基于颜色特征的喷气燃料银片腐蚀试验结果评价

传统的喷气燃料银片腐蚀评级方法(军用)存在评级准确度较低、重复性差的问题。针对该问题,提出一种基于颜色特征的银片腐蚀评级方法,开发出银片腐蚀评级软件,并搭建相应的图片获取系统。将该方法用于CIELAB颜色空间,以K均值聚类方式提取腐蚀标准色板及腐蚀银片的特征颜色,再根据距离判断银片腐蚀级别。试验结果表明,该方法与标准目测方法有较好的一致性,能够解决喷气燃料银片腐蚀评级困难的问题并实现腐蚀评级的自动化。     

固-液旋流分离器结构优化模拟研究

采用计算流体力学方法与流体动力学分析软件Fluent,探讨了固-液旋流分离器的溢流口直径、锥角、圆柱段长度和入口直径等主要结构参数对其颗粒溢流率的影响,并在此基础上进行结构参数的优化。结果表明,锥角、圆柱段长度和入口直径过大或过小都不利于旋流分离器的固液分离,均存在一个最佳值。对于主直径为75 mm的单锥双入口固-液旋流分离器,最佳圆柱段长度为87.0 mm,最佳入口直径为16.0 mm,最佳溢流口直径为16.5 mm,最佳锥角为6.0°。     

C2组织结构适应性优化的模型与方法

在现有C2（Command and Control）组织结构适应性优化研究基础上,分析了不确定使命环境下C2组织能力并提出了新的测度指标,构建了C2组织结构适应性优化模型,并针对模型中结构变量与能力测度具有的复杂关联性和动态不确定性的特点,提出了基于组织结构分层的适应性优化策略和基于滚动时域的动态适应性优化策略,并综合两种适应性优化策略,提出了C2组织结构的分层动态适应性优化方法。     

对武器装备体系研究若干问题的再认识

武器装备体系研究已经成为装备体系建设和宏观综合论证的研究热点。但是在装备体系研究和宏观综合论证中对装备体系的认识不同,两者在体系内涵、研究目的、研究条件、研究对象、研究层次等方面存在认识差异,需要在装备体系结构设计与优化、效能评估、能力评估和费用分析等方面开展有针对性的研究,从而沿着正确方向推动装备体系技术发展,为宏观综合论证和装备建设提供有力支撑。     

装备体系结构优化可行方案空间构建方法

针对装备体系结构方案数量规模较大及传统构建方法效率较低的问题,以单一费用约束条件下的装备体系结构优化问题为例,提出了一种可行空间构建的新方法,试图缩小体系成员的遍历范围,减少运算量,提高体系结构可行方案空间的构建效率。最后,利用Matlab软件对新算法进行数值模拟与仿真,并与传统方法进行了比较,结果表明:新方法的计算效率得到了明显提高。     

基于复杂区域栅格化的传感器网络优化部署

为实现对复杂区域的优化部署,对部署区域进行了栅格化处理,引入重点保障区域、优势部署区域等概念,改进了网络保障能力模型,给出了其栅格化表达式,并运用遗传算法对模型进行求解。仿真结果表明,该方法具有易于工程实践、求解精度适中、可对复杂区域的传感器网络进行优化部署的优点。     

基于变异离散粒子群的协同空战攻击决策算法

为了提高智能协同空战攻击决策算法性能,将变异策略引入到DPSO(Discrete Particle Swarm Optimization)协同空战攻击决策算法中,提出了一种新的基于变异离散粒子群(Mutation Discrete Particle Swarm Optimization,MDPSO)的协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。采用对比实验方法,基于准确性、可靠性和快速性等关键性能指标,分析比较了基于MDPSO协同空战攻击决策算法与多种智能决策算法,验证了基于MDPSO的协同空战攻击决策算法有着较好的综合性能。     

基于点模式匹配的雷达航迹与航行计划匹配算法

在雷达航迹与航行计划匹配时,针对传统算法对单点信息依赖程度较高,在信息缺失、目标机动等情况下匹配效果差的问题,提出了一种基于滑窗的改进点模式匹配算法。首先,提取了雷达航迹多特征点,利用特征点集弥补单点信息的不足,通过简化匹配分数的计算,降低了点模式匹配复杂度。仿真实验结果表明,改进的点模式匹配算法显著提高了信息缺失、目标机动等情况下的匹配正确率。     

一种基于流形与特征融合的说话人识别方法

MFCC参数是说话人识别常用的特征参数,但单独使用MFCC参数,系统性能难以进一步提高。文章提出了一种MFCC和语谱图特征相融合的说话人识别方法。针对语谱图特征空间维数高、数据量大的问题,采用流形学习中的LLE算法对语谱图信息进行压缩,并根据样本点每一维所代表的不同特性信息改进了LLE算法。以SRMC汉语语音数据库为测试语音,与传统PCA算法以及单独使用MFCC参数进行对比实验,在识别人数为100人时,识别率分别提高了2.5%和3%,验证了所提方法的有效性。     

压缩感知新技术专题讲座(三) 第5讲 压缩感知理论中的信号重构算法研究

信号重构作为压缩感知理论的核心之一,是指从长度为m的测量向量Y重构长度为n(m n)的稀疏信号Θ的过程。由于测量次数远小于原始信号维度,信号重构成为欠定方程求解问题,一般没有确定解。然而,若Θ满足一定的稀疏性条件,问题有确定解。文章首先从解析几何角度出发,分析了压缩感知中稀疏信号重构的原理,并对已有的两大类重构算法分别进行介绍:一类是针对l0范数最小化的一系列贪婪算法,一类是针对l1范数最小化的凸优化算法。对前一类算法,选取了代表性的OMP、ROMP、CoSaMP和SAMP算法进行研究,并分析了它们的优缺点;对后一类算法,着重阐述了将BP问题转换为LP问题的推导过程,并介绍了两类经典的凸优化算法:BP-Simplex和BP-Interior。最后,展望了信号重构算法的研究前景。