灵敏度和偏移补偿的MEMS压阻式加速度传感器

针对传感器中存在的灵敏度和偏移补偿问题,提出了一种新的MEMS压阻式加速度传感器设计,它由一个传感器和一个总的接口电路构成,可用0.18μm商用CMOS工艺实现设计。传感器结构由8个硼扩散结晶体压敏电阻连接起来构成一个惠斯通电桥来感知加速度;接口电路由一个主放大器和传感器灵敏度及温度偏移补偿电路构成;实验结果表明,传感器具有很高的在轴加速度灵敏度和灵敏度补偿效果,整个系统具有可达5 k Hz的可扩展的系统带宽,而且偏移估计误差减少到了±10μV以内。     

基于改进质心法的激光条纹中心提取算法

在激光测量系统中激光条纹中心位置的准确定位是整个测量系统的关键。由于激光的光源质量、目标物体表面粗糙度以及光源等因素影响激光条纹中心提取精度。提出一种改进的质心法的激光条纹中心提取算法,该算法利用差影法提取条纹目标,再基于连通域来对条纹目标去噪,通过细化法提取目标条纹的骨架,基于骨架的切线得到激光条纹的法向,最后运用质心法精确地提取激光条纹中心。经过验证,此算法具有提取精度高、实用性广以及鲁棒性好的特点。     

机载自卫箔条干扰弹投放策略研究

机载自卫箔条干扰弹投放策略的研究对提高飞机作战使用效能具有重要意义。首先分析了"质心干扰"的原理及保证"质心干扰"成功实施须满足的条件,然后分析了机载自卫箔条干扰弹的各项投放参数,最后针对每一项投放参数给出了其解算模型。并且通过实例分析,验证了所建模型的合理性与有效性。     

神经网络自适应自动驾驶仪设计及其在AUV路径跟踪中的应用

针对AUV三维路径跟踪过程中的自动驾驶仪设计问题,根据时标分离原理将AUV路径跟踪自动驾驶仪系统即姿态稳定回路划分成快、慢回路.采用神经网络H∞鲁棒自适应控制算法分别设计了自动驾驶仪快、慢回路的控制器,用Lyapunov穗定性理论对系统进行了穗定性分析.仿真结果表明:路径跟踪控制系统具有良好的动态性能.     

现代化的GPS军用M码综述

M码是现代化的GPS军用码,是美国"导航战"的重要内容。从M码信号的设计要求出发,介绍了M码信号的调制原理及其功率谱和自相关特性;然后根据相关损失、均方根带宽、频谱隔离系数和等效矩形带宽等参数对M码、C/A码和P(Y)码性能进行了分析比较;最后总结了M码的几种捕获和跟踪方案,并对其各自的优缺点进行了分析。     

大型舰艇箔条质心干扰防御反舰导弹仿真

箔条质心干扰是大型舰艇防御反舰导弹的重要手段。基于干扰机理分析,建立了以箔条云、舰艇切割效应模型为核心的干扰仿真模型,并利用仿真实例验证了该模型的正确性和合理性。在此基础上,通过典型场景下的仿真分析,揭示了大型舰艇箔条质心干扰运用的特殊性,为大型舰艇箔条质心干扰效果评估和运用方法研究提供模型支撑和定量依据。     

试析词义在语境中的偏移现象

汉语词义在特定的语境中,会临时产生一种词义,这种现象就叫做词义的偏移.它有别于我们常见的词义的引申义等.词义偏移的作用是:可使语言产生新颖、奇特的修辞效果.     

气动光学效应内涵及其对成像探测的影响机理北大核心

带有红外成像探测系统的飞行器在大气层内高速飞行时,光学头罩与大气层之间发生剧烈的相互作用,产生气动光学效应。该效应将引起像偏移、像模糊、像抖动,使得红外成像探测系统对目标的成像探测威力下降、探测精度降低。研究了高速动平台下气动光学效应的内涵及其对红外成像探测系统探测威力、探测精度的影响机理,对典型飞行状态下产生的气动光学效应进行了数学仿真计算,得到了仿真计算结果,并对仿真结果进行了分析。     

舰艇编队质心干扰中的无意毁伤判断

质心干扰是舰艇编队防空作战体系中一种非常关键的作战手段.针对舰艇编队协同防空作战过程中,怎样判断舰艇使用质心干扰抗击来袭的敌方反舰导弹目标时,是否会发生无意毁伤的问题,通过对舰艇质心干扰原理和无意毁伤根源的分析,建立了舰艇编队质心干扰中的无意毁伤判断模型,并进行了实例仿真.仿真结果表明,该模型能够辅助编队指挥员在制定编队协同防空作战方案时进行无意毁伤检测,从而消除方案中可能存在无意毁伤的风险,保证编队防空作战能力最大程度的发挥.     

模型不可知的联合相互学习

主流的联邦学习(federated learning, FL)方法需要梯度的交互和数据同分布的理想假定,这就带来了额外的通信开销、隐私泄露和数据低效性的问题。因此,提出了一种新的FL框架,称为模型不可知的联合相互学习 (model agnostic federated mutual learning, MAFML)。MAFML仅利用少量低维的信息(例如,图像分类任务中神经网络输出的软标签)共享实现跨机构间的“互学互教”,且MAFML不需要共享一个全局模型,机构用户可以自定制私有模型。同时,MAFML使用简洁的梯度冲突避免方法使每个参与者在不降低自身域数据性能的前提下,能够很好地泛化到其他域的数据。在多个跨域数据集上的实验表明,MAFML可以为面临“竞争与合作”困境的联盟企业提供一种有前景的解决方法。