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.     

基于隐条件随机场的声调建模及区分性模型权重训练

为提高声调识别率,利用隐条件随机场对汉语声调进行建模,通过加入音节内动态特征、音节间动态特征以及段长特征来进一步提高声词识别性能。提出了将声调模型加入大词汇量连续语音识别系统的区分性方法,根据最小音子错误准则区分性训练模型相关的概率权重,对声学模型及声调模型概率进行加权;给出了两种权重组合策略并通过一种平滑方法来克服权重训练过拟合的问题。实验结果表明,基于隐条件随机场声调模型能够显著提高声词识别率以及大词汇量语音识别的识别率,同时与全局模型权重方法比较,区分性的模型权重训练能够在声调模型加入连续语音识别系统之后,进一步提高系统的识别性能。     

QCS003液压实验台故障树分析

建立QCS003液压实验台工作缸液压系统的故障树,对系统进行故障树分析。实践证明,将故障树分析法应用于液压系统故障诊断中非常有效。     

求多边形最小包容矩形的遗传算法

建立了求任意多边形包容矩形的数学模型 ,将求最小包容矩形问题转化为函数优化问题 ,并用遗传算法求得函数的最优解     

天基逆合成孔径雷达脉内脉间运动补偿及高分辨成像

近年来,太空态势感知在军用和民用领域都得到了越来越多的关注。天基逆合成孔径雷达(SBISAR)能够实现对空间目标的高分辨成像,支撑部件提取、姿态估计、类型识别等后续任务,是太空态势感知的重要工具。然而,在SBISAR成像场景下,平台与空间机动目标间存在复杂的相对高速运动,传统距离-多普勒成像方法不再适用,必须进行运动补偿。本文针对高速径向速度下传统“停—走—停”模型失效、长相干积累时间内目标转速不一致的两个典型误差来源,分别设计了脉内运动及脉间运动补偿算法。首先,建立SBISAR成像的信号模型。然后,基于最小熵准则构建参数估计代价函数,通过估计目标对应回波信号的调频率,构造补偿项进而实现脉内补偿。同时,建立图像熵代价函数,在估计转动参数后,完成对目标转动的空变相位补偿。所提算法有效解决了天基高速机动背景下传统距离-多普勒成像方法的距离像展宽、方位散焦问题,实现了SBISAR对空间目标的高分辨成像。通过基于仿真数据的实验分析,验证了所提算法的有效性。     

系统可靠性设计

预计系统的可靠性，介绍综合累计法和失效率模型，给出三种可靠性分配方法，即等分配法，ＡＧＲＥＥ法、最小努力分配法。     

计算机辅助导弹部位安排系统研究

本文介绍了一种计算机辅助导弹部位安排系统。它利用计算机实体造型技术,实现了导弹部位安排。系统利用多面体求交法进行干涉检查;应用两多面体之间点、线、面的分层计算法计算部件间的最小间隙;采用改进的三棱锥分割法计算部件的质量特性。系统具有人机交互功能,并可在绘图机上绘制二维部位安排图。本文以某型导弹的仓段部位安排作为实例,对该系统的正确性作了验证。     

基于STEP和改进神经网络的STEP-NC制造特征识别方法

特征识别是实施STEP-NC重要的一步，也是实现开放式、智能化和网络化STEP-NC数控系统的关键。本文提出了一种基于STEP和改进神经网络的STEP-NC制造特征识别方法。该方法首先在对STEP AP203中性文件进行几何拓扑信息提取后，基于边的凹凸性判断构建了零件最小子图。然后，将混沌算法、遗传算法与BP神经网络算法有机相结合提出了改进的BP神经网络。最后，通过将获得的零件模型最小子图信息数据输入到改进的BP神经网络，实现了对STEP-NC制造特征高效精准地识别。通过实例验证了该方法的有效性和可行性。     

构建数学模型 优化贴装过程

贴装优化问题直接关系到表面贴装工艺的效率。本文以JUKI-2010/2020贴片机为试验平台,根据该机型结构及贴装过程,把贴装优化问题的描述为最小权重匹配问题(MWMP)以及非对称旅行商(TSP)问题,构建了一种新的优化模型:把时间优化转化为距离优化,并应用启发式算法进行软件编程。通过生产企业的6块PCB板的对比实验,证明了该数学模型和算法是合理的。     

OFDM系统的自适应低秩信道估计

为了降低正交频分复用OFDM(Orthogonal Frequency division Multiplexing)系统中最小均方误差MMSE(Minimum Mean Square Error)信道估计算法的复杂度,并且改善由于信道的统计特性与先验知识不匹配而导致的MMSE估计性能恶化,提出了一种自适应的低秩信道估计算法.该算法利用信道的时间平均相关取代统计相关,结合了基于特征值分解的低秩建模,从而近似地实现MMSE估计.借助于子空间跟踪,该算法可以自适应地估计信道相关矩阵的主特征空间及噪声方差,以迭代的方式逼近最优的MMSE估计,而且复杂度较低.进一步分析指出基于信道延时子空间跟踪的估计算法是该算法的一种特例,理论分析和仿真结果均表明这种新算法在低信噪比时可以显著改善信道估计的准确性.