合成射流激励器增强同向燃气-氧气掺混数值模拟及机理研究

建立了将合成射流激励器腔体、出口喉道及外部受控流场作为单连域计算处理的全流场计算模型(X L模型)。基于此计算模型,对合成射流激励器增强同向燃气 氧气掺混的流场进行了数值仿真和机理研究。研究表明,应用合成射流激励器可以显著增强同向燃气/氧气的掺混,其主要控制机理是合成射流激励器对同向燃气/氧气流起到流动方向控制作用,使两侧两股氧气平行射流向内发生偏转,从而大大缩短了每股射流的核心区长度;同时,激励器工作改变和加强了射流出口附近的涡结构,通过涡结构的强对流作用极大地增强了燃气/氧气平行射流在出口附近的混合。     

基于粗糙集与证据理论的防空作战态势评估方法

针对防空作战战场态势评估问题,提出一种基于粗集与证据理论综合评判的评估方法,并建立战场态势评估指标体系.通过对联合防空作战过程这一是实例的分析,表明此方法对当前战场态势可给出有效的综合评价和理解,具有较高的可信性.     

chirp-scaling算法中运动补偿问题研究

由于避免了插值计算,在大前视角和大范围成像时,chirp-scaling算法(CSA)的性能优于距离-多普勒算法(RDA).自聚焦算法在SAR成像处理中通常是必不可少的,但是现有的自聚焦算法几乎都是与RDA相结合的.本文提出了能够将自聚焦算法与CSA相结合的方法,使得CSA更具有实用性.本文同时也提出了将基于运动传感器的运动补偿和基于雷达数据的自聚焦算法与CSA结合的方法.该方法非常适合于高分辨率机载SAR成像处理.      

机载三通道SAR/GMTI性能分析及改进方法

在分析经典的三通道SAR(Synthetic Aperture Radar)地面动目标指示(GMTI,Ground Moving Target Indication)方法原理的基础上,提出一种较全面三通道SAR/GMTI性能评价方法.该方法同时考虑了载机存在速度误差、通道不匹配、杂波内部运动和系统噪声等主要误差因素,并分析了各种因素对系统性能的影响.经典的三通道SAR/GMTI方法存在的缺点是不能同时提高最大不模糊可检测速度、最小可检测速度和盲速指标的性能以满足系统设计的要求.给出了一种新的天线布置方案和动目标检测方法,改进的检测方法在不增加通道数的前提下,较好地解决了该问题,具有很好的实用性.最后通过计算机仿真验证了新方法的可行性.     

SAR图像中动目标自聚焦检测的方法改进

构造了各聚焦图像块的对比图像块,对比图像块内的静止背景与聚焦图像块内的静止背景图像保持同步变化,它们的锐度始终相等,而对比图像块内的动目标与聚焦图像块内的动目标图像有很大差异,以聚焦图像块与对比图像块锐度比检测动目标,可排除静止背景锐度下降的影响,提高检测性能。实测数据表明该算法有效。     

SAR图像小波域多尺度模型

针对面向ATR应用的SAR图像压缩需要将图像压缩与图像自动分析相结合,本文研究小波域SAR图像MAR模型并应用于图像鉴别.与SAR复图像分辨单元相干平均形成多尺度图像序列建立多尺度模型不同,本文对SAR对数检测图像小波变换形成多尺度图像序列建立MAR模型.通过实例辨识了SAR图像中自然杂波(草地)与人造物(战略目标)模型,应用该模型推导了小波域多分辨率判别,对MSTAR图像鉴别实验验证了模型的有效性.其中db2小波域多分辨率判别鉴别性能好而计算复杂度低.小波域多分辨率判别可用在图像压缩有损量化前鉴别出人造物与自然杂波.     

ROPE算法在ISAR运动补偿中的应用

运动补偿是逆合成孔径雷达成像的关键。现已有许多相关算法。秩-相位估计(ROPE)是一种性能较好的相位误差估计器，正被广泛地应用于SAR图像处理。本将ROPE算法用于ISAR相位补偿，给出了具体实现的步骤，详细分析了ROPE算法在ISAR相位补偿中的性能。在ISAR数据基本符合ROPE算法模型时，ROPE算法可获得高质量的补偿效果，而且实现简单，速度快。中最后用ISAR外场实测数据比较了ROPE与其他相位补偿方法的成像结果。     

导弹目标ISAR成像的仿真

在逆合成孔径雷达（ISAR）成像基本原理及信号处理过程的基础上，根据导弹的飞行弹道、自转和进动模型建立导弹飞行模型，采用自相关快速运动和累积相关运动两种补偿方法，对导弹目标的ISAR二维成像进行了仿真研究。结果表明，导弹的自旋时成像结果及积累时间的影响较大，模型不同，积累时间也不同。     

空管系统中双机热备份管理的设计与实现

在空管关键系统中,一些双机热备份子系统由于系统检测容错软件本身存在出错的可能性,使得双机热备份系统的可靠性降低。本文介绍了空管系统中基于代理检测的应用级双机热备份系统的设计原理及其具体实现。     

地面目标多角度SAR数据集构建与目标识别方法

南京航空航天大学雷达探测与成像技术研究团队利用自主研制的无人机（Unmanned aerial vehick, UAV）机载高分辨率微小型合成孔径雷达（Mini synthetic aperture radar, MiniSAR）系统,针对多类具有代表性的地面目标进行全方位回波录取及成像处理,构建了拥有自主知识产权的复杂目标SAR数据集,并依托该数据集开展了基于人工智能的目标识别方法研究。针对无人机运动姿态不稳定、辅助传感器精度受限导致的图像散焦问题,本文提出了新型运动补偿及新型二维自聚焦算法。实验表明,虽然AlexNet、ResNet-18、AConvNet和VGG等经典神经网络在MSTAR十类目标分类问题中取得了接近100%的分类准确率,但将其应用于南航MiniSAR数据集时分类准确率均明显低于90%。由于本文采取的实验方法与SAR目标识别技术的实际应用场景较为接近,该MiniSAR数据集对于面向工程应用的SAR目标识别算法研究将会具有重要参考价值。