空间非合作目标的相对导航粒子滤波算法

针对激光交会雷达作为在空间交会对接过程中的相对导航敏感器,研究了未来特殊背景下,非合作目标航天器对雷达信号发射干扰的情况下的相对导航滤波算法.针对高维模型计算量大的特点对传统粒子滤波算法进行了改进,并与扩展卡尔曼滤波器进行了仿真比较,仿真结果表明改进后的粒子滤波器的滤波效果远远优于扩展卡尔曼滤波器,且计算量优于传统粒子滤波.     

Pro／Engineer中的圆角特征处理

本文从设计原理的角度结合作者的使用经验，分析了Pro／E中圆角特征的作用、构造方法及注意事项，以利于该特征在众多菜单中理清思路并正确构造圆角特征。     

基于传感器几何特性和图像特征的影像配准方法

“天绘一号”卫星是我国第一代传输型立体测绘卫星,搭载有三线阵CCD相机、多光谱相机和2m分辨率全色相机。多光谱相机波段间影像的配准是保证多光谱影像质量和有效应用的前提,在现有配准方法的基础上,文章提出了基于传感器几何特性和图像特征的配准方法来改善影像配准效果。这种方法首先基于相机几何特性对待配准图像进行调整,然后对图像进行局部多点取图,采用尺度不变特征变换（Scale Invariant Feature Transform,SIFT）法提取图像特征并进行初步匹配,利用匹配点领域灰度相关性来进行精匹配和误匹配点的剔除,最后获得图像位移差,进而完成图像配准。实验结果表明,这种方法能够提高多光谱波段间影像的配准成功率,准确率达到95％以上,大幅改善了匹配精度。     

分数傅立叶变换用于抑制SAR杂波背景检测慢速动目标

慢速运动目标在时、空、频域上都落入主杂波区。利用单通道SAR图像中静止背景的信息抑制静止杂波,可改善检测动目标的性能。分数傅立叶变换是线性变换,不存在交叉项,采用分数傅立叶变换搜索匹配动目标信号,使其能量汇聚。对称计算旋转角正负对称的分数傅立叶变换,在两个对称的分数傅立叶域中得到两个复信号,这两个复信号中静止背景的模处处相同,而包含动目标的区域,模的幅度有很大差别,计算对称的分数傅立叶域信号对应位置模的差,取绝对值,可对消静止背景,敏锐地检测动目标。实测数据表明本算法有效。     

一种二维耦合模型机动目标跟踪算法

针对雷达跟踪固定翼飞机的单目标跟踪问题,提出了一种新的二维耦合运动模型。该方法把切向加速度和法向加速度作为状态变量,给出了切向加速度和法向加速度为常值时解析计算状态转移的方法。该模型可以较好地一步预测目标加速度的变化,而且法向和切向加速度的过程噪声可以分别设置。利用该耦合模型的滤波方法,显著地改善了滤波效果,尤其是对加速度的估计。     

判断力权值的确定方法及AHP中群组判断矩阵的形成

在ＡＨＰ模型中,请一组专家对某一属性进行评价,根据专家的判断能力,给出判断力权值,再通过适当的数学处理方法,可得最优判断矩阵,这是ＡＨＰ中构造判断矩阵的一种新方法。     

脚尖数据的研究及其分析

大部分步态研究者将注意力投入到臀部和膝盖关节的角度变化所形成的步态特征,脚的步态特征关注还较少。针对这个问题深入研究了脚的一些特征,提取了脚尖数据进行分析,并对脚尖的坐标进行变换得到时域、频域及其他信息,在中科院数据库NLPR上进行试验和研究,表明脚尖的数据可以较好的区分男女性,甚至是不同的个体。脚尖数据的表示包含了较多的属性信息,有利于步态识别的进一步研究。     

滑翔式空中靶标总体设计与弹道仿真

空中靶标作为一种消耗性的无人飞行器,在防空反导武器系统试验训练中具有不可或缺的重要作用,须统筹考虑其逼真性和经济性。为此,提出了滑翔式空中靶标系统发展思路与工作原理,设计了滑翔式空靶总体方案,并利用Datcom和Matlab对其滑翔供靶弹道进行了仿真分析。仿真计算表明,弹道性能满足亚音速俯冲类目标模拟供靶要求,系统具有高性能、低成本、使用安全等显著特点。     

民航英语特点及翻译策略浅谈

民航英语是专门用途英语的一个分支,民航英语翻译属于应用翻译范畴,应坚持目的性原则。本文从词汇、句法及文体三个层面,分析了民航翻译工作的特点和难点,并结合翻译实践,探讨了翻译方法和翻译策略。     

FAST FEATURE RANKING AND ITS APPLICATION TO FACE RECOGNITION

A fast feature ranking algorithm for classification in the presence of high dimensionahty and small sample size is proposed. The basic idea is that the important features force the data points of the same class to maintain their intrinsic neighbor relations, whereas neighboring points of different classes are no longer to stick to one an- other. Applying this assumption, an optimization problem weighting each feature is derived. The algorithm does not involve the dense matrix eigen-decomposition which can be computationally expensive in time. Extensive exper- iments are conducted to validate the significance of selected features using the Yale, Extended YaleB and PIE data- sets. The thorough evaluation shows that, using one-nearest neighbor classifier, the recognition rates using 100-- 500 leading features selected by the algorithm distinctively outperform those with features selected by the baseline feature selection algorithms, while using support vector machine features selected by the algorithm show less prominent improvement. Moreover, the experiments demonstrate that the proposed algorithm is particularly effi- cient for multi-class face recognition problem.