基于自适应谱估计的跳频捕获技术

提出了一种基于谱估计的跳频(FH, Frequency Hopping)信号的捕获方法,建立了自回归自适应谱估计模型和算法,通过计算信号频谱估计了跳频信号的瞬时频率.当频率估计存在偏差时,为了避免错误判决,实现稳健捕获,给出了一种新的捕获逻辑.在高斯白噪声( AWGN, Additive-White Gaussian Noise)环境和瑞利(Rayleigh)衰落环境下,对不同天线阵元数目情况下的捕获性能包括平均捕获时间和误码率进行了数值仿真.仿真结果表明:谱估计算法能快速准确地估计出信号频率,实现跳频信号的快速捕获.      

细节信息容量与MTF相关分析

文章从信息容量的角度出发,对图像宏观质量做出评价,再通过研究图像的细节信息容量参数,对在宏观上质量相当的图像做出更进一步的评价,挑选出边缘清晰、纹理等细节信息丰富的图像。然后将该评价参数与Ealing仪测得的调制传递函数(MTF)值的变化趋势作曲线回归分析,实验结果表明,细节信息容量与数字成像系统的MTF值的变化有着很好的正相关关系,这对评价数字成像系统MTF变化情况具有较好的实际应用价值。     

三维多段机翼复杂流场的计算和分析

采用中心差分的有限体积方法和分区技术求解了N-S(Navier-Stokes)方程,在分区求解技术中采用了满足通量守恒的内边界耦合条件.分析讨论了三维襟翼的绕流流场,对"剪刀差"处的三维分离进行了探讨,初步揭示了绕流的主要特征及对附近物面压强的影响.同时,分析了三维襟翼前缘的分离流动.      

多传感器斜置系统故障检测的奇偶向量补偿方法

提出采用神经网络对多传感器斜置组件的奇偶向量进行补偿,从而消除安装误差、刻度系数误差以及常值偏差对奇偶向量的影响,提高系统对小幅值故障检测与隔离的准确性.基于神经网络的方法与卡尔曼滤波、偏差分离估计方法相比,不需要各项误差的动态模型和噪声统计特性.神经网络采用有一定时间延迟的样本进行在线学习时,利用补偿后的奇偶向量能够检测出有一定斜率的斜坡型故障.      

刀具磨损的偏最小二乘回归分析与建模

简述了偏最小二乘回归方法;对在不同切削条件下车削加工过程刀具后刀面磨损的多组实验数据,采用偏最小二乘回归方法,根据变量重要性指标分析和因子载荷分析,从8个变量及其组合中筛选出了6个用于建模的自变量,并以后刀具磨损量作为因变量,建立了对所选自变量(切削速度V、切削分力的均值F_x、F_y和F_z、分力比值F_y/F_x和F_z/F_x等)的偏最小二乘回归模型;采用建模数据覆盖的切削条件下的实验数据和建模数据未覆盖的切削条件下的实验数据,分别对模型进行了验证.结果表明,采用偏最小二乘回归方法选择的自变量是合理的,所建立的刀具磨损的回归模型可以较满意地计算出不同切削条件下刀具后刀面的磨损量.     

偏置抛物面卫星天线反射器固化变形分析

偏置抛物面卫星天线反射器由碳纤维预浸料铺制而成,在固化过程中通常会出现热变形、固化收缩变形及机械变形等,且过大的变形会导致反射器反射信号产生偏差。为了有效预测天线反射器在热压罐固化过程中的变形,本文采用线性黏弹性本构模型表征纤维增强复合材料在固化过程中的应力-应变关系。采用顺序热-力耦合分析法,对天线反射器内部温度场、固化度场及位移场的分布进行建模,并对铺层结构及降温速率对天线反射器变形的影响开展研究。结果表明：相较于纯0°铺层结构,正交和准各向同性铺层天线反射器z向变形量减小了51%以上,且降低降温速率有助于提高天线反射器的固化型面变形。     

基于主动度量学习的空中交通相似场景识别

空中交通的快速增长不断增加了管制员的工作负荷,这已成为制约部门运行的重要因素.如果能够识别出相似的交通场景,就可以利用历史决策经验帮助管制员快速决策控制策略.考虑到交通场景众多且难以标记所有样本,本文提出了一种主动支持向量机度量学习算法(Active SVM metric learning algorithm,ASVM...     

吸气式高超声速机体/推进一体化飞行器数值和试验研究

发展吸气式高超声速技术是实现可持续高超声速飞行(尤其是在大气层以内)的重要途径.吸气式高超声速飞行器为了获得良好的气动-推进性能,必须采用机体/推进一体化设计.笔者发展了针对一体化飞行器的气动力和推进力的划分体系和计算方法,发展了内外流数值计算软件.研究了机体/推进一体化设计的平头形高超声速飞行器在进气道关闭条件下的气动性能,并进行了试验验证;数值研究了进气道打开和发动机工作条件下一体化飞行器的气动-推进性能;研究了机体和推进系统的不同部件对飞行器气动-推进性能的贡献.     

财务困境预测：二元Logistic回归分析与GABP算法比较

为了更好的判断和预测公司财务状况的健康程度,选取2018年至2021年114家首次被特别处理(Special Treatment, ST)的公司和189家非ST公司的85项指标,分别采用二元Logistic回归分析和GABP算法对公司的财务状况进行预测和分析。结果显示GABP算法对于财务困境的预测在预测准确率、适应性和可解释性方面均强于二元Logistic回归分析,说明机器学习在处理大量财务数据以及复杂的线性拟合问题方面具有较大的优势。将GABP输出的结果通过K-means算法进行聚类分析,纵向分析可以看出公司的发展趋势,横向分析可以得出公司财务状况在当前市场的地位,为下一步战略的规划和实施提供帮助。研究结果可为公司判断和预测财务状况选择合适方案提供依据。     

集值广义强向量拟均衡问题系统解的通有稳定性

在实局部凸Hausdor f f拓扑线性空间的框架下,本文将单值映射推广到集值映射、问题解推广至系统解.得到了当约束集值映射连续,目标映射满足锥?真拟凸的条件时,集值广义强向量拟均衡(SVGSVQEP)系统解是通有稳定的.