面向对象的航空工程试验数据资源管理

针对目前工程试验数据管理中存在的问题，提出了基于面向对象数据模型的航空工程试验数据资源管理系统的设计思想和实现方法，说明了测试数据模型的对象模式，详细描述数据库表的设计，并给出应用实例。     

测量透明位相物场的激光纹影-散斑干涉系统(英文)

本文给出了诊断相位场,如燃烧、对流、自由射流、超声速流场和等离子体等的一种激光纹影-散斑干涉系统。利用这套光学系统可在同一瞬时获得流场的散斑图和与之相应的剪切干涉图。作为实验,对一非定常波动的火焰(本生灯)进行了测试,实验表明用散斑照相术有可能得到密度波动的湍流场的定量结果;作为定量测试,对一沿竖直平板的自然对流,同时应用散斑照相和差纹影干涉术进行了定量分析,其结果的一致性很好。本文最后给出了散斑图的傅氏变换空间滤波的全场类似子纹影干涉图的流场显示照片。     

基于对象关系模型的C＋＋程序静态分析器

面向对象程序设计技术给软件的测试和维护来了新困难。针对这些困难，提出了用于描述程序中对象类之间三种依赖的对象关系图模型，并研究了这一模型在软件测试和维护中的两个具体应用及其相应算法，为了从特定的面向对象程度设计语言Ｃ＋＋编写的程序中提取ＯＲＤ较信息，构造了一个逆向工程工具－Ｃ＋＋程序静态分析器，并对其实现上的一些关键技术进行了介绍。     

分布对象计算中分布实时对象设计与实现

在以CORBA为基础的分布对象计算平台上,进行分布实时对象技术研究。采用设立对象引用请求及请求应答过滤器的方法,设计和实现了基于分布对象方法引用的实时任务调度机制,为满足分布交互仿真等应用的实时需求提供了良好的支持,也为扩展面向对象分布中件的实时功能提出了一种通用的解决方案。     

用极大似然法辨识轴对称飞行器的气动参数

采用极大似然法完成了轴对称飞行器的非线性气动参数辨识。根据飞行弹道的特性,采用考虑了横侧向运动耦合的纵向三自由度飞行动力学模型;为了反映气动参数随马赫数的变化,给出了一种考虑马赫数变化的气动参数数学模型,并采用了分段辨识的技巧;通过采用建模前估计法的辨识结果作为极大似然法的初值,保证了极大似然法的收敛,计算结果表明：这种算法对大攻角下的非线性气动参数能获得满意的辨识结果。     

基于ASM实现视频中物体的定位

对目标进行有效跟踪是目前许多国家获取信息的重要手段,主动形状模型(ASM)主要应用于灰度图像中物体的跟踪与定位,本文针对Koschan等提出的结合金字塔模型的ASM方法作进一步改进,使之应用于视频(本文视频采用MPEG数字视频压缩编码标准)中物体的定位:首先将视频解码还原成图像序列,从人眼视觉特征出发,将RGB颜色模型转换为HSV颜色模型,用色调信息取代灰度信息进行物体定位;并研究图像序列帧之间物体的重合度对提高定位效率的作用.实验结果说明在ASM中使用色调信息能有效地实现视频中的物体定位.     

具有几何和光照不变性的不变矩构建研究

为了解决现有的光照变化条件下仿射不变矩识别不稳健的问题,提出了一种归一化光照仿射不变矩,即采用一种光照模型,基于Jan Flusser仿射不变矩,推导出一种归一化光照仿射不变矩,并且从理论上证明了该方法在各种仿射变换下的稳健性,然后通过对比实验验证了该方法在光照强度、方向和颜色改变下的不变性.实验结果表明,与当前主流的光照不变矩方法相比,该方法不仅适合灰度图像也适合彩色图像,在光照方向改变下,图像的倾斜运动中识别度提高了35％;在线性光照强度改变下,图像的倾斜运动中识别度提高了85％;在光照颜色改变下,图像的平移和旋转运动中识别度提高了7.8％;以多种卫星模型图像为实验对象,在光照改变下,彩色图像和灰度图像的识别度平均提高了36％以上,且计算简单,更适合于航天器目标的识别.     

基于EJB的多层分布式系统模型的研究与应用

现今应用程序体系结构已发展到分布式计算模型,本文通过对分布式中间件EJB(EnterpriseJavaBeans)的体系结构和技术规范的研究和分析,深入探讨了EJB体系结构的相关概念以及基于EJB的多层分布式企业应用开发的工作原理,论述了EJB是构建企业分布式应用的一种服务器端开发模型,并以网上购物为例为构建企业多层应用提供了一种开发方法。     

空中交通仿真中的航空器对象设计与实现

介绍了面向对象技术在空中交通的计算机仿真中的应用,重点研究了航空器对象的属性和方法的设计与实现,并对面向对象技术在程序管制模拟、空中交通流量管理系统中的应用给出了评价。     

基于Canny边缘检测的Mean-Shift跟踪核窗宽确定方法

传统核窗宽固定的Mean—Shift跟踪算法不能很好地对做复杂运动、尺寸变化的目标进行有效地跟踪,变核窗宽是解决这一问题的途径。图像的边缘表征了目标的重要特征,可以通过提取目标的边缘来确定核窗宽并用于跟踪。基于Canny边缘检测算法确定跟踪窗宽加快了Mean—Shift跟踪算法的运算速度,仿真结果验证了该跟踪算法的有效性。