GPS/INU/DM组合定位导航技术在ITS中的应用

 介绍了智能交通系统(ITS,Intelligent Transport Systems)的基本思想,阐述了GPS/INU/DM(Global Positioning System/Inertial Navigation Unit/Digital Map)组合定位导航技术在ITS中的应用,以及提高组合定位导航精度及可靠性的几种技术措施.该组合定位导航是将卫星定位技术、惯性导航定位技术以及计算机技术融合在一起的新型技术,具有全方位、全天候、防遮挡的功能.ITS中利用组合导航技术可实现道路交通管理"自动化"、车辆行驶"智能化",具有良好的实用价值,应用前景广泛.     

ATM中的ADS-SSR数据融合研究

二次监视雷达(SSR)和自动相关监视(ADS)系统已经广泛应用于空中交通管理(ATM)系统,特别是终端飞行区.本文分析了民航空中交通管理中的SSR和ADS系统的特点和缺陷,研究了基本类型ADS合同和扩展类型ADS合同对ADS跟踪精度的不同影响,提出了一个ADS-SSR航迹融合的模型,给出此模型的具体算法,并进行了数字仿真.数字仿真表明:该模型算法具有较高的跟踪精度.      

GRECO建模在VC++4.0中的实现机制

GRECO(Graphical Electromagnetic Computing)技术是目前分析高频区复杂目标雷达散射截面(RCS)最有效方法之一.对复杂目标而言,应用GRECO方法的一个重要工作就是对目标的几何造型进行准确地建模,才能获得令人满意的结果.文中结合C-R样条建模理论,阐述了在Windows NT环境下利用VC+ +4.0与OpenGL为GRECO方法进行建模的机制.以标准体与复杂目标为实例,给出了与实验结果符合良好的RCS曲线,具有工程实用价值.      

GRECO与行波求解低散射目标后向RCS

GRECO(Graphical Electromagnetic Computing)技术是目前分析高频区复杂目标雷达散射截面(RCS)最有效方法之一.对低散射截面目标而言,行波效应往往贡献显著,在行波效应较强的某些区域,行波值甚至超过面元与棱边贡献,本文通过GRECO与行波混合法求解低散射目标后向RCS.利用低散射支架为实例,给出与实验结果符合良好的RCS曲线,具有工程实用价值.      

基于RTI的PDM框架实现策略

近年来,随着分布交互仿真技术的不断发展,解决仿真系统互操作和重用的高层体系结构的提出,以及ＰＤＭ技术的广泛应用和面临的新的挑战,提出了基于ＲＴＩ的ＰＤＭ框架技术,采用ＲＴＩ作为框架的运行支撑系统,以及通过联邦的运行方式,支持企业的动态联盟。阐述了基于ＲＴＩ的ＰＤＭ框架的特点,并对其实现的策略和应用作了有意义的研究。     

RCS分析中多次反射的计算及程序实现技术

介绍目标RCS分析计算中多次散射的计算方法,计算多次散射时主要考虑面元-面元之间的相互作用,计算过程采用几何光学法(GO)、物理光学法(PO),在总后向RCS计算中还运用了等效电磁流法.同时,文中讨论计算多次散射的程序实现技术.最后,给出计算例子,考虑多次散射时总的后向RCS计算结果与前人发表的实验结果相吻合.      

目标的微波散射成像方法

提出了一种适用于隐匿武器探测、打击走私以及公共场合安检的微波成像探测方法.该方法要求雷达在一个二维平面上扫描,即合成一个平面孔径,通过对雷达接收回波数据的合成孔径处理可以提高雷达的成像分辨率以及对目标的探测能力.雷达可以工作在准单站模式下且只需以单色波照射目标,利用接收到的目标的散射回波的相位和幅度信息重构出目标的二维像.提出了一种适用于近场条件下二维图像的重构算法,并对算法做了详细推导,利用该算法对模拟和实测数据进行了处理.结果表明该算法具有良好的空间分辨率和辐射分辨率,以及在不进行三维成像的条件下可以实现距离向目标的探测.      

用于卫星姿态机动控制的一种自适应模糊控制器

卫星的姿态机动控制要求机动快速和较强鲁棒性.纯模糊控制器响应快、鲁棒性好,能够方便地应用人的智能,但是模糊规则库的构建需要预先获取足够的语言信息.从Lyapunov函数出发设计了一个稳定的直接型自适应模糊姿态机动控制系统,控制器能够在初始语言信息很少的条件下通过自适应律调整语言信息参数而得到合适的模糊规则,使控制器具有更强的适应能力.数学仿真比较了在完全没有语言信息和有一条语言信息的情况下控制系统的表现,表明仅有一条语言信息时控制系统性能就能够显示得十分出色.最后,仿真结果证实了自适应模糊控制器良好的鲁棒性.      

隐身目标电磁散射特性的图形电磁计算方法研究

计算了不同涂覆介质的反射系数,利用图形电磁计算方法计算了平板和圆柱的涂覆不同介质的雷达散射截面,并且为了增加图形电磁计算的通用性引入了归一化因子。结果表明,此计算方法是正确的。     

基于概念聚类的用户兴趣建模方法

Internet资源的指数级增长促进了个性化服务的发展.针对传统的用户兴趣建模方法在准确率和增量处理能力方面的不足,提出了一种新的基于概念聚类的用户兴趣建模方法UIM2C2(User Interest Modeling Method based on Conceptual Clustering).该方法首先通过分析用户访问的历史文档构造后缀树结构,然后选择不同的相似度阈值,以不同的粒度合并基本簇.依据不同阈值条件下合并的基本簇之间的包含关系,生成用户的兴趣层次.UIM2C2方法是针对文档的一个增量式、无监督的概念学习方法,因此用户描述文件可以轻易的获取和更新.最后,通过数据集20NewsGroup上的实验验证了UIM2C2方法在兴趣预测方面的有效性.