对不起，是我们没有做好

在本期《我要问专家》中．读者提了一个非常有趣的问题：在天文观测中，怎么区分不同距离的光线，又怎么测量天体的距离？     

贝叶斯推理运动轨迹相干累积的动目标检测方法

雷达理论和实践都表明相干累积是机动目标探测行之有效的方法,但其性能会因脉冲回波处理间隔内未知距离和/或多普勒的徒动而降低。为解决这个问题,提出了一种贝叶斯推理运动轨迹相干累积的动目标检测方法。首先,通过对脉冲压缩回波信号的距离频率进行翻转,就可从未翻转与翻转后的回波信号相乘的傅里叶逆变换中,提取出慢时间维描述待探测多目标运动轨迹的时频信号。视该时频信号中各目标运动轨迹为状态变量,获得的时频信号为观测,建立起多目标运动轨迹的状态空间模型。这样,据贝叶斯滤波推理出的目标运动轨迹,构建出快-慢时间维联合的二维匹配滤波器,就能补偿目标高速/机动带来的未知距离和/或多普勒徒动。理论分析和仿真实验均证明：所提算法适用具有复杂且未知运动状态的目标,且呈现出了优于文献报道方法的性能。     

临界反应距离法微细电化学高效加工大长径比微电极

提出了一种基于临界反应距离控制的微细电化学（μ-ECM）在线高效制备大长径比微电极方法,旨在解决大长径比微电极制备难题。采用强碱性电解液及微秒级电源,实现了钨电极的微米级精度可控去除。分析了微细电化学加工材料去除微观过程,仿真分析了两极距离变化条件下间隙电流密度变化,确定了基于临界反应距离精确控制材料去除的参数选择范围。建立了电极材料蚀除过程数学模型,得到了材料蚀除量的变化规律。进行了系统的工艺实验,研究了电压、脉宽、电解液浓度对微细电极材料去除率的影响规律。采用优化的工艺参数,得到了直径10μm、长径比大于200的微细电极,材料去除率最高可达2.7×10^-2 mm³/min,加工效率较目前主流方法提高一个数量级。     

非圆等距型面轮廓X-C轴联动高速磨削试验北大核心CSCD

针对非圆等距型面轮廓磨削加工存在表面质量差的问题,建立基于恒磨除率X-C轴联动磨削理论模型。选用陶瓷CBN砂轮进行三弧段非圆等距型面轮廓的高速磨削正交试验,探究砂轮线速度、工件速度和磨削深度对磨削比能、切向磨削力、磨削温度、表面粗糙度的影响规律。分析表明,砂轮线速度对切向磨削力、表面形貌的影响最大,磨削深度对磨削比能、磨削温度、表面粗糙度的影响最大。进行表面形貌观测未探测到明显的磨削烧伤区域,证明恒磨除率X-C轴联动磨削方式可用于非圆等距型面轮廓磨削加工。     

线性分组码限距离译码器的性能分析

为了提高自动重传请求(ARQ)系统的通过率,在混合ARQ系统中,使用限距离译码器改善系统的性能。在限距离译码时,线性分组码纠正重量t的错误图样。纯纠错译码器和纯检错译码器都是限距离译码器的特例。本文首先介绍了Krautchouk多项式的几个重要性质,然后,用线性分组码及其对偶码的重量分布,分别导出了两种形式的错误译码概率的简化计算公式。由于生成函数方法的使用,成功地得到了重复码、汉明码和扩展汉明码的错误译码概率的解析公式,最后,讨论了Golay码和某些本原BCH码错误译码概率的计算方法。     

太阳大气中湍动场对CaⅡK线的影响

本文运用黑子半影模型研究了中介湍动场对太阳大气中CaII K线的影响。结果表明,空间分辨率的提高以及湍动元长度的增加均可导致观测谱线轮廓的不对称。当湍动元长度小于40km时,中介湍动场可以用微观和宏观湍动的组合来模拟,对大气模型及谱线轮廓的计算基本无影响;但当湍动元长度大于40km时,这种简化的处理方法可能导致大气模型上层色球温度偏高。文中通过一个计算实例,说明了在太阳大气模型计算中,只用中介湍动也可能使谱线的理论轮廓同观测基本相符。      

关于低RCS目标外形优化中目标函数的确定

在分析了低RCS目标外形优化中现有的两种目标函数的局限性的基础上,根据雷达检测概率与目标RCS分布之间的关系,提出了一种新的目标函数,即目标在威胁区域内其RCS大于规定的临界RCS的概率。算例表明本文所提出的目标函数比现有的目标函数更为有效,适用范围更广。为低RCS目标外形优化设计以及气动与隐身一体化设计提供了一个合理而有效的目标函数。     

差分 GPS 鉴定地基雷达测量系统精度的方法研究

提出了利用差分ＧＰＳ分析地面雷测系统跟踪误差的思想,详细分析了各种误差源,建立了一组简洁的差分ＧＰＳ模型,构造了测量数据的比对分析算法以及具有良好抗野值能力的误差偏差最优统计算法,并利用模拟数据进行了仿真计算     

用TH神经网络方法外推数据的超分辨雷达成象

研究用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络（ＴＨＮＮ）求解ＡＲ模型参数作数据外推的超分辨雷达成象,并用微波暗室实测数据对ＴＨＮＮ方法和Ｂｕｒｇ方法作了验证,结果表明,两种方法均能在较低的信噪比条件下实现超分辨成象,且随着ＶＬＳＩ技术的发展,神经网络方法将是一种很有希望的超分辨成象方法。