基于参数可调随机共振的微弱单方波脉冲检测方法

利用langevin方程构成的双稳态随机共振系统，本文提出了一种非线性检测器。利用Fokker-Planck方程的稳态概率密度函数，推导了该非线性检测器的检测概率、虚警概率和偏移系数，分析单方波脉冲在该检测器下的性能。实验结果表明，在低信噪比（-10dB）的情况下，随机共振检测器优于匹配滤波检测方法。     

基于特征编码的飞机结构件工艺设计

为解决飞机结构件数控加工工艺决策效率低及自动化程度不高的问题,提出基于特征编码的飞机结构件工艺设计方法。首先,该方法借鉴成组技术,将飞机结构件加工元分类编码,形成特征编码表后,把通过特征识别得到的加工特征分解为加工元,与特征编码表匹配并排序得到加工方案。最后,在CATIA V5平台上开发了基于特征编码的飞机结构件工艺设计模块。     

Turbo码块同步参数优化设计

在信道码码块同步技术研究的基础上,针对CCSDS(空间数据系统咨询委员会)建议规定的Turbo码,为不同码块长度、不同编码效率的Turbo码设计一组最佳同步参数,以最优化平均入锁时间和数据有效率。利用理论推导出的解析公式,计算不同参数下的平均入锁时间和数据有效率,从而优选出最佳同步参数,并归纳总结最佳同步参数的特点。本文得到的同步参数可为实际工程提供参考。     

基于优化加权高分辨距离像的雷达目标识别(英文)

对雷达目标高分辨距离像进行特征加权可以解决高分辨距离像各距离单元因目标姿态变化而导致的稳定性不一致问题。针对已有加权系数求解方法存在的不足,提出一种加权系数优化方法。该方法通过定义目标函数来度量不同雷达目标之间加权高分辨距离像的可分性,并采用梯度下降算法优化加权系数值,从而达到增强高分辨距离像稳定距离单元作用,减小不稳定距离单元影响的目的。基于5种飞机目标模型高分辨距离像的仿真实验表明,该方法可以有效优化加权系数,并提高雷达目标识别率。     

Kevlar层合板超高速撞击数值建模及参数识别

针对Kevlar层合板在超高速撞击条件下的力学特性的复杂性及参数不准确对数值仿真的不利影响,提出一种使用正交各向异性本构模型,Chang-Chang复合材料失效模型和有限元方法对Kevlar层合板的超高速撞击力学特性进行建模并运用连续响应面技术对材料失效模型参数进行识别的方法.然后使用该方法建立了与现有文献中的试验工况相对应的数值模型,并把Kevlar层合板材料失效模型的4个参数作为优化变量,以仿真结果与试验结果的二乘残差最小作为优化目标,使用连续响应面技术建立参数优化模型,由此识别这些参数.结果表明,该建模方法能正确描述Kevlar层合板的超高速撞击力学特性,采用识别后的参数进行仿真计算可以显著提高数值模型的仿真精度.     

润滑油金属磨粒的分类参数研究

 针对润滑系统中普遍存在的 8类金属磨粒,通过引入数字图像描述方法和处理技术,分别对磨粒的尺寸、形态、表面纹理以及颜色等参数进行了详细的研究,获取了各类磨粒识别的最佳参数,并提出了磨粒的分层识别策略,最后运用模糊 C-均值聚类方法实现了 8类磨粒的有效聚类。算例表明了本文方法的有效性。     

复杂背景下远距离合作信标识别与定位

传统的飞行器合作信标测控中,以常规光源作为信标,不具备复杂环境的适应能力,尤其存在主动干扰源的情况,如何准确识信标是电视跟踪与测控领域的重点研究内容。本文对信标设计与识别定位方法进行研究,采用激光光源作为合作信标,设计可调制驱动电路,将信息编码调制技术应用在调制光源中,实现了可调制合作信标;并设计了调制与成像解调耦合的处理算法,可有效区分干扰目标与真实目标。试验结果表明,本文设计的可调制信标满足需求,调制与解调处理算法可实现合作信标的精确识别与定位,具备抗干扰能力。     

基于运动参数估计的中轨道星载SAR舰船成像算法研究

中轨合成孔径雷达具有非匀直运动轨迹的特点,对非合作运动舰船目标成像时,相对运动复杂,成像困难.提出一种适用于中轨SAR海上运动舰船目标的高分辨成像算法,首先分析中轨SAR的特性,推导中轨SAR精确的斜距模型,分析由运动舰船引起的回波相位误差,结合斜距模型和多普勒参数估计推导舰船运动参数,进而修正斜距模型,根据修正后的斜...     

现代飞机前缘缝翼作动装置——齿轮-齿条的设计技巧

前缘缝翼在飞机起飞、降落中起到提高飞机升力、改善飞行性能的重要作用。新型的缝翼作动装置—齿轮-齿条,由于构思巧妙、占用空间小、重量轻而备受重用。在小齿轮与大圆弧齿条设计中,诸多参数的确定、关键细则的设计、全机多作动装置的协调、故障载荷的计算与深入分析,构成了其设计的重点和难点。采用此方法研制的齿轮-齿条装置已成功应用在飞机中。     

基于弹性网稀疏编码的空间目标识别

 传统的特征袋(BoF)模型在目标识别过程中假设每个局部特征点只关联特征词典中一个视觉单词。此外,l₁范数约束下的稀疏编码对于具有较强成对相关性的特征通常只选择一个特征,而不关注哪一个特征被选择。本文提出一种基于弹性网稀疏编码的特征袋模型。该模型利用尺度不变特征变换(SIFT)特征描述子构建特征字典,再通过弹性网回归模型求解每个描述子所对应的稀疏系数向量,最后将目标图像内的稀疏系数向量合并用于分类。与传统的特征袋模型和基于l₁范数稀疏编码的特征袋模型相比,该模型有较好的识别性能,并对视角变化具有较强的鲁棒性。在空间目标图像数据库上的实验验证了该模型的有效性。