1.2 神经网络简介

神经网络(Neural Networks, NN)，也称作人工神经网络(Artificial Neural Network, ANN)，或者称之为神经计算(Neural Computing, NC),是对人脑或生物神经网络的抽象和建模，具有从环境学习的能力，以类似生物的交互方式适应环境[8]。神经网络是一门崭新的信息处理学科，它从神经生理学和认知科学的研究成果出发，应用数理方法，以信息处理角度对人脑结构进行抽象，建立简化模型。通过对人脑神经元式结构的模仿，从而实现并行分布的，非程序的，适应性的信息处理的本质和能力。

大脑信息处理具有如下的特点：

(1) 大规模并行处理。 

(2) 具有很强容错性，能够并善于类比、概括、联想和推广。

(3) 具有很强自适应能力。

神经网络是对大脑的信息处理方式的模仿，通过这种对大脑神经系统组织结构及部分活动机理的模仿，神经网络也可呈现出大脑的许多特征，并具有大脑的一些基本功能。作为对大脑的模仿，神经网络具有以下两个优于传统计算机的基本特征[9]：

(1) 并行处理、分布式存储与容错性的结构特征。

(2) 自学习、自组织与自适应性的能力特征。

具有联想记忆、非线性映射逼近、分类识别、优化计算、知识处理等基本功能。而这些功能也使神经网络在信息处理、自动控制、工程、经济等许多领域有巨大应用价值。

1.3 基于神经网络算法的弹道预测方法文献综述

近些年来，神经网络开始逐渐运用于弹道预测，许多学者发表了有关基于神经网络的弹道预测方式方法的论文。传统弹道预测有弹道积分算法、卡尔曼滤波算法、回归算法及多项式拟合弹道等，这些都需要大量的迭代运算，计算量巨大。现在弹载计算机的运算能力并不大，在高精度和实时运算上很难同时满足。而神经网络为此提供了新的解决办法。训练好的神经网络运算量很少，现有弹载计算机完全可以胜任。虽然神经网络进行弹道预测的精度取决于网络的权值矩阵和阈值，但这些可以在弹丸发射前完成计算再进行弹丸装定[4]。对于飞行弹丸，计算机可更多的用于解算飞行状态参数，进一步提高预测精度。神经网络在弹道预测中的应用很好地解决了实时跟踪和高精度预测的问题，该算法的引入从多方面提高了现有弹载计算机弹道预测的能力，使弹道预测的作用发挥的更加完善。若是硬件神经计算机技术得以有效实现，可以预测，神经网络在弹道预测上还会发挥更大的作用，对解算速度还会有进一步的提高，甚至可以说是真正的实时运算。

1.4 国内外研究现状

1.4.1 弹道预测研究现状

1.4.2 神经网络算法研究现状

1.4.3 基于神经网络的弹道预测研究现状

1.5 本文的主要研究内容

本文拟开展如下研究工作：

(1) 利用二自由度质点弹道模型，以Matlab/Simulink作为数值模拟工具。计算不同初速、射角下的弹道数据，为神经网络训练、预测、校验等提供基础数据。

(2) 建立了基于BP神经网络的弹道预测模型模型，利用Matlab神经网络工具箱进行仿真试验。对带动量项算法在不同学习参数下的训练效果进行对比分析，并研究使用自适应学习率改进后的动量算法对训练过程的改善提高。

(3) 研究不同隐层节点数对BP网络学习误差和预测误差的影响，试图寻找最优网络结构。

(4) 由于弹道预测与时间有关，应考虑时间序列建模和预测，故建立基于Elman网络的弹道预测模型，并利用Matlab神经网络工具箱进行仿真试验。同样进行不同算法，不同网络结构的对比研究分析，进行最优网络结构讨论。