爱情协议正流行

随着时代的变迁,现代人对待婚姻的态度越来越谨慎,一句简简单单的"I do",已经不能给情侣带来足够的安全感。于是,各种各样的协议应运而生。根据法国国家统计与经济研究所最新发表的一项调查显示,截至2010年1月1日,在法国签订俗称"同居协议"的紧密关系     

基于工程应变的轴对称塑性大变形几何方程及其应用

从工程线应变和工程切应变的物理概念出发，根据“轴对称”和“大变形”的特点，推导出相应的几何方程，另导出大变形条件下的体积不变定律。与现有“有限变形”条件下的几何方程相比，不但更为精确，而且其表达形式在具体应用中更为简单。在一些典型的工艺问题中，将小变形条件下导出的几何方程应用于大变形情况也可能得出非常好的结果，不但运算简单方便，而且其精度还优于“有限变形”条件下的几何方程。     

有限包含原理下的导弹侧向加速度控制的鲁棒分析

在本文中，多项式本证结构功用设计处理法被用于一种战术导弹模型的侧向加速度控制，且这种分析的依据是有限元Nyquist原理，为了参量不定的鲁棒性能得到评估，十字交叉舵结构尾控导弹作为一种二阶的半线性参量变化系统模型，多项式本证结构功用被看作特殊控制器结构执行动态逆的一种方法后，虽然主要是为线性时不变系统研制的，但是这种方法采用一种线性参量变化系统，而且还研制了一个相同参数化的控制器，在飞行区域内关于参量不定的D-稳定鲁棒性的评估，在闭合系统中的第一响应时间内，仿真显示当参量鲁棒性时侧向加速度有良好的轨迹。     

一种雷达信号模糊函数特征提取与识别方法

现代雷达面向智能化、软件化、多功能与多用途方向发展,一部雷达往往具有多种工作体制与工作状态,雷达信号采用复杂的波形设计,这就使得雷达信号的特征提取与识别过程变得越来越困难。另外,现代电磁环境复杂,杂波、噪声干扰严重,给雷达的侦察工作带来更大的难度。基于此,提出将流形学习应用于雷达信号模糊函数的特征提取,并对其进行仿真与分析。结果验证了该方法的可行性。     

复杂动态场景下目标检测与分割算法

在动态场景等复杂条件下,往往难以对序列图像目标进行准确的检测与分割。根据序列图像中目标在复杂条件下的成像特点,提出了一种基于融合尺度不变特征变换(SIFT)流特征显著模型的动态场景目标检测与分割算法。通过对SIFT流算法表示运动特征信息的优势进行分析,并结合图像国际照明协会(CIE)Lab颜色空间的颜色和亮度特征信息,建立四维特征向量空间。利用改进的多尺度中心-环绕对比方法生成各特征通道的显著图并进行线性融合,建立序列图像的动态场景目标显著模型。最后利用均值漂移聚类算法和形态学处理实现对检测目标的精确分割。实验结果表明,相比传统检测与分割算法,该算法在动态背景与航拍等复杂场景下能够分割出更为完整的目标区域,具有良好的鲁棒性和高分割精度。      

受输入饱和约束的导弹直接侧向力/气动力

针对受输入饱和约束的直接侧向力与气动力复合控制的导弹,研究其自动驾驶仪设计问题。导弹的执行机构分别是舵机和侧向脉冲发动机。舵机提供的是连续的控制量,而侧向脉冲发动机提供的是离散的控制量。首先采用最优控制方法设计连续的舵控制器。再对设计好舵控回路的新受控弹体,基于含有界干扰项离散饱和系统不变集分析方法进行直接侧向力控制器的设计。设计过程中,充分考虑了舵偏角的饱和非线性因素以及侧向脉冲发动机点火数取整产生的量化误差。最后,利用数值仿真验证了所提出控制方法的有效性。     

基于SAR景象不变特征点的匹配定位技术研究

针对精确制导领域中的SAR景象匹配定位技术中由于实时图与基准图可能存在形变、分辨率不一致,图像旋转及雷达视角变化及噪声的影响下差异较大情况时直接利用基于灰度的规则正交二维信息匹配算法适应性差的问题,将不变特征点匹配方法(Scale Invariant Feature Transform,SIFT)应用到SAR景象匹配中,通过仿真实验取得了满意的效果,试验结果表明SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、噪声也保持一定程度的稳定性,对提高匹配概率和对不同图像的适应性,降低应用风险具有借鉴意义。     

绕月飞行的大幅值逆行轨道研究

以地-月系为背景,研究了绕月飞行的大幅值逆行轨道(DRO)的轨道稳定性,及轨道转移等问题。数值结果表明：太阳引力对DRO稳定性有破坏作用,但仍能保持较长时间的绕飞。随后,利用与DRO相切的Lyapunov轨道研究了DRO的低能轨道转移：利用地月系LL1点Lyapunov轨道的不变流形,实现DRO的快速转移;利用
LL2点Lyapunov轨道作为弱稳定边界（WSB）转移的入口,实现DRO的低能转移。显然,得到的两类转移方式完全不同于以往的研究,且数值仿真表明了设计方法的可行性。

     

基于FPGA的低复杂度快速SIFT特征提取

尺度不变特征变换（SIFT）算法具有优良的鲁棒性,在计算机视觉领域得到广泛应用。针对SIFT算法高计算复杂度而导致其在CPU上运行实时性低的问题,基于现场可编程门阵列（FPGA）设计了一种低复杂度的快速SIFT硬件架构,主要对算法的特征描述符提取部分进行优化。通过降低梯度信息（包括梯度幅值和梯度方向）的位宽、优化高斯权重系数的产生、简化三线性插值系数的计算和简化梯度幅值直方图索引的求解等方法,避免了指数、三角函数和乘法等复杂计算,降低了硬件设计复杂度和硬件资源消耗。实验结果显示,提出的低复杂度快速SIFT硬件架构,与软件相比,可以获得约200倍的加速;与相关研究相比,速度提高了3倍,特征描述符稳定性提高了18%以上。      

递归投影方法(RPM)及其在流场数值模拟中的加速收敛性能研究

随着计算流体力学中的物理模型的日益复杂和数据运算量的增大,人们越来越重视提高数值方法的计算效率。本文在研究RPM方法的基础上,提出了一种更易于保证实施精度的具有良好加速收敛性能的改型的RPM方法。一方面,通过构造的一维迭代格式研究了几个控制参数如Krylov接受比、Krylov向量维数等对RPM方法的加速收敛性能的影响。另一方面,研究了在流场数值模拟中即使采用了常规的加速收敛措施如当地时间步长和隐式残值光顺以后,改型的RPM方法的加速收敛性能;结果表明,此时,RPM方法仍然能使总体上的收敛速度提高近1/3。