基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

考虑舵机时滞的阵风减缓主动控制律设计

针对存在舵机时滞环节的气动伺服弹性系统,提出基于Padé近似和线性二次高斯（LQG）控制的阵风减缓主动控制律设计方法。利用Padé近似将舵机中的时滞环节线性化为一个高阶传递函数并引入气动弹性模型,建立线性的阵风减缓受控模型;利用LQG控制方法对线性化模型设计阵风减缓主动控制系统,并采用平衡截断法对所设计的控制系统进行降阶;利用Simulink将所设计的控制系统引入非线性模型中,得到von Karman连续阵风激励情况下系统的开/闭环响应情况。计算结果表明:根据所提方法设计的阵风减缓主动控制律能有效降低原气动伺服弹性系统的阵风响应,对研究对象机身过载的抑制在15%左右,而对翼根弯矩的抑制达到25%以上。      

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法,通过监测砝码的移动量和参考力传感器叠加系统的力值量,实时调整加卸载机构的加卸载速度,以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动,影响力标准机复现力值准确度的问题,同时也消除了力值过冲现象,避免了因逆程效应而导致的力传感器输出偏差。     

数字逻辑电路网络课程

《数字逻辑电路网络课程》是自主研制的基于Web的工具型、交互型、智能型，具有开放性和可扩充性的数字逻辑电路仿真和动态模拟网络教学软件。在暨南大学和北京大学联合承担的《96－750》项目中，形成了新的教学体系。已由高教出版社出版，并在许多高校教学中使用。该软件面向教师和学生使用，为教师制作具有个性的课件，学生自学习和协作学习提供条件。     

卫星编队飞行的双参考向量定姿法

以微型扫描激光距离探测器(MS-LRF)为测量工具，将卫星绝对姿态确定方法中的双参考向量法用于卫星相对姿态的确定，给出了确定方法并对测量精度进行了分析。     

基于空间时频分布矩阵的到达角估计

介绍了基于窄带信号模型的传统空间时频分布矩阵估计到达角 (DOA)的算法。在此基础上将该算法推广到对雷达信号的DOA估计 ,并给出了算法的适用条件。通过对阵元输出作时频分析 ,获取信号的瞬时频率特性 ,以此构造方向向量 ,并在时频脊点上构造空间时频分布矩阵 ,求得MUSIC空间谱 ,从而实现对DOA的估计。仿真结果显示 ,采用此处理方法 ,可以实现对DOA的正确估计     

锥导乘波机的构型设计与性能研究

以圆锥绕流流场为基础,运用锥导理论生成了不同的乘波机构型,并对乘波机进行了包括升力、粘性阻力、波阻、升阻比、乘波机长度、体积、容积效率等各主要性能指标在内的性能计算,初步确定出了锥导乘波机性能的变化规律及其决定性定型参数。计算结果表明:锥导乘波机构成方法简单且具有较高的升阻比和反设计性能,源流场圆锥半锥角、乘波机上表面型线曲率半径是影响锥导乘波机性能的决定性定型参数。     

圆草捆缠膜机的设计与研究

本文论述了圆草捆缠绕式青贮的原理,以及发展圆草捆缠膜机的必要性.并结合我国国情,对圆草捆缠膜机进行合理配置及优化设计.     

基于ILLE和SVM的卫星执行机构系统故障检测与定位

针对某超高指向精度要求的卫星平台,采用增量式局部线性嵌入(ILLE)与支持向量机(SVM)结合的方法,研究系统配置的多组磁伺服机构的故障检测与故障定位技术。在分析执行机构故障模式以及故障影响的基础上,采用LLE算法实时提取并更新与故障相关的卫星姿态控制系统高维信息,对其进行降维及特征提取,实现执行机构系统故障检测。当检测到故障时,提取执行机构系统输入输出信息,利用支持向量机(SVM)方法进行故障定位。该方法无需采集离线数据生成样本集,直接利用卫星姿控系统产生的在线故障特征数据集进行故障检测,并能根据故障检测结果,有效地实现卫星姿控系统执行机构的故障定位。算例仿真结果验证了所提方法的有效性。     

基于目标分解和SVM的极化SAR图像分类方法

极化SAR图像分类是新体制雷达应用研究中的一类基础前沿问题。文章提出了一种基于目标分解及支持矢量机(Support Vector Machine,SVM)的极化SAR图像分类方法。首先根据Cloude分解和Freeman分解两种方法提取极化SAR图像的多类散射特征,从而构造出图像各像素的特征向量。接着利用样本区域像素的特征向量对SVM进行训练,获得经训练的SVM。最后,以各待分类像素的特征向量为输入,利用经训练的SVM即可完成极化SAR图像的分类。对两幅AIRSAR实测极化SAR图像数据分类的结果表明,文章方法能够有效地利用多类散射特征的互补信息,具有较高的分类精度。