双天线干涉SAR系统无控制点场景的高精度参考相位快速估计算法

为解决无控制点场景参考相位的快速估计问题,对影响参考相位的因素进行理论分析,给出参考相位与影响因素的解析关系式。结合系统参数进行仿真分析,分析参考相位对高程误差的影响。根据分析结果,结合外部粗精度高程数据、滤波后的干涉相位及相干系数,提出高精度参考相位快速估计算法,并给出算法详细实现流程。对实际机载双天线干涉合成孔径雷达系统获取的数据进行处理,结果表明:算法在文中的系统参数下可以达到优于2 m的相对高程精度,处理4096×6560像素的数据块时,参考相位估计速度至少增大20倍。     

北斗卫星伪距信号质量评估及偏差校正

针对北斗卫星信号存在系统性伪距偏差的问题,从多路径角度评估北斗三频信号的质量,验证了该项偏差与卫星轨道类型、卫星仰角及信号频率有关。为消除这一系统性偏差的影响,采用连续分段线性函数建立北斗三频伪距偏差校正模型。与现有的改正模型所不同,所提模型不仅采用了更长时间范围内的北斗实测数据,更为重要的是它顾及了改正数的精度信息。基于动态精密单点定位的实验结果表明,采用所提方法修正后,接收机定位性能有明显提升。     

纹理影像特征选择及K-means聚类优化方法

Gabor变换和K-means算法是最为常用的纹理分析方法。然而,采用Gabor变换得到的纹理特征向量具有较高的维数,影响算法的运行效率;K-means算法也易受初始类中心的影响而导致分类精度下降。因此,通过Relief算法对采用Gabor变换所提取的纹理特征进行选择,得到合适的纹理特征子集。进一步采用差分进化算法,对K-means算法的聚类中心进行优化从而提高纹理识别精度和效率。实验结果表明:提出的方法所需用到的纹理特征向量的维数相对于原始特征集有大幅降低,较之基本的K-means算法,纹理识别的精度也有较明显的提高。     

预冷却引射系统性能一维分析

根据引射器的一维设计理论可知,二次流在进入混合室之前进行预冷降温可以提高引射效率,增大引射系数,但引入预冷器会同时引起流动损失,故需要对引射系统进行性能评估。针对设有预冷器的引射系统,应用一维理论分析预冷对系统性能的影响,重点分析预冷增强效果与流阻减弱效果对引射效率的作用。研究发现:预冷器对引射系统同时带来冷却增强作用和流阻减弱作用,横截面积和换热面积是主要影响因素。预冷器存在临界横截面积,横截面积大于临界值时,换热面积越大,引射性能越高;反之,换热面积越大,引射性能越低。等压混合引射方案比等截面混合引射方案性能高,前者引射系数比后者大60%;预冷却能够有效提高引射性能,尤其是等截面混合引射方案,性能提高可达35.5%。     

临空高超声速飞行器目标特性分析

临空高超声速飞行器经过几十年的发展,已经从概念原理探索阶段进入到成果应用阶段,其军事潜力和作战效能日益凸显。主要以美军高超声速无人飞行器、空天飞机和高超声速巡航导弹为研究对象,从临空高超声速飞行器的运动特性、电磁特性和红外特性3个方面展开论述,同时结合典型目标进行建模仿真分析;着重探讨了目标特性对未来作战性能的影响。临空高超声速飞行器目标特性的分析研究,为新型防空体系的构建提供了参考,为未来探测跟踪拦截此类目标奠定了基础。     

北斗导航系统移动基准站差分定位算法

针对复杂测量环境无法建立固定基准站及进行精密定位的问题,提出一种基于北斗导航系统的移动基准站差分定位算法,即基准站与流动站同时运动并实现高精度差分定位的算法。基于载波相位测量值,在动态短基线条件下,对数据进行站间和星间双差处理,消除接收机钟差以及其他公共误差。对多频观测值进行线性组合,构造双差载波相位超宽巷、宽巷、中巷及窄巷观测量。对上述观测量进行窗口滑动均值滤波并采用逐级模糊度确定法固定整周模糊度,即沿着从超宽巷到窄巷的顺序依次求解整周模糊度。为验证算法有效性,设计基于北斗导航系统的轨道外部几何参数检测仪进行实验,实现毫米级静态相对定位精度和厘米级RTK相对定位精度。     

基于盲源分离的抗密集假目标干扰技术研究

密集假目标干扰会严重影响雷达检测目标的性能。针对此问题,提出一种基于盲源分离的密集假目标抗干扰的方法。该方法可有效从密集欺骗式假目标中检测出目标回波信号,并分析比较了JADE和Fast ICA两种盲源分离方法对密集欺骗式假目标和回波信号的分离效果。理论分析和仿真结果表明:JADE盲源分离较Fast ICA盲源分离抗密集假目标干扰较更有效。     

基于数据适应性检验的身管磨损量预测研究

应用灰色系统理论研究不确定系统,对系统进行灰色预测模型建立的同时,需要检验系统原始数据序列是否符合建模要求。主要从3个方面检验数据建模的可行性,分别是光滑比、极比偏差和凹凸性检验。结合某型坦克炮身管内膛烧蚀磨损数据,采用不同的磨损数据作为灰色预测模型建模的原始数据序列,具体分成两种情况进行数据检验,并代入模型计算,分析不同情况下模型的预测精度,通过对比计算结果选出与模型匹配度更高的原始数据序列。     

用于机动目标跟踪的自适应交互式多模型算法

针对当前统计模型对弱机动或非机动目标跟踪效果不理想等问题,提出了一种修正当前统计模型与匀速模型的自适应交互式多模型算法,可在线修正当前统计模型的加速度极限值,调整过程噪声方差,提高了当前统计模型的自适应性。同时,通过在常规匀速模型中引入机动检测机制,抑制了常规匀速模型对机动目标跟踪的滤波发散,通过引入强跟踪算法,增强了模型对目标突发机动的自适应跟踪能力。仿真结果表明,该算法充分发挥了当前统计模型和交互式多模型算法的优势,对强机动和弱机动目标都具有很好的效果。     

基于混合数据挖掘模型预测用户流失

用户流失预测问题广泛应用在银行、金融、电信等多种领域。对用户行为进行有效的预测和分析有助于企业的竞争和了解瞬息万变的市场规律。采用3种混合的数据挖掘模型对用户流失问题进行了研究,以形成一个准确高效的用户流失预测模型。这3种模型应用于数据挖掘的两个阶段:聚类阶段和预测分析阶段。在第1阶段中,对用户的数据进行过滤。第2阶段对用户行为进行预测。第1个模型采用了二分k-means算法进行数据过滤和多层感知人工神经网络(MLP-ANN)相结合进行预测。第2个模型采用层次化聚类与MLP–ANN相结合进行预测。第3个模型使用自组织映射(Self-Organizing Maps)与MLP-ANN进行预测。这3种模型预测分析基于真实数据,用户流失率采用3种模型混合计算的方式得出结果并同真实值进行比较。分析结果表明采用多模型的混合数据挖掘模型的数据准确度优于普通的单一模型。