阵列天线中MUSIC算法的工程实现

在阵列天线MUSIC算法的工程实现中,要求用C语言实现对数据自相关阵的特征空间分解。文中参照对称矩阵特征空间分解的数值实现方法,通过在复数域中引入Householder变换和Givens变换,利用C语言编程,实现了Hermite矩阵特征空间分解,给出了迭代算法。在迭代算法中,采用直接数据置换降低矩阵维数,节省了存储空间,提高了运算速度。在PC104上编程,实测结果表明算法稳定,结果正确,运算速度满足工程的需要。     

复杂工程系统研发中的技术状态管理

围绕复杂工程系统的本质特征和研发过程的难控性提出进行技术状态管理的必要性;结合实际飞机系统的工作分解结构,分析了技术状态管理过程中技术状态标识过程、技术状态基线控制、技术状态纪实和技术状态审核等关键技术活动;提出了比较完备的技术状态管理体系结构,并指出流程管理在该体系结构中的重要性。     

分析蜂窝夹芯板脱胶问题的状态分解能量法

讨论了工程中常见的夹芯板面板与芯材间的脱胶问题，用状态分解方法建立了一种分析含脱胶区的蜂窝夹芯板的力学模型．将分析夹芯板的脱胶问题归结为分析由脱胶引起的附加位移与附加应力．利用双三角级数和ＲａｙｌｅｉｇｈＲｉｔｚ方法求解了具有矩形脱胶区的蜂窝夹芯板脱胶问题的附加位移，对解的收敛性分析表明具有较好的收敛性．本文的解，为确定含脱胶的蜂窝夹芯板临界屈曲载荷以及断裂力学参数的确定，提供了合理而简单的位移模态．     

单纯形法原理及其扩展

详细阐述单纯形法的基本原理,并就使用单纯形法过程中经常遇到的如何寻找初始基本可行解,如何减少单纯形法的计算量以及如何将大规模复杂问题分解成若干个规模较小的简单问题等方面给予简答。     

联合国安理会通过决议部分解除对利比亚制裁

当地时间2011年9月16日,联合国安理会就利比亚问题一致通过第2009号决议,部分解除对利比亚武器禁运、资产冻结等制裁措施。     

小型化高床载过氧化氢整体式催化剂床研究

通过理论分析和试验对一种新型整体式层板催化剂床进行了研究。设计了催化剂床流道结构并对催化剂床的加工工艺进行了初步研究。热试车结果表明，催化剂床性能良好，最高床载可达16．5g／（cm^2·s），分解效率96％，室压粗糙度小于±2％，催化剂床累计工作寿命大于455s，性能未出现下降趋势。     

一种适用于快速分解后向投影聚束SAR成像的自聚焦方法

基于孔径分解和图像递归融合的快速分解后向投影(FFBP)算法具备接近频域算法的运算复杂度和媲美后向投影(BP)算法的聚焦性能。但与频域成像算法不同,使用FFBP算法重建的直角坐标系图像或极坐标系图像均无法满足传统自聚焦方法的使用条件。为了解决这个问题,首先,提出了虚拟极坐标系作为FFBP算法的图像重建平面,为自聚焦方法的使用奠定了基础;其次,以基于回波数据的运动补偿为目标,充分利用FFBP算法多孔径递归融合的特点,将多孔径图像偏移(MAM)的相位估计方法嵌套到FFBP算法的各个阶段,从而实现MAM与FFBP算法的紧密相容;最后,通过实测数据处理验证了该方法的可行性和有效性。     

L-D分解求逆法在联邦卡尔曼滤波中的应用

求逆是联邦卡尔曼滤波算法中数据融合的关键步骤.它的计算精度的高低和运算速度的快慢将直接影响到整个滤波算法的成功与否.经过数字仿真,把矩阵分析中的L-D分解算法运用到联邦卡尔曼滤波中的矩阵求逆当中能得到良好的效果,不但运算速度和精度有提高,整个滤波算法的容错性也有明显改善.      

一种空间目标RCS序列的姿态异常检测方法

准确、快速判断空间目标姿态运动模式异常,对于空间目标监测具有重要意义。针对空间目标雷达散射截面 (Radar Cross Section,RCS)序列,提出一种基于小波包分解（Wavelet Packet Decomposition,WPD）能量谱特征的无监督机器学习异常检测方法,并采用单类支持向量机(One Class Support Vector Machine,OCSVM)验证异常检测效果。设置了几种典型异常场景进行仿真分析,试验结果表明,该方法能有效检测出三轴稳定类空间目标发生失稳旋转的姿态异常。相比于传统统计参数特征、小波变换统计参数特征及能量特征的姿态判别方法,具有检测概率高、鲁棒性好的特点。     

基于EMD与LS-SVM的刀具磨损识别方法

针对刀具磨损声发射信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了基于经验模态分解和最小二乘支持向量机的刀具磨损状态识别方法.首先对声发射信号进行经验模态分解,将其分解为若干个固有模态函数之和,然后分别对每一个固有模态函数进行自回归建模,最后提取每一个自回归模型的系数组成特征向量,特征向量被分为两组,一组用于对最小二乘支持向量机训练,另一组用于识别刀具磨损状态.试验结果表明:该方法能很好地识别刀具磨损状态,与BP神经网络相比具有更高的识别率.