用数据融合来解决雷达目标识别问题

数据融合技术系70年代发展起来的一门新兴学科。现代战争中,随着雷达、红外、激光及光电等传感器的数量日趋增多,数据融合技术正日益得到广泛应用。介绍数据融合技术在雷达目标识别中的应用,并揭示出数据融合系解决雷达目标识别之捷径。     

数码识别芯片在摩托车数码点火器上的应用

飞利浦公司研制的LPC900系列单片机采用6倍速80C51内核，具有低成本、低功耗、低电磁干扰(EMI)、高抗干扰性及内建电源Brownout侦测、模拟功能、UART、12C和片内RC震荡器的新一代单片机。本文介绍LPC900系列单片机用于摩托车点火器数码识别功能的设计原理，使数码点火器轻松增加了防盗功能。     

高精度自动记录式流量计原理设计与应用

本文就自动记录式流量计的原理、结构、参数设置、元器件选择等，作了较为详尽的论述，其测量精度很高，是包括微机在内的其他测量手段所无法比拟的，而且结构简单，工艺性好，可靠耐用等，最后给出了实用的电子线路图。     

玫瑰线扫描双色信息处理方法研究

本课题研究地空导弹双色制导目标识别的新方法。双色制导是当今深受国内外重视的一种制导方式，玫瑰线扫描则是实现双色制导的主要扫描方式。     

战术弹道导弹防御用地基雷达的现状与未来

海湾战争中“爱国者”与“飞毛腿”的格斗，促进了战术弹道导弹防御技术的发展。美国为适应这一国际形势，很快调整了它的反导发展计划，将反战术弹道导弹放在优先于反战力弹道导弹的位置上加以发展。     

一种面向复杂体系作战的多源信息融合处理方法

研讨了面向复杂体系化作战的信息融合技术，提出了一种基于中心航迹关联的融合架构，设计了面 向多源异构数据的信息融合处理方法。经过多机飞行场景下的数据仿真测试，能够有效解决多源传感器多目标 环境下目标关联判断问题。     

基于热力学的涡扇发动机神经网络建模方法

由于无法掌握不同发动机的真实部件特性，传统热力学模型对在翼涡扇发动机的建模存在较大的建模误差；同时，热力学模型在特性图边界线附近迭代时，容易迭代到特性图之外，造成迭代过程的不收敛。针对上述问题，本论文提出基于热力学过程的涡扇发动机神经网络建模方法，在神经网络模型的训练过程中充分考虑对部件共同工作热力学约束的优化，提高发动机建模的准确性。通过构建部件级网络结构、部件共同工作损失函数及融合训练过程，将基于部件特性图的传统热力学模型迭代过程转化为部件级神经网络的多目标优化与训练过程，提高了模型的收敛性及建模准确性。模型在26 970条发动机实际飞行数据上进行了训练及测试，结果表明，在相当宽松的准稳态数据下，论文提出的建模方法最大误差可以达到7%左右，比基于部件特性图的热力学模型低5%左右。