DIS/HLA的发展及其在武器系统开发中的应用

本文针对分布交互仿真作了概述,介绍了DIS发展的早期阶段及其下一代HLA的发展状况,并对其在武器系统中的应用进行了讨论。     

智能监视系统中红外运动目标检测

本文使用一种基于Cauchy分布统计背景模型的背景剔除（background subtraction）技术成功地实现了对低分辨率红外视频目标的检测。提出以柯西分布作为斧景图像像素强度比值的统计分布模型，并融合图像局部线性相关技术实现背景剔除。该方法同时利用了单个像素点的时序统计特性和邻近像素点所蕴涵的空间区域特性，实现了精确的目标检测。最后的实验表明，所提供的算法可以对室外场景中的红外视频目标实现精确地检测，可以有效地抑制背景中杂波的干扰。     

基于S变换的跳频信号参数估计

对跳频信号的时频域进行分析和参数估计是识别、跟踪及干扰跳频信号的重要基础。针对接收到的未知任何先验参数的跳频信号,提出了一种基于S变换(S-transform)的跳频信号参数估计算法,通过S变换,能正确估计出跳频信号的跳频周期、跳变时刻及跳频图案。仿真结果表明,与平滑伪Wigner-Ville分布(SPWVD)进行比较,该算法能够在低信噪比条件下,在时频域中有较好的解析能力,提高了跳频信号参数估计的准确性。     

雷达海杂波的K分布复合特性

从真实海杂波数据出发,对低擦地角雷达海杂波的复合特性进行了深入研究,证明其幅度分布特性可以用复合K分布模型较好地描述,相关函数具有与幅度分布一致的复合特性,功率谱的时频统计近似服从周期的高斯分布,提出用于估计K分布形状参数的海杂波数据长度必须大于调制分量的调制周期.该结论有望提高现有海杂波模型的准确性.     

具连续分布滞量的二阶中立型阻尼偏微分方程解的振动准则

研究一类具有阻尼项和连续分布滞量的二阶中立型偏微分方程解的振动性,通过利用Riccati变换,引入一类Φ(t,s,l)型的新函数,获得该类方程在Robin,Dirichlet边值条件下振动的充分判据.     

基于Dirichlet先验分布的模糊可靠性增长模型研究

将模糊理论应用于基于Dirichlet先验分布的Bayes可靠性增长模型,提出了可靠性增长的模糊模型。在对Dirichlet先验分布函数研究的基础上,分析了先验参数的获取方法。针对某水冲压发动机可靠性增长试验使用Dirichlet先验分布模型进行了分析,给出了试验各阶段的先验分布和后验分布,并分析了与先验信息方差有关的参数对后验可靠度的影响。在此基础上,通过引入模糊变量,发展了模糊可靠性增长模型,得到了试验各阶段模糊可靠度。     

基于Wigner-Ville时频幅值曲率的结构位置损伤识别

为探索既有明确物理意义又有良好实用性的结构损伤识别方法,利用Wigner-Ville时频分布（WVD）对结构自由振动响应进行解析,建立了WVD时频幅值与结构模态参数的函数关系,提出利用测点WVD时频幅值曲率来识别损伤。该方法物理意义明确,初始激励易于实施,且不需要模态参数识别,提高了损伤识别精度。算例分析结果表明,所提出的方法能较好地识别出结构单个或多个损伤位置,且数据易于获得,处理简便。     

装备使用阶段后续备件采购模型Π:可修复件

针对装备使用阶段可修复件的采购优化问题,引入近似拉普拉斯需求概率分布代替正态分布,建立了采购间隔期内的备件短缺函数。根据供应链系统库存控制论,建立了可修备件的采购模型。通过对可修件周转渠道的分析,对采购短缺指标进行了修订,并给出了最优采购点和采购量的计算方法。对两种需求分布下的算例结果进行了对比和分析,结果表明:该模型得到的结果鲁棒性强、偏差小,优化过程简单,为故障率高、消耗量低的可修件采购方案的确定提供了一种新的思路。     

卫星导航接收机中快扫频干扰低复杂度抑制方法

针对卫星导航接收机中的快扫频干扰抑制问题,提出了一种基于脉冲置零的低复杂度干扰抑制方法,与传统基于时频分析的干扰抑制方法不同,该方法通过低通滤波将时域上连续的快扫频干扰转变为脉冲干扰,并通过脉冲检测与置零对干扰进行抑制。当快扫频干扰处于低通滤波器带内时,被当作脉冲干扰置零;当快扫频干扰处于低通滤波器带外时,被当成带外干扰滤除。理论分析与实验结果表明,该方法相对传统方法的运算复杂度降低了一个数量级,并且能得到与传统方法相近的干扰抑制效果。     

加速寿命试验下复合失效产品的可靠性评估

产品往往受随机失效和耗损失效两种模式的双重影响,通过构建复合寿命分布模型来表征这类产品失效规律。在加速寿命试验下,基于极大似然估计构造了该类产品寿命参数估计的数值算法;为了验证该寿命分布是否真服从假定的复合分布,构建了常应力等效失效数据的柯尔莫哥诺夫分布检验法;最后,以电连接器这一典型产品为例进行了工程仿真试验并进行数据评估,从而验证了评估方法的正确性。