f1,f2,…,fn,門限值為θ1,θ2,…,θn.對(duì)于離散型Hopfield網(wǎng)絡(luò),各節(jié)點(diǎn)一般選取相同的轉(zhuǎn)移函數(shù),且為符號(hào)函數(shù),即有[8]各節(jié)點(diǎn)門限值相等,并且等于0,即

同時(shí),x=（x1,x2,…,xn）,x∈{-1,+1}n為網(wǎng)絡(luò)輸入；y=（y1,y2,…,yn）,y∈{-1,+1}n為網(wǎng)絡(luò)輸出； v（t）=（v1（t）,v2（t）,…,vn（t））,v（t）∈{-1,+1}n為網(wǎng)絡(luò)在時(shí)刻t的狀態(tài),其中t∈{0,1,2,L}為離散時(shí)間變量；wIJ為從NI到NJ的連接權(quán)值。Hopfield網(wǎng)絡(luò)是對(duì)稱的,即有wIJ=wJI,I、J∈{1,2,…,n}.

圖1 Hopfield網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Hopfield network structure

由圖1可見,離散Hopfield網(wǎng)絡(luò)為一層結(jié)構(gòu)的反饋網(wǎng)絡(luò),能處理雙極型離散數(shù)據(jù)（即輸入x∈{-1,+1}）。當(dāng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練后,整個(gè)運(yùn)行過程就是反饋過程的反復(fù)。如果網(wǎng)絡(luò)是穩(wěn)定的,那么隨著許多次反饋運(yùn)行,網(wǎng)絡(luò)狀態(tài)的變化減少,直到最后不再變化,達(dá)到穩(wěn)態(tài)。這時(shí),在網(wǎng)絡(luò)的輸出端可以得到穩(wěn)定的輸出。用公式[9]表達(dá)為

式中：fJ由（1）式確定。從某個(gè)時(shí)刻t之后網(wǎng)絡(luò)狀態(tài)不再變化,即有v（t+1）=v（t）,那么,輸出有

2 典型彈丸信號(hào)Hopfield網(wǎng)絡(luò)的建立及應(yīng)用

2.1 模式的特征提取

神經(jīng)網(wǎng)絡(luò)系統(tǒng)由于本身具有自組織、自學(xué)習(xí)、自適應(yīng)的特點(diǎn),不需要做明顯的特征提取,只要待識(shí)別的模式在所表示域里,具有一定的差異,網(wǎng)絡(luò)就可以通過自適應(yīng)聚類學(xué)習(xí),找到不同模式的特征信息進(jìn)行識(shí)別。根據(jù)天幕靶采集信號(hào)的特性,采用一維矩特征提取方法。一維矩特征主要是由一維模式序列產(chǎn)生的。定義有限模式序列1,2,…,N（i）}的r階圓點(diǎn)矩和中心矩[10]分別為

一般來說,模式的均值特征m反映了模式聚類中心,方差σ反映了模式圍繞均值矢量偏離度,偏奇sk和峰態(tài)ku卻給出了樣本分布的形狀信息。通常,偏奇則刻畫了模式樣本關(guān)于均值矢量的非對(duì)稱程度。sk＞0表示模式偏右,sk＜0表示模式偏左。峰態(tài)卻反映了模式樣本峰值的平坦度。以正態(tài)分布為準(zhǔn),ku＞0表示模式峰值分布高于高斯分布,ku＜0表示模式峰值分布低于高斯分布。

2.2 離散的Hopfield網(wǎng)絡(luò)聯(lián)想記憶算法

采用Hebb規(guī)則,按異步更新的離散型Hopfield的算法步驟如下：

步驟1,初始化權(quán)值,置w=[0].

步驟2,將p個(gè)樣本模式x1,x2,…,xp輸入網(wǎng)絡(luò),確定網(wǎng)絡(luò)權(quán)值。

步驟3,初始化未知輸入模式xl（運(yùn)行階段）,為輸入模式的第j個(gè)元素xj∈{-1,+1}.

步驟5,穩(wěn)態(tài)輸出當(dāng)xj（t+1）=xj（t）,1≤j≤n時(shí),其網(wǎng)絡(luò)的穩(wěn)態(tài)輸出表明與未知輸入模式最好的匹配。

本文針對(duì)在靶場(chǎng)現(xiàn)場(chǎng)天幕靶采集的幾種典型彈丸信號(hào)進(jìn)行了分類識(shí)別。識(shí)別率和誤識(shí)率的計(jì)算公式[11]分別為識(shí)別率=（識(shí)別出來的信號(hào)個(gè)數(shù)/理論有效信號(hào)個(gè)數(shù)）×100%,誤識(shí)率=（被錯(cuò)誤識(shí)別的信號(hào)個(gè)數(shù)/理論有效信號(hào)個(gè)數(shù)）×100%.

2.3 天幕靶外場(chǎng)試驗(yàn)及典型信號(hào)分析

天幕靶觸發(fā)電平原理為：當(dāng)彈丸穿過天幕靶靶面時(shí),從光電管出來的光電流一般只有毫伏數(shù)量級(jí),還需要通過電路進(jìn)行放大、濾波、整形之后去觸發(fā)計(jì)時(shí)儀。所謂整形一般是采用電壓比較器,即當(dāng)經(jīng)過放大和濾波之后的彈丸信號(hào)到達(dá)一定的幅值時(shí),比較器輸出一個(gè)脈沖電壓信號(hào)來啟動(dòng)、停止計(jì)時(shí)儀。當(dāng)彈丸穿過天幕時(shí),天幕靶輸出的彈丸模擬信號(hào)大于某一閾值V0（這一閾值稱為觸發(fā)電平）時(shí),比較器電路輸出一個(gè)脈沖信號(hào)來觸發(fā)或者停止計(jì)時(shí)儀。由計(jì)時(shí)儀記錄兩個(gè)脈沖信號(hào)的時(shí)間間隔,即為彈丸飛過兩個(gè)靶面的時(shí)間。

2.3.1 模式、神經(jīng)元的確定及特征提取

2.3.1.1 模式、神經(jīng)元的確定

用Hebb規(guī)則訓(xùn)練的Hopfield網(wǎng)絡(luò),其記憶容量是有限的,當(dāng)模式向量為正交向量時(shí),網(wǎng)絡(luò)可穩(wěn)定存儲(chǔ)的模式數(shù)等于網(wǎng)絡(luò)的神經(jīng)元數(shù),皆為n.本文根據(jù)天幕靶實(shí)彈射擊試驗(yàn)所采集的數(shù)據(jù)選取3個(gè)待識(shí)別的模式分別為天幕靶5連發(fā)彈丸信號(hào)、單縫天幕靶彈丸信號(hào)、穿甲彈信號(hào),采用16個(gè)神經(jīng)元節(jié)點(diǎn)。分別選取試驗(yàn)天幕靶訓(xùn)練樣本10個(gè),測(cè)試樣本10個(gè)。最初用VC寫驗(yàn)證程序時(shí)考慮到要識(shí)別4種不同彈丸波形,由于實(shí)際進(jìn)行實(shí)驗(yàn)時(shí)具體打哪種彈丸是知道的,所以對(duì)4種波形分別用向量組中的4位表示,也就是說輸入到Hopfield網(wǎng)絡(luò)的為長(zhǎng)度16的一維向量,即使用16個(gè)神經(jīng)元的Hopfield網(wǎng)絡(luò)。當(dāng)然使用4個(gè)神經(jīng)元的Hopfield網(wǎng)絡(luò)是完全可以的,但要識(shí)別多種彈丸波形,實(shí)際進(jìn)行程序設(shè)計(jì)時(shí)比較麻煩。

2.3.1.2 模式的特征提取

本文所分析的噪聲數(shù)據(jù)來源于野外實(shí)彈射擊采集得到的天幕靶數(shù)據(jù),所用信號(hào)全部以文本方式保存到計(jì)算機(jī)中。用Matlab求得一維矩方法提取特征向量如表1所示。神經(jīng)網(wǎng)絡(luò)的輸入向量是由1、-1組成的向量,均值、方差、偏奇、峰態(tài)計(jì)算結(jié)果結(jié)合各個(gè)特征的實(shí)際取值范圍轉(zhuǎn)換為由1、-1組成的向量。比如均值為1.3,均值的范圍為2～10,則均值對(duì)應(yīng)向量位的值為-1,若在均值特征值范圍則為1.

表1 典型信號(hào)特征Tab.1 Typical signal characteristics

2.3.2 模式特征的相應(yīng)二值矢量

采用聚類的編碼方式由于網(wǎng)絡(luò)由一層飽和線性神經(jīng)元組成,神經(jīng)元的輸出指定為初始輸出矢量取1和-1,設(shè)計(jì)一個(gè)穩(wěn)態(tài)值為：x1可以記憶天幕靶5連發(fā)信號(hào)的特征,x2可記憶單縫天幕靶彈丸信號(hào)特征,x3可記憶穿甲彈信號(hào)特征。則最后的輸出矢量即認(rèn)為是初始矢量的分類,其流程如圖2所示。

2.3.3 神經(jīng)網(wǎng)絡(luò)運(yùn)行程序流程圖

圖3為神經(jīng)網(wǎng)絡(luò)運(yùn)行程序流程圖。

2.3.4 Matlab結(jié)果分析

2.3.4.1 天幕靶5連發(fā)信號(hào)識(shí)別

彈種：炮彈；射頻：5發(fā)/min；彈丸口徑：23 mm；時(shí)間：1 min.

圖4為截取連發(fā)部分信號(hào)的Matlab界面。

圖4中圓圈部分是有蚊蟲噪聲干擾的信號(hào),方框部分為帶有激波干擾的信號(hào)。自聯(lián)想經(jīng)神經(jīng)網(wǎng)絡(luò)模式識(shí)別結(jié)果分析如表2、表3所示。

圖2 網(wǎng)絡(luò)建立流程圖Fig.2 Flow charts of Network establishment

圖3 程序流程圖Fig.3 Flow chart of program

圖4 帶有蚊蟲和激波噪聲的天幕靶5連發(fā)波形圖Fig.4 Five bursts waveforms with mosquitos and shock noise on sky screen

2.3.4.2 天幕靶穿甲彈信號(hào)識(shí)別

彈種：穿甲彈；彈丸口徑：23 mm；采樣頻率： 1 MHz.

表2 天幕靶炮彈5連發(fā)信號(hào)識(shí)別分析Tab.2 Five bursts signals on sky screen

表3 兩種方法對(duì)天幕靶5連發(fā)彈丸信號(hào)識(shí)別對(duì)比Tab.3 Comparison of signal recognitions of two methods

圖5為第一種穿甲彈信號(hào)Matlab界面。

圖6為識(shí)別出的穿甲彈信號(hào)波形顯示圖。

圖6（a）、圖6（b）、圖6（c）的橫坐標(biāo)依次是圖5中橫坐標(biāo)范圍從2 251～2 756 μs,2 968～3 642 μs, 4 123～4 563 μs的信號(hào)波形放大結(jié)果。

圖7為第二種穿甲彈信號(hào)Matlab界面。

圖8為識(shí)別出的穿甲彈信號(hào)波形顯示圖。

圖8（a）、圖8（b）、圖8（c）的橫坐標(biāo)依次是圖7中橫坐標(biāo)范圍從260～710 μs,785～1 240 μs,1 354～1 816 μs的信號(hào)波形放大結(jié)果。

圖9為第三種穿甲彈信號(hào)Matlab界面。

圖5 天幕靶第一種穿甲彈信號(hào)波形圖Fig.5 Signal waveform of the first type of penetrator on sky screen

圖6 識(shí)別出的第一種穿甲彈信號(hào)波形顯示圖Fig.6 Identified signal waveforms of the first penetrator

圖10為識(shí)別出的穿甲彈信號(hào)波形顯示圖。

圖10（a）、圖10（b）、圖10（c）的橫坐標(biāo)依次是圖9中橫坐標(biāo)范圍從0～469 μs,550～1 000 μs,1 350～1 850 μs的信號(hào)波形放大結(jié)果。

圖7 天幕靶第二種穿甲彈信號(hào)波形圖Fig.7 Signal waveform of the second type of penetrator on sky screen

圖8 識(shí)別出的第二種穿甲彈信號(hào)波形顯示圖Fig.8 Identified signal waveforms of the second penetrator

表4為天幕靶穿甲彈信號(hào)網(wǎng)絡(luò)識(shí)別結(jié)果分析。表5為兩種方法對(duì)比分析。

圖9 天幕靶第三種穿甲彈信號(hào)波形圖Fig.9 Signal waveform of the third type of penetrator on sky screen

圖10 識(shí)別出的第三種穿甲彈信號(hào)波形顯示圖Fig.10 Identified signal waveforms of the third type of penetrator

2.3.4.3 天幕靶多連發(fā)信號(hào)識(shí)別

彈種：穿甲彈；彈丸口徑：30 mm；射頻： 7500發(fā)/min；時(shí)間：10 s.

表4 天幕靶穿甲彈信號(hào)網(wǎng)絡(luò)識(shí)別結(jié)果分析Tab.4 Identification results of Hopfield network

表5 兩種方法對(duì)立靶穿甲彈丸信號(hào)網(wǎng)絡(luò)識(shí)別對(duì)比Tab.5 Comparison of signal recognition of two methods

圖11為多連發(fā)部分信號(hào)Matlab界面。

由表6可以看出,用Hopfield神經(jīng)網(wǎng)絡(luò)識(shí)別正確率可以提高3%左右,對(duì)于測(cè)試集數(shù)據(jù)效果更加明顯,為了檢驗(yàn)該方法的推廣性能,擴(kuò)大樣本集,考慮了3種外界環(huán)境影響的噪聲,信噪比大于6 dB,訓(xùn)練樣本50個(gè),測(cè)試樣本50個(gè),正確識(shí)別率也達(dá)到了93%以上,說明其在靶場(chǎng)目標(biāo)識(shí)別中作用效果提高明顯。對(duì)于信噪比高即干擾噪聲相對(duì)少的情況下,電平和神經(jīng)網(wǎng)絡(luò)都可以達(dá)到100%識(shí)別率,但是在加有典型噪聲,比如激波、蚊蟲等干擾因素時(shí),信噪比較低的情況下,神經(jīng)網(wǎng)絡(luò)的識(shí)別方法遠(yuǎn)遠(yuǎn)優(yōu)于電平的識(shí)別。

圖11 天幕靶多連發(fā)穿甲彈波形圖Fig.11 Burst signal waveforms on sky screen

表6 天幕靶穿甲彈多連發(fā)信號(hào)網(wǎng)絡(luò)識(shí)別結(jié)果分析Tab.6 Burst identification result of of Hopfield network

3 結(jié)論

本文分析了天幕靶原理,研究了各種干擾因素產(chǎn)生的噪聲信號(hào)對(duì)系統(tǒng)測(cè)試精度和可靠性的影響規(guī)律,提出了一種識(shí)別算法。主要結(jié)論如下：

1）首次提出了采用統(tǒng)計(jì)學(xué)習(xí)機(jī)制,利用Hopfield自聯(lián)想神經(jīng)網(wǎng)絡(luò)對(duì)信號(hào)識(shí)別,很好地解決了天幕靶面臨的干擾問題,能夠有效地在激波、蚊蟲等干擾因素存在的條件下準(zhǔn)確識(shí)別有效目標(biāo)信號(hào)。

2）通過實(shí)彈射擊試驗(yàn)得到的真實(shí)數(shù)據(jù)和Matlab分析,表明在復(fù)雜環(huán)境條件下,Hopfield神經(jīng)網(wǎng)絡(luò)算法識(shí)別率遠(yuǎn)遠(yuǎn)高于傳統(tǒng)的電平識(shí)別,提高了信號(hào)的識(shí)別率,能夠適應(yīng)一定區(qū)域內(nèi)的復(fù)雜環(huán)境因素,充分驗(yàn)證了系統(tǒng)的準(zhǔn)確性和可靠性,證明了原型測(cè)試系統(tǒng)能夠達(dá)到規(guī)定的技術(shù)指標(biāo)。在靶場(chǎng)測(cè)試等領(lǐng)域具有較好的實(shí)用價(jià)值。

（References）

[1] Cnapp C H I,Carter G C.The generalized correlation method for estimation of time delay[J].IEEE Trans Acoust Speech Signal Processing,1976,24（8）：320-327.

[2] 宋玉貴,倪晉平,王鐵嶺,等.多光幕交匯法測(cè)量目標(biāo)飛行坐標(biāo)的原理與精度分析[J].西安工業(yè)大學(xué)學(xué)報(bào),2007,27（1）： 19-25.

SONG Yu-gui,NI Jin-ping,WANG Tie-ling,et al.Principle of six screens target measuring system for bullet location and its error analysis[J].Journal of Xi'an Technological University,2007, 27（1）：19-25.（in Chinese）

[3] 董濤,倪晉平,宋玉貴,等.高射頻武器彈丸連發(fā)速度測(cè)量系統(tǒng)[J].彈道學(xué)報(bào),2010,22（1）：34-36.

DONG Tao,NI Jin-ping,SONG Yu-gui,et al.Velocity measurement system of high-frequency string firing bullet[J].Journal of Ballistics,2010,22（1）：34-36.（in Chinese）

[4] 宋玉貴,王鐵嶺.天幕靶抗蚊蟲干擾數(shù)字濾波電路設(shè)計(jì)[J].西安工業(yè)大學(xué)學(xué)報(bào),1998,18（2）：130-133.

SONG Yu-gui,WANG Tie-ling.Digital-filter used in sky screen to resist the interference caused by insects[J].Journal of Xi'an Institute of Technology,1998,18（2）：130-133.（in Chinese）

[5] 倪晉平,田會(huì).斜入射彈丸著靶位置立靶測(cè)試原理[J].光學(xué)技術(shù),2006,32（4）：493-495.

NI Jin-ping,TIAN Hui.The principle of measuring position of bullet at any direction incidence[J].Optical Technique,2006, 32（4）：493-495.（in Chinese）

[6] 宋玉貴,倪晉平,王鐵嶺.多光幕交匯法測(cè)量目標(biāo)飛行坐標(biāo)的原理與精度分析[J].光學(xué)儀器,2007,29（8）：11-26.

SONG Yu-gui,NI Jin-ping,WANG Tie-ling.Principle of six screens target measuring system for bullet location and its error analysis[J].Optical Instrument,2007,29（8）：11-26.（in Chinese）

[7] 張軍英,許進(jìn).一類離散Hopfield網(wǎng)絡(luò)的吸引特性研究[J].電子與信息學(xué)報(bào),2001,23（9）：879-889.

ZHANG Jun-Ying,XU Jin.Approaches on attraction charactoristics of a kind of discrete Hopfield net works[J].Journal of Electronics&Information Technology,2001,23（9）：879-889.（in Chinese）

[8] 黃德雙.神經(jīng)網(wǎng)絡(luò)模式識(shí)別系統(tǒng)理論[M].北京：電子工業(yè)出版社,1996.

HUANG De-shuang.Theory of neural network pattern recognition system[M].Beijing：Publishing House of Electronics Industry, 1996.（in Chinese）

[9] Hartati R S,EI-Hawary M E.A summary of application of Hopfield neural network to economic load dispatch[J].Conferenceon Electrical and Computer Engineering,2000（2）：707-711.

[10] Yalcinoz T,Altum H,Hasan U.Constrained economic dispatch with prohibitedoperatingzonesahopfieldneuralnetwork approach[C]∥10th Mediterranean Electro technical Conference. Cyprus：IEEE,2000：570-573.

[11] 倪晉平,侯宏錄,孫建,等.基于六天幕靶彈丸彈道末端飛行速度的測(cè)試[J].測(cè)試技術(shù)學(xué)報(bào),2007,21（2）：117-120.

NI Jin-ping,HOU Hong-lu,SUN Jian,et al.The velocity measurement of projectile in end trajectory with six sky-screen system[J].Journal of Test and Measurement Technology,2007, 21（2）：117-120.（in Chinese）

Signal Recognition Technology of Sky Screen Based on Neural Network

LOU Yan1,ZHAO Yi-wu1,SONG Yu-gui2,ZHANG Wei-fang2
（1.NUERC of Space and Optoelectronics Technology,Changchun University of Science and Technology,Changchun 130022,Jilin,China； 2.College of Optical and Electronical Information,Xi'an Technological University,Xi'an 710025,Shaanxi,China）

The effects of interference factors,such as shock wave of warhead blasting,projectile base shock,aerial birds,insects,vibration,etc.,on sky screen system are analyzed to improve its test accuracy and reliability.The approach of Hopfield auto-associative neural network is used to identify and eliminate the typical interference.The accuracy and reliability of sky screen systemthe is fully validated by analyzing the data from live firing.The results show that,compared with the level signal recognition, Hopfield auto-associative neural network recognition rate can be increased by 17.2%in sky screen test with the 5 bursts in RF/min；Hopfield auto-associative neural network recognition rate is increased by 46.7%in sky screens test of 23 mm caliber armor-piercing shells；under the test condition of firing frequency of 7 500 rounds/minute,the correct signal recognition rate reaches to 93%.In a complex environment,the recognition rate Hopfield neural network algorithm is far higher than traditional level recognition rate,which improve the signal recognition rate and be able to adapt to the complex environmental factors within a region.

TN911.7

A

1000-1093（2014）10-1587-08

10.3969/j.issn.1000-1093.2014.10.011

2013-09-04

國(guó)家自然科學(xué)基金項(xiàng)目（61275080）；吉林省科技發(fā)展計(jì)劃項(xiàng)目（20140520115JH）

婁巖（1981—）,女,助理研究員。E-mail：louyan2008@126.com；趙義武（1973—）,男,副教授,碩士生導(dǎo)師。E-mail：shuairan2000@sina.com