空间太阳能发电系统及其关键材料

考虑到未来世界能源的发展,文章综述了空间太阳能发电系统国内外研究和发展现状,包括空间太阳能发电系统的结构演化以及世界各国相关项目的实施和进展,重点讨论了空间太阳能发电系统相关材料技术的发展。针对目前我国在航天和新材料领域的基础,提出了我国发展空间太阳能发电系统的建议。     

基于神经网络的BTT导弹逆控制方案设计

对基于神经网络的倾斜转弯(BTT)导弹逆控制进行了研究。用径向基函数(RBF)神经网络结构和最近邻聚类算法,对导弹系统逆动力学系统进行动态模型辨识,以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统;用逆系统法设计了一种用于BTT导弹非线性控制的经典控制与神经网络在线自学习综合控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪。仿真结果表明:该方案可根据设计指标要求实现对BTT导弹的非线性控制,且有较强的鲁棒性。     

刚体姿态估计的类Rodrigues参数算法研究

针对Rodrigues参数描述刚体姿态运动时的缺陷,提出了一种类Rodrigues参数的姿态估计算法,从定义上避免了Rodrigues参数和修正Rodrigues参数在π-,-π,2π,-2π时的奇异。推导了类Rodrigues参数描述的姿态运动学微分方程,给出了坐标变换的类Rodrigues参数描述,讨论了类Rodr...     

基于SPWD多载波频率估计算法的改进

针对目前提出的多载波估计算法存在的速度与精度的问题,基于模糊控制理论,改进和完善了多载波信号载频估计算法.通过对多载波时隙ALOHA网络真实卫星信号的载频频点提取,验证了该改进算法的时效性.     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。     

圆阵相位干涉仪二维测向解模糊新方法

长短基线结合和模糊角度聚类是圆阵相位干涉仪测向中两种常用的解模糊方法。针对角度聚类解模糊方法存在的不足,在对模糊方向的方向矢量投影在阵列所在平面的分布规律进行分析的基础上,提出一种基于模糊方向矢量投影聚类的解模糊新方法。该方法不但有效地减小了聚类所需的计算复杂度,而且易于选择聚类门限。仿真实验表明,所提出的新方法具有很好的解模糊性能。     

时空轨迹多维特征融合的行为规律挖掘算法

在预警监视系统中，利用数据挖掘技术可以从海量的目标时空轨迹数据中挖掘出目标的行为规律，实现态势信息的智能感知。目前大部分行为规律挖掘方法仅考虑目标轨迹的空间位置信息，忽略了航向和速度信息，因此难以区分空间位置相似但运动速度和方向不同的行为。除此之外，轨迹聚类算法普遍存在参数设置复杂的问题，而且容易受到轨迹行为分布密度的影响。针对上述问题，首先，通过构造时间滑窗定义了时空Hausdorff距离，可度量时空轨迹多维特征差异；其次，结合k最近邻和密度峰值聚类中决策图的思想，提出了时空轨迹多维特征融合的行为规律挖掘算法；最后，使用仿真飞行器轨迹和实测雷达轨迹数据进行实验分析和验证，结果表明在典型应用场景下本文算法可以准确地挖掘出目标所有行为规律，在智能监视任务中具有较好的应用前景。     

大数据技术在应用型本科高校数字图书馆建设中的作用

针对应用型本科高校图书馆建设,讨论了运用大数据挖掘技术建设数字图书馆的一些关键问题。从科研动向、信息服务质量和馆员数字素质培养等方面加以探讨,并提出了相应解决方案。最后就如何运用数据挖掘技术建设高校数字图书馆进行了阐述,从读者记录、浏览内容、浏览行为和保持读者等方面,论证了大数据挖掘技术在数字图书馆建设中的重要作用。     

亚特兰蒂斯文明之谜

有关亚特兰蒂斯最早的文字记载,见于古希腊著名哲学家柏拉图(公元前427年—公元前347年)的《对话录》。亚特兰蒂斯的故事在后期的两节内,约写于公元前350年。一节称为"蒂迈乌斯篇",据说是公元前421年,苏格拉底和他的三个门生在雅典的谈话记录。在这篇记录中,柏拉图的表弟     

神秘的海中神石——菊石

在距今大约2亿年前的海洋中生活着一种叫做菊石的动物。这是一类什么样子的生物呢?好吧,现在就让我带你到中生代的海洋里去看看。鱼龙在海水中自由穿梭,凶猛的海洋长口鳄追赶着逃窜的鱼群,蛇颈龙则在近海海域寻找着食物——它们是当时海洋的统治阶级,因为它们有着庞大