基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。     

基于深度时频特征学习的雷达辐射源识别

针对雷达辐射源识别中拓展能力不足和识别率不高问题进行研究,提出一种基于深度时频特征学习的智能识别方法。基于降采样短时傅里叶变换高效提取具备较高辨识度和稳定性的浅层二维时频特征,利用信号局部频域维稀疏性完成降噪等预处理;设计用于深度特征学习与识别的卷积神经网络,并采用不同尺度卷积核组合扩展网络广度,强化特征表征能力;利用高信噪比条件下8种辐射源信号样本对网络进行训练调优,低信噪比样本测试验证算法和网络的有效性。仿真结果表明,该方式在-8 dB信噪比条件下能达到98.31%的整体平均识别率,具备较强的鲁棒性。     

基于CNN的窄带雷达空中目标识别方法

空中目标识别是雷达的重要用途之一,窄带雷达因体制限制,无法获取目标高分辨识别信息供分类识别。为解决窄带防空预警雷达对空中目标识别判性难的问题,提出了基于卷积神经网络的空中目标识别方法,就空中目标识别判性模型的构建、训练数据集的生成进行了研究,采用模拟数据集及实测数据对模型进行了检验,结果表明该方法具有较好效果。     

一阶交流电路暂态分析

以RC串联电路为例,介绍一阶线性电路交流暂态过程的基本分析方法.通过三种不同方法的比较,归纳出对于不同电路应当采取不同处理办法.     

陈玖学及其《评注七子兵略》考论

《评注七子兵略》的作者陈玖学,生活在公元1560至1641年前后,是明代绍兴府未出仕的文人,在乡里社会中年高德劭、颇具影响力。《评注七子兵略》原名《新镌增补标题武经七书》,最初刊刻于公元1614年,成书后不久即遇明清鼎革,在清代政治高压下陷入潜隐状态。陈氏后人对陈玖学著兵书一事亦缄默不言,使得陈玖学与其所著之书的关联度降低。及至近代,在救亡图存的时代氛围下,此书改名为《评注七子兵略》,陈玖学其人其书的具体信息直接被剥离,以致世人只闻其书而不详其人,但该书得以大量刊行、广为流传,展现出一定的学术活性与军事价值,特别是在军事教育领域发挥着重要作用。陈玖学其书曲折的流传过程以及在清代与近代截然不同的命运,生动而细腻地展现了传统兵学典籍与时代环境之间复杂的互动关系。     

风致及振动环境下压电俘能器的设计与研究

针对子弹药的自供能问题,设计了一种风致及振动环境下的压电俘能器,对子弹药平时和战时的自俘能技术进行了研究。基于压电效应方程和集总参数法对压电俘能器进行理论模型分析,得到了振动环境和风致环境下输出电压的理论值。制作了实验样机,分别测试了压电俘能单元的振动特性和在风致环境下的输出性能,对比理论值,验证了理论模型的有效性。同时,探究了振动频率、风速和扇叶角度对于压电俘能单元输出性能的影响。实验结果表明压电俘能结构的谐振频率为43 Hz,最佳负载为170 kΩ。当扇叶角度为30°时,压电俘能器的输出性能最佳,发生谐振时输出电压峰值可以达到22 V,最大输出功率为1.38 mW,在15 m/s的风速下,输出电压为2.56 V。     

基于卷积神经网络与滤波融合算法的某惯导系统剩余寿命预测模型建立

在对产品中具备大量运行观测性能数据的关键系统部件进行剩余寿命预测的过程中,因寿命数据稀少难以建立寿命分布模型。而对产品性能观测数据进行退化建模,传统退化过程分析模型对于产品性能观测数据适应性差导致产品寿命预测精度低、有效性弱的问题,充分挖掘部件退化数据信息,依据相关退化分析技术,基于统计模型中的滤波预测方法与机器学习技术中的回归卷积神经网络（regressive convolutional neural networks, RCNN）预测方法建立产品剩余寿命预测融合模型。融合模型结合了滤波预测模型对产品退化状态的挖掘能力、不确定表达能力与RCNN网络模型良好的数据适应性、预测的准确性,提高了产品退化数据分析的准确性及有效性,可对产品关键部件的寿命进行有效预测,为产品中具备大量运行观测数据的关键系统部件健康管理提供辅助参考。     

MLFMA在运动目标多普勒回波数值仿真中的应用

提出了一种应用准静态技术,结合快速多级子算法计算任意形状的运动目标多普勒信号的方法,对目标的几种典型的微动多普勒信号进行了仿真,并应用高分辨时频分析算法对仿真得到的微多普勒信号进行了分析,提取出了微多普勒瞬时频率,并与相应微动规律的点目标微多普勒瞬时频率进行对比。结果表明,二者具有相同的变化规律,从而证明本文提出的方法是有效的。