网络化战争中的复杂网络拓扑建模

网络化战争中网络拓扑模型的构建是利用复杂网络理论研究网络化战争的基础。本文根据网络化战争的特点,从复杂网络动力学角度,对BA模型进行扩展,通过在节点分类和连接规则两方面增添假设,构建了网络化战争中的复杂网络拓扑模型。仿真结果表明,在该演化规则下生成的网络具有无尺度和小世界特性。对网络模型抗毁性的研究为网络化战争中攻击节点的选择及网络的构建和改进提供理论依据。     

异形构件化学气相沉积SiC涂层的数值模拟

根据化学气相沉积(CVD)工艺制备SiC陶瓷涂层的工艺特点和典型异形构件的结构特点,建立了异形构件表面化学气相沉积SiC涂层的数学模型。利用该模型,对CVD法在典型异形表面制备SiC涂层进行了数值计算和分析。计算结果显示,带有斜面的构件对CVD SiC沉积过程有显著影响,在反应器大小允许的情况下,构件放置时,斜面与水平面的夹角越小越好,并尽可能将构件长的一面与水平面平行,这样有利于沉积的涂层均匀。此外,对于带有台阶的构件来说,正放的构件表面浓度大于倒放的构件,而浓度梯度则小于倒放的构件。因此,在实际应用中,应尽量使台阶部分放在气流的下游。上述研究结果对CVD工艺制备SiC涂层的优化具有一定的指导意义。     

复杂电磁环境下雷达探测能力的定量描述

在概述雷达面临的复杂电磁环境的基础上,分析了复杂电磁环境对雷达主要探测能力的影响,提出了复杂电磁环境下雷达探测能力的构成要素,即电磁环境感知能力、电磁环境应对能力和电磁环境对抗能力;给出了复杂电磁环境下雷达探测能力的评估原则,即战术指标定量评估原则、比对原则和通用性原则;构建了复杂电磁环境下雷达探测能力的定量评估指标体系,共三大类15项指标;最后对指标适用性进行了分析并给出了结论.     

通信装备复杂电磁环境适应性试验评估技术

通过分析复杂电磁环境对通信装备的影响,从装备效能下降角度提取相应的评估指标、建立评估模型,采用层次分析法得到指标层各指标对目标层的相对权重,从而可根据指标值计算出目标值.解决被试系统在不同复杂电磁环境条件下适应能力试验的评价难题.     

雷达信号环境认知理论框架探讨

针对雷达装备的复杂电磁环境适应性试验需求,研究了雷达装备面临的信号环境,提出了一种雷达信号环境的相关性认知理论框架,并对其内涵进行了简要阐述,以期为分析、表征、度量雷达装备所面临的信号环境提供一种统一的、有效的方法。     

变频调速系统共模电流分析及其检测方法

变频调速系统中的复杂波形共模电流会影响传统电磁互感器的输出精度及线性度,导致测量结果存在较大误差。针对此问题,首先对系统共模电流的形成机理、流通路径与幅频特性进行分析;然后提出一种结构简单、宽测量范围的磁调制电流互感器,对互感器的检测原理进行了详细说明;最后进行了样机设计和试验验证。结果表明,所提出的磁调制互感器能够有效测量不同幅频特征的复杂波形电流信号,满足变频调速系统共模电流的测量要求。     

面向型谱与面向领域相结合的战术武器软件构件化设计

面向型谱与面向领域结合的软件构件化设计方法,是在面向领域的基础上充分考虑型号设计的实际需求与软件复用过程中遇到的实际问题提出的。该方法有效地解决了面向领域软件组装时间过长,软件组装后需要适应性修改、测试、验证,导致研制效率与质量不高的问题,以及软件复用不能针对特定型谱建设,导致软件复用过程针对性不足的问题。该方法有效提升了软件复用效率与质量,在型号应用中成效显著。     

基于DO-254的复杂电子硬件开发及适航审定过程符合性研究

当前,民用航空器中的机载电子硬件的复杂度逐渐增加,设计过程中产生的错误无法再通过穷举验证等方法被发现和纠正。为了避免其导致的安全性问题,必须采取规范化的开发流程,同时符合适航审定的要求。本文从适航性的角度分析了适航审定基础和符合性方法之间的关系,以及将DO-254作为符合性方法对适航审定的意义。另外,本文基于DO-254和其他相关标准文件,明确了对机载电子硬件中的简单电子硬件（Simple Electronic Hardware, SEH）和复杂电子硬件（Complex Electronic Hardware, CEH）区分方法,分析了以现场可编程门阵列（Field Programmable Gate Array,FPGA）为代表的CEH的硬件生命周期及其关联过程,建立了符合DO-254的FPGA硬件设计过程,探讨了硬件生命周期内和适航审定过程中可能存在的问题和解决措施,为实际工程提供一定的参考。     

基于时变散射特征与CNN的双极化SAR作物分类

作物类型分类是极化合成孔径雷达(PolSAR)图像中最重要的应用之一。然而，由于成本和系统限制，越来越多的双极化SAR系统已经投入使用。由于双极化模式的限制，双极化SAR数据集存在严重的贴现特性，使得双极化SAR图像难以获得令人满意的分类精度，因此有必要提取更适合于双极化SAR数据集的散射特征。基于H/α分解的基本理论，引入了一个新的参数来测量农作物的时变散射特性，并针对双极化SAR图像提出了时变散射特征驱动的卷积神经网络(CNN)。实验结果表明:提出的CNN分类方法达到了最高的分类精度。与不同的特征组合输入相比，提出的新参数能稳定地提高分类器的分类性能，H、α、θ和强度特征的组合也能达到最佳的分类性能。