整周模糊度动态快速求解

初始整周模糊度的求解是利用GPS载波相位进行测量时的关键问题，本文提出了一种初始整周模糊度在航快速解算方法，该方法由低阶Kalman滤波器和基线约束条件来实现，利用Kalman滤波器动态递推的特性可以实现模糊度的动态解算，由基线约束条件可以有效地剔除不合理模糊度组合，文中对所提出的算法进行了理论推导，并进行了计算机仿真和实测数据分析，仿真和实验结果表明，该算法计算量小，快速准确，适合整周模糊度的快速动态求解。     

谱载下基于模糊Miner法则的疲劳寿命估算

在载荷谱中,当疲劳应力稍低于疲劳极限时,对构件是否造成损伤呈现出某种"模糊"过渡状态.运用模糊数学的隶属函数,建立了考虑"模糊"损伤状态的Miner法则.按照常规Miner法则和模糊Miner法则,分别给出了程序块谱作用下疲劳寿命的估算公式.实例估算与试验结果的对比表明:采用模糊Miner法则,可使疲劳寿命的估算误差减少18.33%.     

模糊控制在导弹瞬态气动热流试验中的研究

导弹与高速飞行器气动模拟试验瞬态热控过程的特点是变化复杂、瞬变、高度非线性、强耦合,很难或者根本无法建立控制的数学模型.模糊控制具有鲁棒性好,对参数变化的适应性强,过渡过程时间短等常规控制方法所不能比拟的优点.将模糊控制方法应用于导弹瞬态气动加热模拟控制系统,使该系统能够按照导弹高速飞行过程中弹体表面热流的瞬态连续变化对气动模拟加热过程实施快速的动态控制.     

空中交通管理系统安全绩效评估模型研究

客观准确的安全绩效评估,可以反映出空中交通管制系统运行的安全状况,并识别出安全管理存在的薄弱环节.从管制员、空中交通管制设备、环境、管理四方面找出影响系统安全运行的过程性指标,将过程性指标与结果性指标相结合构建空中交通管制系统安全绩效评估指标体系;在模糊物元分析法的基础上,对隶属度函数的确定方法进行改进,建立基于改进的模糊物元分析法的空中交通管制系统安全绩效评估模型;利用该模型对某空中交通管制单位的安全绩效进行评估,评估结果能够反映出该单位的安全状况,并指出应当改进的环节.结果表明:本模型可以对空中交通管制系统的安全绩效作出综合评判,并可以对空中交通管制系统的安全性进行量化描述.     

基于分数阶模糊函数延时对消的海面运动弱目标检测

研究了分数阶模糊函数的时移特性,根据此特性提出了基于分数阶模糊函数延时对消的海面运动弱目标检测方法.通过对IPIX实测数据验证表明,该方法在增加目标与杂波FRFT峰值差、提高信杂比以及检测概率等方面都明显优于仅对回波作分数阶模糊函数.设置适当的恒虚警检测门限,该检测方法能够达到更好的检测效果.     

自适应技术在电子对抗中的应用

通过分析自适应技术在电子对抗应用中的需求与优势,提出了两种用于电子侦察的模糊聚类数据处理方法.同时梳理了自适应干扰的特点与工作流程,将模糊推理技术用于干扰效果评判.最后针对复杂电子干扰环境,分析了武器系统自适应抗干扰的原理与构成,提出将智能干扰决策系统用于抗干扰决策,以实现最优的抗干扰效果.     

文学话语的蕴藉及审美效果

为了弥补在文学语言中的不足,形成了以象寓意的话语蕴藉现象。本文运用了列举、分析等方式诠释话语蕴藉与文学词语、文学修辞、标点符号及文章结构之间的联系,揭示出文学话语蕴藉带给读者的丰富想象和再创造的审美空间。     

时差定位中的高重频信号脉冲配对方法研究

在时差无源定位中,高重频信号带来的脉冲配对模糊问题是研究的热点.采用时差与测向结合的方法,根据雷达布站的特点,对空域进行合理划分,减少虚假配对,并利用测向信息研究出现配对模糊的情况,列出方程式求出正确配对脉冲的时差,最后通过仿真验证了本方法的适用性.     

雷达信号的模糊聚类分选方法

随着现代电子战的激烈对抗,复杂体制雷达迅速增加并逐渐占居主导地位,侦察接收机接收到的雷达信号更加复杂和密集.为克服传统信号分选算法的局限性,采用基于模糊聚类分析的雷达脉冲信号分选方法,此方法能利用雷达信号的特征参数有效地分选出非常规和常规雷达信号.首先介绍模糊聚类的基本原理,并进行信号分选仿真实验.仿真结果证明分选结果较理想,验证了此方法的有效性和可行性.该方法易编程实现,适用于处理大量数据,是一种解决密集复杂脉冲信号分选问题的新途径.     

模糊的类内矩阵模式主分量分析及在人脸识别中的应用

矩阵模式主分量分析（MatPCA）作为有效的特征提取方法能同时处理矩阵表式的模式和向量表式的模式。但与主分量分析（PCA）方法一样,MatPCA没有使用样本的类别信息,因此所提取的特征不能提供足够的判别信息,进而影响随后的分类性能。为有效利用样本的类别信息,在MatPCA基础上提出了一种新的特征提取方法——模糊的类内MatPCA（F—WMatPCA）。F—WMatPCA利用模糊K最近邻（FKNN）求解训练样本的模糊隶属度并在模糊的类内执行MatPCA。由于F—WMatPCA使用更多的类别信息,因此能有效地提高识别精度。对0RL,Yale人脸数据集和几个UCI数据集做了实验,结果证实了该方法的有效性。另外,讨论了F—WMatPCA在人脸识别上的应用,并与F—Fisherfaces作了比较,结果表明F—WMatPCA具有比F—Fisherfaces更稳定、更鲁棒的识别性能。