人员密集场所玻璃材料装修消防安全隐患与防治措施探讨

吸取近年来人员密集场所重特大火灾事故及灭火救援伤亡案例教训,阐述了进一步完善此类场所消防安全防范措施的必要性和重要性.对人员密集场所目前装修工程中常使用的玻璃材料类型、功能及其安装工艺进行了说明.针对目前现行消防技术标准并结合工作实际,对玻璃材料装修在材料防火性能、安全疏散逃生、应急灭火救援和增加火灾负荷等方面存在的消防安全隐患进行了分析和探讨,并提出了切实可行的解决方案,为有关消防技术标准规范的修订提供了参考.     

环境激励下运输类飞机颤振试飞技术研究

介绍了两种类型运输类飞机基于自然飞行大气环境激励下的颤振试飞的测试技术、飞行技术、数据分析技术和部分试飞结果.试飞证明虽然利用此类激励获得的结构响应信号幅值较小,但是在多输入多输出系统振型分析基础上,实现了小幅值信号密集模态的准确识别.     

密集有源多假目标的压制干扰效果分析与仿真

多假目标干扰在现代电子战中应用日益广泛。随着工作状态参数的不同,多假目标干扰呈现出不同的干扰效果。在讨论密集多假目标产生方法的基础上,针对两种不同的恒虚警处理,详细分析了密集多假目标的干扰效果,得到一些有价值的结论:当密集程度较高时,多假目标干扰可以起到类似噪声的压制作用,最后进行了仿真验证。     

密集杂波背景下的水下多目标跟踪方法

水下多目标跟踪是水声信号处理领域研究的热点和难点问题。高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GM-PHD)滤波器以其高效的计算效率为解决水下多目标跟踪问题提供了保证。然而,GM-PHD滤波器在跟踪目标时需要先验已知新生目标的强度,否则其性能会出现严重退化。针对该问题,提出一种滑动窗两步初始化高斯混合概率假设密度(sliding window two step initialization GM-PHD, SWTSI-GMPHD)滤波器。将提出的滑动窗两步初始化方法嵌入GM-PHD滤波器,利用滑动窗两步初始化方法估计新生目标强度,减少杂波干扰导致跟踪结果中出现的虚假目标。仿真实验表明,在杂波密集环境下,相较于其他跟踪方法,提出方法将跟踪精度提高69.84%,52.62%和41.05%。     

密集信号环境下分选参差雷达脉冲的新方法

在密集信号环境下,雷达信号参差类型的判定以及参差雷达信号分选一直是雷达信号处理的一个难题.研究了在密集信号环境下PRI参差判定门限的设计方法,在此基础上,提出了PRI参差雷达脉冲分选的新方法.仿真试验表明,该方法是切实可行的.     

美国军方为网络中心战大力扩展带宽

美国国防部正在视图通过扩展信息干线的能力为网络中心通信打基础,这是因为所有的联合作战各方及各军种都依赖信息干线交换数据。美国所经历的每次战争中对带宽的要求都在发展。自2001年9月11日以来,由于阿富汗战争和对该地区的追踪,中央司令部对带宽的需求已增加了8倍。由于涉及到合作以及因特网风格的通信,网络中心作战可望比以前的作战方法对带宽提出更高的要求。网络中心信息将要求防务基础从其当前的广播信息系统转向更具因特网风格的环境,以使用户上网存取他们所需要的东西。90年代以前,美国使用“开关交换系统”操作,例如电话,这就要…     

由感知到动作决策一体化的类脑导航技术研究现状与未来发展

随着脑与神经科学以及人工智能技术的持续发展，昆虫和哺乳动物大脑导航机理启发下的感知/认知/路径规划/动作决策一体化类脑导航技术得到了较大发展，可以实现由原始感知信息输入到导航动作决策的直接输出，呈现出接近动物端到端面向目标导航的智能行为，具有提高密集型无人机集群导航鲁棒性、准确性、实时响应动作、自主智能性以及计算效率的潜力。阐述了昆虫和哺乳动物大脑导航机理及其互补对称关系，以及昆虫和哺乳动物大脑导航机理启发的端到端类脑导航技术内涵；论述了类脑导航技术研究进展，包括类脑环境感知、类脑空间认知、面向目标类脑导航；分析了类脑导航向智能化、神经形态系统以及群体导航发展的新趋势；最后讨论了类脑导航技术应用于无人机密集集群系统时存在的挑战。     

高精度旋转密集钻孔方法

采用预先计算和定点钻孔的方法,用普通分度头钻出位置度要求很高的旋转密集孔。     

噪声加密集假目标复合干扰效果分析

根据密集假目标和噪声干扰信号的特点,建立了噪声加密集假目标复合干扰的数学模型,基于雷达信号检测的方法分析了复合干扰对雷达的干扰效果,并在实际装备试验中加以验证,最后提出了噪声加密集假目标复合干扰在作战中的使用策略。     

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。