微小曲率半径的图像处理测量方法

通过Quanta200型扫描电子显微镜获取待测物体表面数字图像,运用灰质化、图像增强、图像平滑、图像分割及边缘检测等技术提取研究对象的轮廓边缘。用Photoshop软件中测量图像标尺在水平方向的像素数目,绘制不同尺寸的标准圆与边缘轮廓线条内切,反复操作后确定最大内切圆。统计该内切圆直径像素个数,利用指定表达式计算其半径。以该法测量单颗金刚石磨粒尖端曲率半径,结果表明：基于图像处理的微小曲率半径测量技术在不具备复杂、精密的测试仪器时,具有可靠的测量准确度和可操作性。     

基于LEO增强的COMPASS导航系统抗干扰能力研究

随着COMPASS系统在民用、军事等应用领域的不断扩展和深入,用户对接收机抗干扰性能要求也会越来越高。在干扰条件下,采用低轨道(LEO)通信卫星对COMPASS系统进行增强是一种比较有效的星基增强方法。文章从信号增强的角度出发,以LEO卫星所播发的导航增强信号为依据,研究LEO增强信号所能容忍的压制干扰的干信比作为衡量增强信号的抗干扰能力指标。首先介绍基于LEO通信卫星增强的COMPASS系统组成及工作原理;其次分析干扰链路的影响;然后通过计算,对LEO卫星播发的增强信号能量及抗干扰性能进行分析;最后,提出一些措施改善增强信号的抗干扰能力。结果表明,经改善后的LEO通信卫星播发的导航增强信号可容忍50dB左右的干信比,与GPS中M码信号的抗干扰能力相当。     

战场态势一致性技术专题讲座(一) 第2讲 互操作作战图族

文章介绍了网络中心战(NCW)、互操作作战图族(FIOP)的基本概念、层次结构以及对应关系。概述了战场态势的构成要素,以及互操作作战图族中三级态势图的主要功能。描述了战区共用作战图的报告层次和建立过程。     

廖氏吸收边界条件稳定性的改进

廖氏吸收边界条件具有吸收效果好、编程易实现、无需分裂场量的优点,但其数值计算稳定性不佳,无法运用到需要进行长时间迭代的数值计算中去,这极大地限制了其运用范围。文章针对廖氏吸收边界条件数值计算稳定性问题,提出了一种基于加权思想的改进其稳定性的方法,这种方法和以往方法相比,实现起来非常简单,在保证廖氏吸收边界条件良好吸收效果的同时,改善了其稳定性,扩展了高阶廖氏吸收边界条件的运用范围。     

基于改进PSO的装备维修任务调度方法

针对现有装备维修任务调度方法存在维修时间过长、维修成本过高的问题,提出了基于改进粒子群算法(Particle Swarm Optimization,PSO)的装备维修任务调度方法.建立了以装备重要程度、维修时间、维修成本为指标的装备维修任务调度模型;从惯性权重、学习因子两个方面,提出了基于改进粒子群算法的装备维修任务调度模型求解方法;设计了算法仿真实例,仿真结果表明,该算法具有更快的收敛速度及更好的全局寻优能力,降低了维修时间,节约了维修成本,有效提高了装备维修任务调度的合理性.     

基于差分进化算法的运输直升机人员装载问题

针对空中突击作战中运输直升机资源有限、人员装载需求较大的特点,在满足装载原则约束的前提下,建立了以空间利用率最大化为目标的运输直升机人员装载模型,并提出了一种动态的差分进化算法对模型进行求解.该算法对传统差分进化算法的控制参数进行调整,同时加入个体适应度参数,设计了动态精英变异算子和动态二项式交叉算子,仿真实验证明,该算法可对运输直升机人员装载问题进行有效求解.     

模糊层次分析法与改进遗传算法的选址仿真

从工程地质、地形地貌、军事作战和后勤保障4个方面构建军事指挥中心评价体系,利用模糊层次分析法构建选址模型,进行军事指挥中心适宜性评价.根据评价结果设计选址步骤,结合具体研究区利用遗传算法进行实例分析,引入马尔科夫理论改进遗传算法,验证模型方法的可行性.研究结果表明,提供的选址方法有效地解决了军事指挥中心重复选址问题,提高了选址方法的效率和准确率.     

节点缓存受限场景下车载自组织网络拥堵特性研究

车载自组织网络作为一种新型的移动自组织网络,是智能交通系统的关键组成部分.近年来,社会各界对车载自组织网络的拥堵性进行了广泛研究,但却忽略了车载自组织网络中移动节点缓存空间有限的现实问题.因此,针对节点缓存受限场景下车载自组织网络的拥堵性问题进行了研究,通过设计来优化网络中数据包的传递过程.仿真实验的结果表明,提出的多...     

一种基于PDA滤波的多传感器管理算法

由于传感器资源或计算资源的限制,监视系统在跟踪多目标时通常不能同时为每个目标分配所有的传感器.因此,希望在满足目标跟踪性能的前提下尽可能使用较少的传感器.针对PDAF目标跟踪算法的特点,选用目标状态估计协方差的期望作为性能度量,提出了一种基于协方差控制的传感器算法.该算法通过为每个目标选择恰当的传感器组合来实现多传感器对多目标的分配.     

线性方程组迭代解法的另类矩阵形式

改进了线性方程组迭代解法的矩阵形式．以最简单的Jacobi迭代法的迭代矩阵为基础,只需经过简单的加减和数乘运算就可得到Seidel和SOR的迭代过程,使得算法新形式的求解过程数学意义非常明确,表达形式也非常简洁,这样不仅便于理解记忆,还非常有利于编程实现。改进后的矩阵迭代形式求解计算量为:Seidel需要大约n2次乘除法．SOR约为2n2次乘除法,且改进后的Seidel迭代法和SOR方法存储空间也较传统形式为少。