利用MAK软件开发的战场环境仿真系统

战场环境仿真是作战仿真和训练模拟系统的重要组成部分,由于战场环境本身的复杂性,因此其仿真实现是一个难点。文章设计并实现了一个战场环境仿真分系统,该系统采用了HLA高层体系结构框架,充分利用MAK系列软件的功能进行二次开发,实现了对战场自然环境、电磁环境和多种计算机生成兵力（CGF）对象的实时仿真,较好地满足了某训练模拟系统的需要。     

基于HLS的红外遥感图像连通域快速提取方法

连通域提取是红外遥感图像目标检测算法中的重要组成部分,包含在粗检算法中,能够筛去多数虚警,提升粗检效果,减少检测算法的运算量,降低系统功耗.现有的一些连通域提取算法基于CPU处理方式设计,不适合部署在现场可编程逻辑门阵列(FPGA)硬件端.本文采用高层次综合(HLS)的开发模式,设计了适合FPGA加速的连通域提取方法,...     

基于跨层信道感知的SPMA 协议自适应阈值算法

基于统计优先级的多址接入协议（SPMA, Statistical Priority-based Multiple Access protocol）应用于机     

基于改进ORB的月面着陆视觉导航的配准方法

月球探测器在下降着陆过程中探测到的月面图像灰度均匀,缺少纹理信息,而视觉辅助导航采用传统ORB算法对灰度均匀的月面图像检测出的特征点数量较少,容易出现团簇现象,因此提出一种基于改进ORB算法的图像特征提取与匹配算法.首先对月面图像构建金字塔尺度空间模型,设置自适应阈值并构建掩膜逐一分块检测特征点;然后采用非极大值抑制使...     

节流水平对气液针栓喷注单元雾化特性的影响

为了分析气液针栓喷注单元雾化特性和雾化机制，采用背光成像技术和相位多普勒（PDA）系统进行试验研究，获得了雾化模式、体积流量分布、索泰尔平均直径（SMD）分布和速度场随节流水平的变化规律。结果表明：气液针栓喷注单元雾场形态为扇形雾场，雾化模式为剪切破碎。体积流量沿径向呈单峰形分布，随着节流水平降低，雾场外缘向中心收缩。SMD沿径向呈现递增规律，雾化最好的区域分布在雾场中心和两侧。SMD随节流水平增加而增大。当动量比不变时，节流水平对SMD的分布范围影响很小。针栓头部下方的中心回流区轴向尺寸随着节流水平降低而减小。     

小波阈值去噪法在MEMS陀螺信号处理中的应用

近年来MEMS陀螺发展迅速，应用广泛，但性能参差不齐。为改善MEMS陀螺的输出信号性能，综述了近年来小波阈值去噪法在该领域内的研究进展情况。重点从阈值函数的不同改进形式、阈值选取方式的不同以及分解层数三方面对比分析各小波阈值去噪法之间的优缺点。通过现阶段的去噪效果评判标准，结合MEMS陀螺信号的特点，对近年来小波阈值去噪的应用情况进行分析说明，总结小波阈值去噪法在不同使用条件下对MEMS陀螺信号处理上的优势与不足，为后续相关研究提供一定的参考价值。     

直升机高置信度中值使用飞行谱编制方法

依据直升机使用寿命分布规律,在高置信度条件下,提出了飞行谱编制的最小样本容量准则。在此基础上,采用科目统计和飞行状态分解技术,基于单机10年统计分析的方法,研究了直升机高置信度中值使用飞行谱编制原理,以此编制的使用飞行谱具有一定的置信区间,能够真实地反映直升机单机短期执行任务的分散性和整个机群长期服役的规律性,为研究直升机关键动部件的损伤与直升机定寿提供依据。     

小波与BP神经网络联合反演GNSS IR高精度水库水位变化

GNSS-IR技术作为一种近地表遥感的新兴手段，在水库水位监测方面凭借其成本低、精度高等优势成为了研究热点。为了提高GNSS-IR技术反演水库水位变化的精度，提出了利用GPS、BDS双系统观测量基于小波分解与BP神经网络联合的方法反演水库水位变化。选取位于南水北调山东境内双王城水库GNSS变形观测站2017年10月1日—12月26日共87天的信噪比(SNR）数据为研究对象，分别利用小波分解和二阶多项式拟合两种方法消除其趋势项并生成SNR残差序列，然后进行Lomb-Scargle谱分析得到水库水位高度变化值，并与实测水位结果相比较。结果表明：各频段SNR利用小波分解和二阶多项式反演水位变化的平均均方根误差分别为0.1062m和 0.2245m，说明小波分解去趋势项的方法更优。最后，在小波分解去趋势项的基础上，利用阈值筛选出融合所用的频段(S1C、S2L、S5Q和S7I），分别采用均值算法、中值算法、随机森林算法和BP神经网络算法对GPS、BDS多频多模信号进行水库水位的融合反演。结果表明，对于水面较为平静的环境，以上算法均能实现厘米级的反演精度，其中BP神经网络算法用于水位反演的效果更优。     

Transfer learning: A new aerodynamic force identification network based on adaptive EMD and soft thresholding in hypersonic wind tunnel

The aerodynamic test in the pulse combustion wind tunnel is very important for the design, evaluation and optimization of aerodynamic characteristics of the hypersonic aircraft. The test accuracy even affects the success or failure of hypersonic aircraft development. In the aerodynamic test of pulse combustion wind tunnel, the aerodynamic signal is disturbed by the inertial force signal, which seriously affects the test accuracy of aerodynamic force. Aiming at the above problems, this paper innovatively proposes an aerodynamic intelligent identification method, that is the transfer learning network based on adaptive Empirical Modal Decomposition (EMD) and Soft Thresholding (TLN-AE&ST). Compared with the existing aerodynamic intelligent identification model based on deep learning technology, this study introduces the transfer learning idea into the aerodynamic intelligent identification model for the first time. The TLN-AE&ST effectively alleviates the problem of scarcity of training samples for intelligent models due to the high cost of wind tunnel tests, and provides a new idea for further implementation of deep learning technology in the field of wind tunnel aerodynamic testing. And this study designed residual attention block with soft threshold and dense block with adaptive EMD in TLN-AE&ST model. Residual attention block with soft threshold module can more effectively suppress the influence of instrument noise signal on model training effect. Dense block with adaptive EMD makes the deep learning model no longer a black box to a certain extent, and has certain physical significance. Finally, a series of wind tunnel tests were carried out in the Φ = 2.4 m pulse combustion wind tunnel of China Aerodynamic Research and Development Center to verify the effectiveness of TLN-AE&ST.