改进PASTd算法在大型自适应阵中的应用

矩阵特征分解算法中紧缩近似投影子空间跟踪(PASTd)算法在自适应阵波束形成中得到了广泛应用.在对其仿真中发现仅在信噪比较低时该算法才能得到较好的结果.针对这一缺陷,正交近似投影子空间跟踪(OPAST)算法被引伸到PASTd中.改进算法可在不知道信号维数的情况下估算信号的特征向量与特征值,并保证特征向量的正交性,因此具有更好的收敛性能,而算法复杂度基本不变.改进算法与多重信号分类(MUSIC)算法相结合应用于大型自适应阵,可对主瓣及其附近区域的干扰进行抑制,并大大降低MUSIC算法的计算量,对其干扰零点的形成有很强实用价值.     

一种多目标跟踪数据处理器的设计

介绍了一种机载多目标跟踪数据处理器的实现算法．这个处理器是用专用数字信号处理芯片ＴＭＳ３２０Ｃ３０实现的，其输入的观测数据是由雷达视频回波信号经过数据采集、信号检测和目标参数提取后得到的测量数据．在实验室环境下，当信噪比为３：１时，此数据处理器在１００ｋｍ距离处的滤波估计误差为５０ｍ，方位估计误差达到半功率波束度宽的．     

基于信号分类的时频分布

在将时频分析应用于模式识别的应用中 ,传统的方法是先用时频分析方法表示所获得的信号 ,然后根据时频分布提取相应的特征 ,最后将所提取到的特征输入到分类器进行分类。为了使得时频分布具有好的局部聚焦性和抑制交叉项 ,学者对一些分布进行改进 ,如采用平滑函数 ,或者是采用降低干扰核设计等等。但其目的是获得良好的时频分布 ,其最终目的不是应用于信号分类。介绍了一种基于信号分类的时频分布设计 ,其目的不是获得良好的时频分布 ,而是获得很好的分类效果。     

管理软件生成器系统CDBAG—4GL

阐述了“管理软件生成器系统CDBAG-4GL”的研制背景、系统组成、逻辑结构、功能及特点;并简要介绍了设计思想、生成原理以及实现技术要点等。“CD-BAG一4GL”已商品化,它可根据用户要求自动生成各类专用的管理信息系统。为应用开发人员和最终用户提供一个一体化的通用的快速开发工具和环境。作为第四代软件开发工具的生成器和第四代语言是提高应用开发效率和质量的有效途径。     

A Nonlinear Sub-grid Scale Model for Compressible Turbulent Flow

本文采用直接过滤的Navier-Stokes方程组作为可压缩湍流大涡模拟控制方程组。方程组中因过滤产生的高阶相关项用Taylor级数展开近似,但仅保留级数的一阶导数项。这样产生的误差相当于丢失了模型的部分耗散作用,本文用一种动力学非线性亚格子模型来补偿丢失的耗散影响。本文根据Caylay-Hamilton定理导出了一个非线性亚格子模型,模型中包含的系数由动力学模式确定。与传统的动力学Smagorinsky模式相比,这种动力学非线性模型(DNM)稳定性更好,且不需要在统计均匀方向进行统计平均来计算模型系数,因此减少了计算开销。本文用这种非线性亚格子模型对绕双椭球高超声速湍流进行了模拟,并将所得结果与实验值、计算值及理论值进行了对比。结果表明,本文模型可以有效地模拟可压缩湍流流场。     

基于PC/104总线和ADS7805的多路小信号实时监测系统

开发了基于PC/104总线和ADS7805的实时监测系统。该系统主要由信号转换模块、A/D转换模块、CPLD逻辑控制模块EPM7128和PC/104总线组成。它能够在板卡上实现信号的采集监测,并能通过PC/104总线与上位机通信,实现数据的存储、后端处理及显示。参考了实时数据采集处理系统的设计思想,重点阐述了系统原理及硬件、软件的设计。     

区间数据包络分析模型的求解及其有效性

文中基于每个DMU的区间效率值,给出了区间DEA模型求解的一种方法并研究了它的有效性,同时将这种方法应用于基地伪装方案的选取问题。     

四叉树法网格划分的数据结构及算法设计

目前,四叉树法在平面网格划分领域中被广泛地使用。本文应用数据结构描述了四叉树的程序实现过程,并详细介绍了四叉树过程中切割单元的处理方法。最后通过算例证明了四叉树法具有快速自动生成质量较好的全四边形单元且很容易通过程序实现等优点。     

国内外民用航空发动机-飞机数据图形库系统的开发

 1.引言 国内外民用航空发动-飞机数据图形库系统的开发是应用计算机数据库技术、图形技术对航空科学与工程数据进行计算机辅助管理的一次尝试。该系统是在“微机汉字dBASEⅢ+微机汉字C编译”支持下设计与实现的具有图形功能的关系型汉字数据库应用系统。该系     

基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。