Detection of small objects in clutter using a GA-RBF neural network

Detection of small objects in a radar or satellite image is an important problem with many applications. Due to a recent discovery that sea clutter, the electromagnetic wave backscatter from a sea surface, is chaotic rather than purely random, computational intelligence techniques such as neural networks have been applied to reconstruct the chaotic dynamic of sea clutter. The reconstructed sea clutter dynamical system which usually takes the form of a nonlinear predictor does not only provide a model of the sea scattering phenomenon, but it can also be used to detect the existence of small targets such as fishing boats and small fragments of icebergs by observing abrupt changes in the prediction error. We applied a genetic algorithm (GA) to obtain an optimal reconstruction of sea clutter dynamic based on a radial basis function (RBF) neural network. This GA-RBF uses a hybrid approach that employes a GA to search for the optimum values of the following RBF parameters: centers, variance, and number of hidden nodes, and uses the least square method to determine the weights. It is shown here that if the functional form of an unknown nonlinear dynamical system can be represented exactly using an RBF net (i.e., no approximation error), this GA-RBF approach can reconstruct the exact dynamic from its time series measurements. In addition to the improved accuracy in modeling sea clutter dynamic, the GA-RBF is also shown to enhance the detectability of small objects embedded in the sea. Using real-life radar data that are collected in the east coast of Canada by two different radar systems: a ground-based radar and a satellite equipped with synthetic aperture radar (SAR), we show that the GA-RBF network is a reliable detector for small surface targets in various sea conditions and is practical for real-life search and rescue, navigation, and surveillance applications     

氢燃料双模态冲压模型发动机M6的试验研究

笔者研究了一个有突扩台阶的氢燃料高超声速冲压发动机模型的气体动力学特性和推力特性。氢气从位于燃烧室突扩台阶后的支板逆来流喷注,测量了氢气燃烧状态下模型发动机壁面的压力分布和推力收益数据。实验结果表明,在氢气的当量油气比为0.35～0.8的范围,在本模型流道构型条件下,氢气自燃,并随当量油气比的增加,燃烧室内压力增加,获得的推力收益增大,最大推力收益达到500N。实验在CARDC的脉冲燃烧风洞中进行,实验马赫数为6,总温1850K,总压5.5MPa。     

华东地区围护结构节能研究

根据南京市的典型年逐时气象参数，对于该市的某一座高层建筑物，应用自编的逐时动态负荷模拟程序，输入围护结构（窗户、墙体和屋顶）相关的物理参数及其与周围环境的关系（地点及朝向等），计算围护结构冬季采暖期散热量及夏季制冷得热量。结果表明，采用双层塑窗代替单层塑窗，使用节能墙体代替传统墙体能够使得冬季围护结构传散热量减少51％，夏季围护结构总得热量减少46％。因此，这一结果为华东地区建筑节能技术提供了理论依据。     

变速恒频电源系统的数字仿真研究

建立了脉宽调制型交直交变速恒频电源系统的数学模型，研制了仿真软件，并给出了仿真实例。研究表明，本文的方法和软件可以进行变速恒频电源系统部件级和系统级的仿真分析，为设计和分析该系统提供了有力的工具。文中的方法和软件也可以用于分析恒速恒频和高压直流电源系统，为开发一套完整的飞机电源系统仿真软件奠定了基础。     

点焊质量模糊控制系统研究

简要介绍了电阻点焊单片机微机模糊控制原理，确定了点焊模糊控制算法，分析了点焊模糊控制系统的硬件结构和软件设计。实验结果表明，该控制系统能够有效实现点焊质量的模糊控制，具有较强的自适应特性，可用于电阻焊智能制造。     

超声爬波无损检测方法的研究

本文介绍了超声无损检测中一种具有较好应用前景的波型──超声爬波。试验研究了爬波检测时缺陷定位、定性评定的方法，并给出了主要结论。     

力控制反馈信号的神经网络法校正

对机器人的力反馈，主动柔顺控制和双向联想记忆的神经网络进行了综合研究，针对机器人腕力传感器输出信号的部分失真，提出了机器人擦洗平面玻璃力反馈信号神经校正的方法，并建立了相应的神经网络结构，在ＡｄｅｐｔＴｈｒｅｅ精密装配机器人上进行了试验验证，取得了满意的效果。     

时频测量的新技术——相位重合点检测技术

近年来相位重合点检测技术和周期性信号参数测量各种高精度的方法在国内外得到了广泛应用。对这种新技术的基本原理、所派生的频率、周期、相位差和时间间隔测量方法作了介绍。这些新方法测量精度高,测量频率范围宽,设备构成比较简单,在时频测量领域将获得越来越广泛的应用,可能逐渐取代已有的某些测量技术,并可在其它量测量领域获得推广。     

六端口微波测量技术

六端口技术是从70年代初发展起来的一项新的微波自动测量技术。经过十多年来各国科技工作者的研究、实践,无论在理论上,还是在系统构成、误差分析等方面均趋于成熟。该技术目前已广泛应用于微波计量、安全防护和工业在线检测诸部门。由六端口网络组成的自动网络分析仪,可望成为技术性能高的自动测试系统。本文分四个部分,系统地介绍了六端口技术的发展及其在微波测量中的应用;几种常用六端口结的组成及其设计准则;六端口自动网络分析仪的校准及其测量方法,以及如何评定六端口网络分析仪不确定度等问题,供从事微波计量测试及有关人员参考。     

声光相关技术在电子战中的应用

介绍了声光相关技术原理及其在现代战争,特别是在电子战及扩频通信等方面的应用,比较了体波及其表面波、声光及声电技术在应用中的不同特点,并具体探讨了声光相关器应用子通信信号的解调及同步中的可行性,分析表明,声光相关技术是很有发展前景的一项技术,将越来越多地应用于各个不同的领域。