基于伪随机线性调频的双序列跳频通信系统

针对双序列跳频(Binary-Sequence Frequency Hopping,BSFH)在对偶信道被干扰的情况下会导致通信瘫痪的缺点,提出了一种基于伪随机线性调频的双序列跳频通信系统。在发送端利用线性调频信号对每一跳载波进行带内扩频,接收端将解跳后的信号作分数阶傅里叶变换,然后通过抽样判决得到发端信息。构建了相应的系统模型,推导了其在跟踪干扰和部分频带干扰下的误码率数学表达式。理论和仿真结果表明:在最坏跟踪干扰下,该系统比BSFH约有5 dB以上的性能增益;在部分频带干扰下,达到相同误码率时所需的信干比,改进方法比BSFH低约4 dB。     

新型工业凸显发展强势

推进新型工业化是兵团经济大发展的希望所在,是兵团更好地发挥建设大军作用的客观需要,也是构建和谐兵团的必然要求。十一五期间,兵团以市场为导向,以城市和工业园区为载体,以重大项目建设为突破口,着力构建农产品加工和优势矿产资源转换两大基地,集中力量发展食品及医药工业、纺织工业、农用装备制造业、化工及矿业、建材工业、能源工业等六大支柱行业,努力实现工业经济总量、质量效益、科技含量、职工收入显著提高。     

FPGA的可调参数白噪声与高斯白噪声生成器

提出了一种基于FPGA硬件的,强度、带宽均可调的白噪声和高斯白噪声生成器,给出了设计的总体框图和设计中的一些要点,阐述了主要部分的原理和理论推导.这种噪声生成器与传统数字电路所组成的噪声生成器相比,采用了新型的FPGA器件,通过利用其中的一些既有功能大大降低了设计的难度,提高了电路调试的灵活性,可用于多种环境下的通信系统测试.     

陆军进攻战役防空效率指标及制空权评估

结合陆军未来作战样式和实际需求,描述了陆军进攻(反击)战役防空体系的构成及其各系统的主要用途,提出了陆军防空效率评估指标体系中应包括制空权指标的观点,分析了影响该指标的主要因素,用航空集群和导弹集群战斗效率对比的方法描述了陆军战役进攻(反击)防空制空权的评估模型,结合示例说明了制空权评估方法的应用.     

遗传算法收敛性分析

一.引言 遗传算法（Genetim　AIgorithm,GA）是一类以达尔文自然进化论与遗传变异理论为基础的求解复杂全局优化问题的仿生型算法,是一种新的搜索寻优技术,它仿效生物的进化与遗传,根据“优胜汰”的原则,借助选择,交叉和变异等算子,使所要解决的问题从初始解一步步地逼近最优解,尽管这种方法已经在人工智能非线性优化。机器学习。自适应控制和人工神经网络训练,并行处理等方面得到了     

空空导弹发射包线的快速计算方法

给出了空空导弹发射包线快速计算的方法和公式。该算法在将导弹模型简化为二维模型的基础上,结合对目标运动的一定假设,对导弹发射包线进行快速模拟。同时,采用三自由度模型、六自由度模型和快速计算方法来模拟导弹发射包线,并对三种方法的精度和速度进行比较。仿真结果表明:提出的快速计算方法虽然降低了一定的精度,但计算速度快、时间短,达到了整个火控系统的精度要求,同时也满足了系统的实时性要求,这点对空对空作战十分有利。     

构建预备役部队快速动员能力评估体系的意见

快速动员能力是预备役部队战斗力的重要组成部分。新形势下,要着眼推动预备役部队全面建设科学发展,试行构建快速动员能力评估体系。     

基于光流动态特征与SVM的阴燃火检测方法

针对传统阴燃火检测中存在误报、漏报的问题,研究了一种基于光流场的视频检测方法。首先,利用改进的Horn-Schunck光流算法计算图像光流场,并结合阴燃火颜色特征提取可疑阴燃火运动区域;然后,提取连通域的面积、光流平均速度、方向方差、光流主运动方向、光流速度不规则度和背景模糊性等六个特征建立特征向量;最后,利用支持向量机对所有含可疑阴燃火运动区域的图像帧进行分类,从而实现阴燃火检测。实验结果证明:该方法对阴燃火识别准确度高,可有效排除多种图像干扰,在复杂环境下的适应性和鲁棒性较好。     

大攻角飞行空空导弹鲁棒自动驾驶仪设计

当前,导弹自动驾驶仪多采用经典设计方法。是在导弹气动参数变化不大、通道间的耦合较小的情况下设计的。为了满足导弹高机动性能要求,常采用大攻角飞行;然而导弹大攻角飞行时,将会出现空气动力学系数不确定性、非线性和通道间的严重耦合问题,这就要求所设计的自动驾驶仪具有较好的鲁棒性。就导弹在大攻角飞行状态下、通道间解耦的基础上,针对空气动力学系数不确定性,用μ方法对俯仰通道驾驶仪进行了设计,仿真表明该方法具有较好的鲁棒性能。     

基于区域分割的快速KNN定位算法

针对位置指纹定位算法指纹匹配效率低、定位实时性差等问题,基于传统的K最近邻思想提出一种区域分割的方法。该算法在指纹匹配阶段根据区域分割的思想,逐步缩小对目标点的定位区域范围,选取该范围内所有的参考点作为待匹配的指纹,利用KNN算法进行最终的位置估计,实现目标的快速定位。这样的过程大幅度减小了KNN算法的指纹匹配功耗,使其能应用在较大的指纹数据库中。仿真实验结果表明,该算法在保证定位精度的情况下,定位的速度明显快于传统的KNN定位算法。