基于改进的卷积神经网络的步态识别

为了提高惯性传感器采集到的序列数据中步态识别的准确率,建立了一个激励层改进的卷积神经网络(CNN)模型。针对三轴加速度传感器对运动太过敏感导致步态周期划分不准确的问题,采用加速度传感器与弯曲度传感器组合获取人体运动信息。将CNN模型中激励层的线性整流函数(ReLU)改进为带泄露线性整流函数(Leaky ReLU),以解决遇到卷积输出数据小于0时神经元被抑制的问题,进而达到提高步态识别准确率的目的。实验结果表明激励层优化的CNN模型在行走、上下楼和上下坡五种步态模式下识别率达到了95.79%,与未采用弯曲度传感器的改进CNN模型和未进行激励层改进的CNN模型相比,步态识别率有所提高。     

空军武器装备系统作战效能评估方法探讨

空军武器装备系统,一般认为由飞机装备,雷达装备和防空武器装备三大部分组成,对于单一武器装备的作战效能的分析方法,已有很多相关理论,对于上述三个部分构成的武器装备（总）系统的作战效能的评估方法,采用什么样的数字模型,进行哪些方面的判断决策,如何根据蓝方现有（或假想）武器装备对应求解红方现有（或假想）武器装备的最优配置方案等等,是本文所要讨论的问题。     

载人航天器的发射窗口及太阳能帆板的最佳受晒

首先根据载人航天器轨道运行段的基本特征,利用球面三角公式推导了：①阳光方向与载人航天器太阳能帆板法向的最佳夹角公式;②圆轨道的受晒因子公式。然后根据理论分析,引入帆板的效率系数。最后借助于计算机代数ｍａｔｈｅｍａｔｉｃａ系统,建立了一种分析帆板最佳受晒的直观、清晰、简便的方法。所得的结论为确定载人航天器的发射窗口提供了依据。     

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。     

超分辨成象信号处理的硬件实现

简要介绍线性预测数据外推的超分辨距离－多普勒成象方法,并以一片高速数字信号处理（ＤＳＰ）芯片—ＴＭＳ３２０Ｃ２５为核心设计了一个专用信号处理器,能完成数据外推、加窗和１２８复数点ＦＦＴ,实现超分辨二维成象。文中给出了对Ｂ－５２模型飞机微波暗室转台实测数据的成象结果,并作了比较。     

实数域中的投影法及其在单次快摄阵处理中的应用

阵列处理中计算简单的投影法避免了矩阵特征分解(ＥＶＤ)的庞大计算量,然而仍需进行复数计算。为了进一步减小计算量,提出一种实数域中的投影法,它将投影矩阵及空间谱的计算均简化为实数的计算,从而。使阵处理的计算量大大减少,而且使估计性能保持不变。计算机模拟与实际外场实验数据的计算结果表明了算法的有效性。     

材料非线性对复合材料层板损伤的影响

根据Hahn-Tsai非线性应力应变关系,用有限元方法对受拉伸载荷作用的含孔复合材料层板损伤演变进行了模拟计算,由非线性有限元方法得到的应力、应变以及最终载荷与以往线性分析方法得到的结果比较表明:考虑材料非线性可以提高计算精度;参数研究表明非线性系数的变化对正交各向异性板的影响较大,而对准各向同性板的影响较少.     

线性时不变系统的完全跟踪控制器

从线性时不变系统的状态空间模型出发,借助于广义逆矩阵概念和相容线性方程组的最小范数解,从理论上推导了线性时不变系统的完全跟踪控制器方案。     

月面巡视器太阳能帆板功率衰减特性研究

太阳能帆板的功率衰减特性分析,对地外天体表面探测器的功率平衡、电源系统健康管理以及长寿命在轨管理有重要意义。通过对月面巡视器在轨运行第2到11月昼的电流遥测进行研究,提出了一种基于有限遥测的太阳能帆板功率衰减特性分析方法。首先利用一种滞环的方法对大量的电流遥测进行数据处理;然后进行日月距离和太阳入射角的归一化,通过数据拟合计算,得出落月第一年太阳能帆板功率衰减约为2.5%,并利用巡视器历次月昼唤醒时刻的太阳入射角变化情况验证了该方法的有效性,对地外天体的太阳能帆板功率衰减特性计算提供一定参考。