基于目标函数的综合航电系统性能评价

提出一种基于目标函数的综合航电系统性能评价方法。在分析各个指标对系统性能影响大小的基础上,利用层次分析法,依据专家的知识使决策判断定量化。通过对判断矩阵的求解,确定不同性能指标的加权系数,然后利用所构造的目标函数求得系统的总体性能指标。这样,通过对不同航电系统总体性能指标的比较,就可以对系统作出总体性能评价,比较系统的性能。     

基于面积比矩阵的加权特征向量点匹配算法

提出一种在仿射变换下点集关系描述算子--面积比矩阵,证明了其在仿射变换群下的不变性质;并由该性质推导得出特征向量(EA)匹配算法抗噪性能差的原因,在此基础上给出了基于面积比矩阵的加权特征向量算法.算法构造不同图像的面积比矩阵,对矩阵进行分解得到其特征值和特征向量,通过特征值进行加权获得图像中点的特征向量,比较图像点的特征向量获取匹配关系.因面积比矩阵的仿射不变性质,算法能实现仿射变换下点集精确匹配;采用的加权特征向量法改进了EA匹配法,具有更好的抗噪性能.实验表明算法切实可行.     

一种基于LVQ的语音线谱对参数量化方法

在现有格型矢量量化(LVQ)方法的基础上,通过对线谱对(LSP)参数进行精度预处理,使其数值更接近于格点从而减少量化失真。仿真实现了改进方法,并采用MELP算法中4级MSVQ方法作为对比。得到的结果表明,较之MSVQ,LVQ量化LSP参数的精度提升了约90%的同时,合成语音的谱失真(SD)降低了约2/3,客观评估得分和近似MOS分略有提高。     

中国上市军工企业X效率实证分析

文章以我国38家上市军工企业2003-2006年的面板数据为样本,采用随机前沿生产函数方法研究了改制后我国上市军工企业的效率。研究结果表明,1999年我国军工企业的改制产生了积极作用,改制后上市军工企业的平均效率高达0.9769,效率损失极其微小。文章同时以X效率为理论基础分析了影响上市军工企业效率的因素,发现适度的股权集中度、优越的地理位置、较高的经营能力和人力资本的质量都有助于效率的提高,而作为股东身份代表的"国有股"对企业效率也有积极影响。文章的研究为进一步提高我国上市军工企业的效率以及为其他军工企业的改制提供了重要的经验证据和战略依据。     

无边光景一时新——谈新发布的《政工条例》的主要创新点

经党中央、中央军委批准，《中国人民解放军政治工作条例》已经正式发布施行。总体上看，这次修订注重保持了条例作为政治工作根本法规的连续性和稳定性，原条例的框架结构没有变，原条例规范的我军政治工作的基本原则、基本制度、基本内容没有变，但与此同时，也融入了很多新思想新观点新论断，充实和补充了许多重要规范，用“无边光景一时新”来形容也不为过。     

异型角反射体阵列寻优研究

战时,异型角反射体阵列布放态势将是影响其干扰效果的重要因素。以伯克级驱逐舰为典型舰艇,从雷达散射截面积(radar cross section,RCS)、高分辨率距离像(high resolution range rrofile,HRRP)和极化特征三方面入手,进行了异型角反射体布放间隔和布放数量的寻优,旨在寻找一种与载舰逼近度尽可能高的异型角反射体阵列,为反舰导弹突防研究提供基本理论依据。研究表明:综合考虑RCS,HRRP和极化特征三方面因素时,11个异型角反射体两两间隔5 m布放,能够发挥更好的干扰效果。     

坦克射击模拟器瞄准镜分划的过渡过程模型

坦克射击模拟器炮长瞄准镜视景中,稳像工况下瞄准镜分划的过渡过程要与实装炮长瞄准镜中保持一致。该过渡过程实质就是火炮跟踪瞄准线的过渡过程。在分析炮控系统控制模型基础上,得到了二阶控制系统差分方程模型,即为射击模拟器炮长瞄准镜分划的过渡过程模型。     

基于PSO-BP神经网络的HRRP目标识别

为提高雷达目标识别准确率,提出了一种基于PSO-BP神经网络的雷达一维距离像识别方法。利用粒子群优化算法良好的全局搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络收敛速度慢、存在多个局部极值点的缺陷。利用实测数据对PSO优化前后的BP神经网络的识别性能进行了对比测试。实验结果表明,PSO-BP神经网络具有更高的识别准确率及噪声鲁棒性,分类性能优良。     

原始变量守恒形式控制方程的时间准确性分析

基于压力、速度和温度的原始变量为自变量的守恒形式的控制方程可应用于定常流动问题，但是在求解非定常问题，例如某一典型激波管问题时，激波后温度出现过冲现象，即使通过细化网格、提高空间格式精度或者换用其他通量格式仍不能消除，这表明误差可能来自该方法本身。采用一维Euler方程对该方法进行数值分析。分析结果表明，数值误差来自时间项。通过构造相应的双时间步方程，虚拟时间项采用原始变量，而物理时间项采用守恒变量，并在两个相邻物理时间步内作为定常问题求解，可以收敛到相应的守恒形式，消除上述误差，得到准确的非定常数值解。     

超低照度下微光图像增强神经网络损失函数设计分析

超低照度下(环境照度小于2×10~(-3)lux)微光图像具有低信噪比、低对比度等特点,使目标难以辨识,严重影响观察效果。为了提高超低照度下微光图像质量,设计了一种用于微光图像增强的卷积自编码深度神经网络,并针对传统的均方误差损失函数不符合人类视觉感知特性等问题,结合现有的全参考图像质量评价指标,研究了包括感知损失在内的几种损失函数,并提出了一种新的可微分损失函数。实验结果表明,在网络结构不发生改变的情况下,所提损失函数具有更好的性能,在提高微光图像信噪比和对比度的同时,能够有效地增强图像内部细节信息。