一种新的星模式识别算法

研究了面向星敏感器的星模式识别算法。首先扼要介绍了到目前为止出现的所有面向星敏感器的星模式识别算法和星图预处理，然后详细论述了本文提出的基于旋转和比例不变点特征松弛匹配算法的一种新的面向星敏感器的星模式识别算法。在第三部分通过仿真试验检验了新算法的性能。初步的仿真试验结果表明该星模式识别算法性能优良，具有实用价值。最后讨论了待深入研究的问题。     

某无人直升机扩频通信系统捕获方案设计

讨论一种用于某无人机直序扩频通信测控系统的PN码捕获方案。根据该系统的技术指标要求,针对无人机信道的特殊性,采用匹配滤波器进行PN码的相关处理,并运用检测后积分和二次驻留的方法提高检测概率降低虚警概率。在进行详细理论分析的基础上,运用Cadence公司的SPW系统仿真软件,将该系统在高斯白噪信道和无人机信道下进行对比性系统仿真,仿真结果以及FPGA实测结果均表明,上述两种方法有效地提高了系统性能。     

红外探测阵列对固体导弹尾焰跟踪定位的研究

通过分析研究建立了前视红外探测阵列ＦＬＩＲ（Ｆｏｒｗａｒｄ Ｌｏｏｋｉｎｇ Ｉｎｆｒａ－Ｒｅｄ）对导弹进行精确跟踪、定位的数学模型，其中包括导弹的运动模型、大气干扰模型和探测阵列的观测模型。利用探测阵列ＦＬＩＲ的原始观测数据，扩展卡尔曼滤波器（ＥＫＦ）精确跟踪导弹目标。由于导弹与探测器的距离较远，故为视为点目标。导弹在探测阵列上投影的位置由两部分组成：导弹真实运动位置和由于大气干扰造成的偏移。滤波     

基于BP算法的液压泵在线状态监测及故障诊断

以液压泵振动信号的５个时域信息；峰值，峰峰值，均方根值，方差和波形系数作为最小诊断参数组合，用ＢＰ神经网络进行信息融合，提出一液压泵的神经网络在线状态监测及故障诊断系统。     

基于特征的锻件分类及特征有限元法

综合分析锻件后引入特征技术并归纳锻件的形状及变形特点 ,提出了锻件特征概念并给出锻件形状特征的一般定义和构成 ;采用面向对象技术表示特征 ,提出了锻件特征类的概念模式和具体的参数化数据模型 ;针对有限元分析中复杂多变的约束条件和载荷状况两个关键性因素的表达 ,提出特征类的关联思想。在基于特征的锻件分类基础上 ,把锻件变形归纳为“挤”或“压”两种特征元 ,提出了采用基于特征的有限元法 ,并综合自适应FEM、并行FEM、智能型FEM共同求解大型复杂锻件的变形模拟问题。     

对红外制导系统的噪声分析与动态模拟

本文基于近红外制导系统噪声分析的框架模型，在分析探讨主要噪声源的基础上，给出了基本噪声立意，建立了探测器等组成部件基本噪声的功率谱分析式，设计出一种以红外探测器为抑制主体的减噪系统。通过目标、误差响应率的测定与跟踪试验获得较好的效果。     

风洞试验中风剖面的模拟及近流场特性分析

首先简单介绍了日本东京工艺大学风工程研究中心新建的开环流低速边界层风洞中风剖面模拟的试验情况.基于试验结果,采用被广泛应用的三角尖劈加上布置粗糙元的方法,成功地模拟出日本建筑学会定义的四类不同场地对应的风剖面.通过对试验数据的比较分析,就所采用的立方体粗糙元及三角尖劈对最终模拟得到的风剖面特性的影响进行了比较分析.其次,对风剖面模拟及特性判定中的几个重要问题,如三角尖劈的形状优化、风速功率谱的一致性、积分尺度的分析方法等进行了分析.最后,基于以上分析,对在边界层风洞中模拟预定的风剖面提出几点参考意见.     

建立腔体热释电探测器相对光谱响应度标尺的研究

由于腔体热释电探测器在宽光谱范围内具有相对平坦的光谱响应度,因此经常被用作标定探测器相对光谱响应度的工作基准。但是在标定过程中通常认为腔体热释电探测器是无光谱选择性的,即R(λ)为常数。这样就会使测量结果不够准确,因此建立腔体热释电探测器相对光谱响应度的标尺是非常重要的。本文主要介绍了建立腔体热释电探测器相对光谱响应度标尺的原理和方法,并通过实验利用该方法建立了腔体热释电探测器相对光谱响应度的标尺,从而使该腔体热释电探测器成为红外光谱响应度测量装置的工作基准。     

计算风工程中几个关键影响因素的分析与建议

通过近几年进行建筑计算风工程的实践与体会,并参考国内外的一些文献,本文给出了合理选取建筑数值风洞大小、最好采用SSTk-ω或BSL雷诺应力湍流物理模型及在建筑模型中的不同区域应按不同的网格尺度要求划分网格的建议;在CFX5软件平台中,对复杂的建筑体型,可选用非结构化网格和四面体单元,对流项的插值格式宜采用接近二阶的混合格式。还选取一立方体建筑模型,通过数值模拟、现场实测和风洞实验结果的比较对建议进行了验证。最后通过未受扰动数值风洞中入口边界条件的保持,给出了适用于我国建筑工程中A、B、C、D四类地面粗糙度类别的入口湍流边界条件,可参考采用。     

自适应融合 RGB图像特征的稀疏深度修复

深度修复的目的是从稀疏深度图像中恢复出稠密的深度图像。现有方法通常是以稀疏深度图像及其对应的 RGB图像为输入,通过 1个卷积神经网络恢复出密集深度图像。然而,普通的卷积层在处理稀疏且不规则的深度信息时有较大的局限性,同时,RGB图像特征和深度图像特征属于不同的模态。针对这些问题,文章提出了自适应稀疏不变模块,根据输入像素的有效性来处理稀疏深度,并提出了结合注意力机制的多尺度特征融合模块,在关注有效特征的同时,抑制不必要的特征,进一步提高深度修复性能。文章在 NYUv2数据集上进行了一系列实验,实验结果表明了所提出算法和模块的有效性。