半虚拟现实座舱中基于最大后验概率框架的手姿态估计

手姿态估计是半虚拟现实(SVR)座舱环境中进行人机交互(HCI)的基础工作,为此提出一种基于最大后验概率(MAP)框架的手姿态估计方法.针对手部自遮挡问题,建立多视点手势特征树,通过树节点搜索实现手姿态参数的快速估计,并利用时序信息提高估计精度.在树节点搜索过程中,采用改进的局部敏感哈希(LSH)索引算法提高搜索效率....     

多操纵面飞翼构型飞机舵面故障在线诊断方法

舵面故障会影响飞机的操纵性,为实现飞机的控制重构需在线诊断出舵面的故障信息.针对多操纵面飞翼构型飞机,提出了一种在线诊断其舵面故障的方法.飞翼构型飞机舵面故障在线诊断需辨识的操纵导数个数较多,直接使用最小二乘法难以精确辨识得到各操纵导数.基于限定记忆最小二乘法,采用分组辨识法对飞机的操纵导数进行辨识,减少了每次辨识操纵...     

基于结构不确定性的非线性鲁棒制导律设计

根据多普勒雷达导引头和红外成像导引头多模制导导弹弹道中段制导信息精度的特点,以非线性鲁棒控制理论为依据,设计了一种制导律.仿真结果表明,该制导律对弹目相对距离测量干扰有较好的鲁棒性,对目标大机动也有鲁棒性.因此,这种制导律可以作为多普勒雷达导引头和红外成像导引头多模制导导弹弹道中段的制导律使用.     

法律适用中的语言学研究

法律适用的过程是将法律规则内含的旨意表达出来并使相关人接受、使相关事务得到合理解决的过程,最终使人与人之间的关系归于有序。而人与人之间的关系协调最终是需要通过语言使双方的意图被彼此接受,而法律只是其中的一部分。因此,从语言的角度讨论法律的适用,实质是研究如何使法律更好地得到实施的方法或途径之一。通过研究法律语言的现状从修辞学角度探究法律适用。     

基于飞行品质的飞机控制增稳系统参数估计

提出了一种控制增稳系统参数的设计方法,即利用低阶等效系统和飞行品质边界,通过搜索算法确定满足对应飞行品质的参数集合,再利用多种飞行品质确定的参数集合的交集和数据的插值算法,确定控制增稳系统的控制律参数。通过纵向增稳系统设计仿真表明,所提方法简化了传统设计方法通过性能指标反复选择参数和验证系统飞行品质的过程,为控制增稳系统的设计提供一种简单有效的方法。     

一种信道系数服从高斯分布的8PSK信号信噪比盲估计算法

信噪比（SNR,Signalto Noise Ratio）是衡量通信系统性能的重要指标。针对传统信噪比估计算法要求利用训练序列或一帧数据范周内信道系数恒定等问题,提出了一种8PSK信号在信道系数服从高斯分布的衰落信道下肯信噪比估计算法。该算法取接收信号实部或虚部数值运算构成中间观测量,理论分析8PSK信号经过衰落信道后...     

Capability for ozone high-precision retrieval on JEM/SMILES observation

We estimate the capability of ozone (O₃) retrieval with the Superconducting Submillimeter-Wave Limb-Emission Sounder (SMILES) instrument attached to the Exposed Facility of the Japanese Experiment Module (JEM) on the International Space Station (ISS). SMILES carries a 4-K mechanical refrigerator to cool superconducting devices in space. Since SMILES has high sensitivity thanks to the superconducting receiver, it is expected that SMILES has ability to retrieve O₃ profiles more precisely than the previous millimeter–submillimeter limb measurements from satellites.     

自适应神经模糊推理模型在复杂社会技术系统中的应用(英文)

考虑复杂社会技术系统的特点,运用自适应神经模糊推理模型对提高公益科研机构的组织效率进行了实例研究。建立了针对公益科研机构员工激励决策的自适应模糊推理完整模型,利用调研数据及其处理结果验证了模型的有效性。该模型融合了神经网络的学习机制和模糊系统的语言推理能力,弥补了神经网络和模糊逻辑系统各自的不足。研究结果表明,自适应神经模糊推理模型适用于复杂社会技术系统,在解决管理领域的预测、评估和决策问题中有广阔的应用前景。     

神经网络最优闭环制导律设计

对于复杂的非线性导弹制导系统 ,很难求得其解析的最优制导律 ,只能求得开环的数字解 ,不能适用于具有时变不确定性的导弹制导系统。利用神经网络的学习和推广能力 ,对开环的数字最优制导律进行离线的学习 ,作为闭环的神经最优制导律在线应用。研究分别选择系统状态变量和视线角速率等不同的神经网络输入对制导系统性能的影响 ,以及各种制导律的鲁棒性问题 ,并采用模块化神经网络结构提高神经网络的学习和推广能力 ,仿真结果得到一些有益的结论。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。