遥感图像运动模糊恢复方法及评价标准研究

遥感成像系统与目标在曝光时间内的相对运动将导致成像的运动模糊。文章结合匀速直线运动造成的图像模糊特点,讨论图像模糊的产生机理并建立相关退化模型;利用点扩散函数（PSF）在频率域和空间域上分别对匀速直线运动产生的模糊图像进行恢复;验证各算法对高斯噪声的抗干扰性;提出使用HVS对比度的方法作为客观评价标准验证恢复算法的可行性,并与传统的灰度平均梯度（GMG）相对比表明该评价标准的合理性。     

地地导弹系统误差小子样快速收敛点估计法

针对地地导弹武器系统试验次数少的特点,研究了小子样条件下地地导弹系统误差的快速收敛点估计方法.其基本思路是,首先利用样本分布展开法将经验分布展开成相应的分位点函数,然后根据不确定性极大值原理,将Shnnon熵视为不确定度,计算出分位点函数的系数;通过求解熵极值曲线对可行解范围曲线的切点,最终积分分位点函数即可得到数学期...     

升力体外形设计的代理模型优化方法

面向飞行器概念设计提出了一种将类型函数/形状函数变换技术与代理模型技术及全局优化算法相结合,实现升力体外形多目标优化的设计策略。类型函数/形状函数变换技术能够通过调整少量尺寸参数或类型函数/形状函数控制参数衍生出多种设计构型。选用最优拉丁超立方抽样完成实验设计,将径向基函数作为近似方法构建代理模型,并通过序贯采样后验策略改善代理模型拟合优度。在Ma 6,迎角20°设计点处搭建了升力体简化外形的气动分析代理模型。应用NSGA-Ⅱ多目标遗传算法实现了以升阻比和容积利用率最大化为目标的折衷优化,得到包含一系列改进设计方案的Pareto-解集,其中,各构型目标响应相对实际分析值误差均在6.1%以内,表明该方法既可以通过代理模型大幅提升设计效率,降低应用全局优化算法的计算复杂度,又能够得到满足概念设计精度需要的设计方案,有利于概念设计中定量高效地实现多个设计目标的折衷优化,明确飞行器外形修改方向。
     

基于随机有限元方法的结构可靠性预计

基于随机有限元方法,给出了一种随机应力-强度干涉模型的可靠性预计方法。该方法将结构的弹性模量、泊松比、抗拉强度、几何尺寸和载荷定义为随机变量,采用蒙特卡罗随机有限元方法(MCSFEM)计算结构最大应力分布,结合传统的应力-强度干涉模型,进行结构可靠性预计。结果表明,本文给出的方法可以推广应用于工程结构的可靠性预计。     

基于马尔可夫链舱段装配质量研究

产品装配质量在装配过程中是随机的。在分析了影响舱段装配质量因素的基础上,提出了基于马尔可夫链装配质量分析模型。通过质量损失函数,构建了舱段装配过程状态转移矩阵,为舱段装配质量的定量评估分析提供了依据。     

非均布瞬态内压作用下星孔药柱应力分析

固体发动机大长径比药柱点火过程中内孔表面受到燃气压力作用,内压载荷迅速上升,并沿轴向分布很不均匀,为典型的瞬态非均布载荷。文中建立了内压载荷关于时间变化和位移分布的数学模型及瞬态非均布内压载荷下药柱结构应力的分析方法,并建立了三维贴壁浇注星型内孔药柱模型,用有限元法计算出非均布压力下的药柱应力-应变分布及变化过程。计算结果表明,载荷的非均布特性及瞬态特性对药柱应力-应变过程影响很大。升压梯度越大,对药柱结构完整性破坏越大。     

基于CORDIC算法实现双曲函数的计算

研究基于CORDIC算法如何应用简单的硬件实现双曲正弦/余弦函数的计算。文章首先介绍了CORDIC算法原理,探讨了一种易于硬件实现的结构,并通过对双曲正弦/余弦函数计算的实例分析了CORDIC算法的性能,为扩大其应用奠定理论基础。     

广义回归神经网络在MC-CDMA空频多用户检测中的应用

简要分析介绍反传神经网络、径向基神经网络与广义回归神经网络。广义回归神经网络与传统的基于反传算法的神经网络相比,具有收敛速度快,鲁棒性强等优点。将广义回归神经网络技术援引到MC-CDMA系统的空频多用户检测中,进行收敛性和误码率的仿真计算。仿真结果表明,广义回归算法比反传算法收敛速度快,广义回归神经网络空频多用户检测的误码率比单天线多用户检测的低。     

矩形波导宽边纵向裂缝的分析

利用缝隙口面切向磁场连续的条件建立关于未知电场的联立积分方程,将波导内外部的互耦、波导壁厚及波导内高次模的影响全部考虑进去,然后运用矩量法求解得到一端短路和两端开路时的波导单缝中的电场分布。该结果与文献结果和HFSS仿真结果作比较,两者吻合良好,证明理论推导和编程计算的正确性。根据缝隙等效导纳和反射系数的关系计算波导一端短路时不同偏距纵缝的谐振长度,进行矩形端头与半圆端头的等效转化并给出了与仿真结果的比较。单个缝隙参数的确定为采用HFSS软件仿真法、等效电路法或场分析法进行波导裂缝阵列天线的分析和设计奠定了基础。     

基于像素抽样的快速互相关图像匹配算法

在不同大小的实时图像(假定为小)和基准图像(假定为大)的匹配算法中，最常用的方法是互相关匹配算法，但如果对每个点都计算二维相关函数则计算量非常大。文章提出对图像的匹配采用粗、精两步快速匹配的方法：首先将实时图像每一列灰度值相加，形成一个一维信号，用此一维信号到基准图生成的一维信号中用一维相关函数进行粗匹配，实现降维和提高速度的目的。然后将相关函数值中较大的一些点作为备选点，在原图中利用这些不多的备选点计算二维相关函数，相关函数值最大的点即为最佳匹配点，实现精匹配。在一维匹配中采用隔4列、隔3行取一个点的像素抽样方法以提高粗匹配速度。实验结果表明了文章算法的快速性和准确性。