弹道导弹自由段解算的等高约束解析解

在状态空间摄动法的基础上，提出了求解终端为高度约束的弹道导弹自由段轨迹的方法，导出考虑J2项摄动的运动参数等高偏差解析解，并提出利用已有的等地心距偏差公式近似的思路。和其它解析方法相比，所提方法计算精度高，无须迭代。算例证明：解析方法的计算精度在50米以内，可以满足诸元和制导计算的要求。     

一种适于硬件实现的简化的无列表SPIHT

文中提出简化的无列表SPIHT,它采用状态标识符来记录集合分割信息,而不采用动态的链表操作。它将 精练过程提至不重要像素处理过程之前,从而省略状态标识MNP和MCP,减少状态操作的时间,易于硬件实现和实时 图像处理。     

硝化剂五氧化二氮的合成与放大

对五氧化二氮(N2O5)的特性、合成及放大方法进行了概括和分析。同时，结合我国硝化工业的现状，介绍了较为可行的工业化合成路线，以及国外的一些N205生产动态和装置。     

位移序列多进制扩频通信方式

提出用 m序列的位移序列做扩频序列的多进制扩频通信方式 ,并给出了它的系统模型 ,分析了它的通信性能。理论分析证明 ,用 m序列的位移序列构成的多进制扩频通信方式具有很高的通信有效性和通信可靠性     

通用航空飞行器气动布局设计优化

研究了通用航空飞行器气动布局设计优化问题。应用基于二次曲线的模线设计方法，实现了通用航空飞行器的参数化外形建模。采用修正的牛顿流理论进行高超声速气动特性计算。在保持纵向稳定性的条件下，以升阻比和容积效率最大化为目标，建立通用航空飞行器气动布局多目标优化模型。应用基于小生境竞争排挤机制的多目标遗传算法求得优化模型的非劣解集。将物理规划设计方法与稳定、高效的粒子群优化算法相结合，有效地求解该优化模型的折衷解。优化结果表明本文的通用航空飞行器气动布局设计优化方法是有效的。     

基于UG/Grip的低比转速离心泵叶轮数字化造型原理

运用UG/Grip技术对低比转速叶轮进行三维造型设计,获得了一种先进的低比转速叶轮参数化设计方法,从而能够及时、直观地考察叶片的水力特性和机械特性。同时可采用交互方式对叶轮设计参数进行修改,增强了叶轮计算机辅助设计系统的交互设计能力,有利于提高叶轮设计质量。     

雷雨天气下的雷达管制

一、广州区域雷雨天气特点及其影响 广州区域管制中心所管辖的空域处于我国华南地区，雷暴发生的频率纬度比较高的地区高得多。年平均出现雷暴日数为80．5天，年出现雷暴最多日数为115天，最少为57天。雷暴既有由天气系统引起的，也有由对流增热和地形抬升作用造成的。所以，夏季比冬季多，一年之中雷暴多集中出现在4～9月份，以8月份出现最多，为15．3天；12月份出现最少，为0天。另外，雷暴的日变化比较显著，大多出现在下午和傍晚。如：广州，日际雷暴发生的最大频率值（0800～1000UTC）比最小频率值（2300～0200UTC）大约多5倍。     

基于Contourlet区域对比度的遥感图像融合算法

为综合利用多传感器遥感图像之间的信息，提出了一种基于contourlet变换的遥感图像融合算法。Contourlet是近年发展起来的一种多尺度几何分析工具，比小波变换更适合对图像等二维信号进行处理。算法的思想是将源图像分别进行contourlet变换，在contourlet域完成图像信息的融合，最后通过逆变换得到融合结果。根据分解系数特性，首次提出了contourlet域的区域对比度作为高频子带的融合规则，系数选择更符合人类视觉系统的要求，使得融合图像更有意义。低频子带采用基于区域能量的加权平均作为系数融合规则，在充分保留图像主要信息的前提下进一步增强了算法的稳定性。实验结果表明该算法在性能上明显优于PCA及小波图像融合等传统算法，且能够有效增强源图像的对比度和细节信息。     

平流层飞艇优化方法和设计参数敏感性分析

平流层飞艇优化设计对飞艇体积、重量、成本、工作能力、承载能力等有重要影响。提出采用总重最小的优化目标对平流层飞艇进行优化,给出了平流层飞艇总体参数估算方法,建立了平流层飞艇优化流程,编制了计算程序,并对平流层飞艇进行了尺寸优化。分析表明:(1)为达到最小代价(总重或成本)的目标,平流层飞艇设计不能片面追求阻力最小或者浮力最大,应综合考虑浮力与推力,进行尺寸优化;(2)平流层飞艇运行地理纬度、在一年中的运行时段、抗风能力、有效载荷重量、再生燃料电池比能量、蒙皮比重量等参数对飞艇优化设计尺寸有重要的影响。     

基于GPS及其与磁强计组合的姿态确定算法研究

提出了一种组合敏感器定姿算法，针对卫星上同时装备有磁强计与全球卫星定位系统（GPS）的情况，利用两者的测量信息，在卡尔曼滤波算法的基础上，对两者信息融合定姿算法进行了设计和仿真，旨在提高卫星自主定姿精度和可靠性，结果表明，组合定姿算法使姿态确定的精度得到提高。