一种新的重频特征识别方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种结合神经网络技术的重频识别方法.该方法分别对7种雷达重频模式,提出了新的特征矢量提取方法,并引用神经网络进行识别.实际仿真结果表明该方法是有效的,特别是对重频固定、重频滑变及重频抖动模式在高漏脉冲率的条件下依然具有较高的正确识别率.     

基于开源GIS数据的广域小重叠卫星影像定位模型精化

设计了一种适用于大区域、小重叠卫星影像有理多项式模型(RPC)定位精度优化的技术流程,基于开源数字正射影像(DOM)、数字高程模型(DEM)数据和RPC几何模型约束,通过优化尺度不变特征变换(SIFT)特征提取与匹配算法,实现了无像幅约束的控制点和连接点的快速稳健匹配,应用DEM支持下的RPC模型二维区域网方法实现了多景影像RPC模型精度的联合精化。GF-1卫星WFV影像的实验结果表明:在DEM支持下经过区域网平差后,RPC模型的定位精度可达到像素级水平。     

基于距离像特征的复合速度估计算法研究

首先分析了步进频率宽带信号混频处理原理和目标速度对距离像的影响。在此基础上,提出了基于距离像熵和距离像对比度的速度估计算法,详细分析了这两种算法的数学原理、步骤、效果、适用条件等。最后,基于这两种算法又提出了复合速度估计算法,大大提高了速度估计精度。     

基于特征模型的火箭发动机伺服控制系统设计

以新型大推力火箭发动机为研究对象,提出了基于特征模型的伺服系统控制器设计方法。首先,介绍了特征建模理论并讨论了特征模型参数范围;其次,采用人工蜂群算法实时估计火箭发动机伺服系统特征模型参数,使其满足特征模型输出与实际系统输出特性等价条件;最后,使用黄金分割自适应控制律保证系统在参数估计过程中的闭环稳定性,同时引入前馈跟踪控制律,逻辑积分控制律和逻辑微分控制律使伺服控制系统快速、精确跟踪线位移指令并改善动态性能。仿真结果表明,设计的火箭发动机伺服控制系统指令跟踪精度高,动态特性良好,鲁棒性强。     

基于MSFLE与Liutex的涡合并实验研究

应用具有拉格朗日性质的运动单帧长曝光(MSFLE)图像测量方法,对矩形管内湍流边界层涡结构合并现象开展了实验研究。研究了雷诺数Reθ在97到194之间管道湍流边界层流向-法向平面内涡合并现象。在实验中,测量系统以与涡运动速度相近的速度匀速移动,采用连续长曝光记录示踪粒子运动轨迹,以捕捉涡随时空的演变过程,骨架提取图像处理算法获得示踪粒子速度,并应用Liutex物理量表征涡的旋转强度。研究表明:MSFLE方法测量装置简单,对实验条件要求低,可从拉格朗日视角直观测量湍流边界层涡结构及周围流场的时空演变过程,MSFLE图像测量方法与Liutex涡识别算法结合可以很好地应用于湍流边界层涡结构的可视化与量化。矩形管内湍流边界层涡合并的条件是两个涡相邻、强度和尺寸基本相同且为同向旋转涡,合并中两个涡的强度呈反向变化,合并生成的新涡的强度和尺寸基本为初始合并时两个涡之和,且旋转方向与两个涡同向。     

多孔介质微燃烧器内的火焰驻定机理研究

为解释毫米尺度多孔介质燃烧器中火焰可在一个当量比范围内驻定的物理现象,搭建了二维非稳态数学物理模型,利用数值计算方法定性研究了氢气/空气预混气在部分填充不锈钢网的微通道内的火焰传播特性。通过分析浸没火焰及表面火焰的温度分布特点并量化燃烧室内的预热和散热发现：火焰驻定在多孔介质内的不同位置时对应的传热特性存在差异,是控制火焰传播速度在一定当量比范围内保持恒定的关键因素,而预热及散热的相对大小可作为衡量传热对火焰宏观影响的重要参数。对火焰的的总预热与总散热之比R越临近多孔介质入口边界变化越剧烈,导致浸没火焰易驻定在多孔介质的中上游区域;多孔介质对火焰的预热虽在多孔介质出口边界外减小,但与多孔介质散热之比Rp呈上升趋势,使得低流速工况下易形成表面火焰。同时,R随当量比的变化规律导致多孔介质下游火焰的稳定性相对较弱。     

基于量子化、芯片化的先进计量测试技术发展动态

计量是国家质量基础的重要组成部分,产品质量的提升离不开科学、精准的计量。工业发达国家极为重视计量测试技术的发展。通过搜集、整理量子效应计量、芯片级计量等国内外大量文献资料,归纳分析了近年来国外先进计量测试技术发展动态与趋势。以量子技术和基本物理常数为基础建立量子计量基标准,将大幅提高测量准确度和稳定性,结合量子效应的微加工技术实现芯片尺度的测量等,微纳尺度计量技术也在科学研究、精密测量、智能制造等领域得到广泛应用。本文可为我国计量技术发展提供借鉴。     

拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题,基于拓扑分析中的持续同调性理论,本文提出一种多尺度大脑网络建模分析方法,该方法在大脑全尺度距离范围之内,通过不断增加阈值,运用Rips过滤算法捕获网络的动态持续拓扑特征,并用条形码和持续图对拓扑特征可视化,最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明,该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。