考虑CCD噪声条件下的编码曝光最优码字搜索方法

编码曝光技术将病态的运动模糊图像复原问题转化为良态问题,寻找最优码字是编码曝光技术的关键。面向实用化目的,提出了一种考虑CCD传感器噪声的编码曝光相机最优码字搜索方法。基于仿射噪声模型对图像成像过程中的噪声成分进行了系统分析,首次从理论上分析了Raskar码字选取依据并基于复原图像信噪比增益提出了光子噪声对最优码字构造影响的解析表达式。在对实际编码曝光相机进行噪声标定的基础上,提出了最优码字搜索的准则并构造出适应度函数,采用遗传算法进行优化搜索得到最优码字。仿真图像和真实图像的复原结果证实了该方法的有效性,复原图像信噪比得到有效的提高。     

军事战略思维也须“转型”

所谓军事战略思维,是决定军事战略的主体头脑中的观念运动,既包括军事认识论和方法论,也包括战争准备与实施的思维活动。它是历史决定论前提下的主体选择与创造活动,是战争指导者头脑中进行的思维比较、思维判断、思维选择、思维决策、思维实施、思维反馈、思维修正、思维总结与升华的全过程。自古以来,我国的军事战略思维一直是在秉承"求和平"、"促统一"的中华文化内核和延续"安不忘危"、"知兵非好战"等传统战略思维精髓的基础上,结合形势和任务     

潜艇自航模试验技术研究进展

潜艇自航模试验技术是以按照相似理论设计建造的潜艇自航模型为基础,集成了控制系统、测量系统、通信传输系统,可进行潜艇操纵性、快速性、隐声性等航行性能试验的综合、开放的试验技术,是潜艇水动力综合性能研究的新方法,是对传统研究方法的补充与拓展。美国通过三条潜艇自航模试验研究,已经将潜艇自航模发展成为系统性、综合性的潜艇航行性能试验评估和设计优化的主要平台,其产生的大量研究成果是促进美国潜艇技术水平持续进步的强大动力,也使潜艇自航模技术成为美军新型潜艇研制体系的一重要组成部分。目前,国内的潜艇自航模技术已具备潜艇在水下空间机动的试验研究能力,正在向综合航行性能试验、验证、优化设计功能领域拓展。     

逆边界无网格法声源识别的理论与实验

针对逆向求解声源识别中的声辐射传输建模问题,采用无网格法将Kirchhoff- Helmholtz边界积分方程离散为受边界条件约束的有限维线性方程组,通过分块矩阵法对该约束方程组进行求解,得到了离散后声辐射传输模型的数值表达式.在此基础上,进一步研究了逆向求解声源识别问题的基本原理及其不适定性.为克服其不适定性,采用Tikhonov正则化和L曲线正则化参数选取方法,从而确立了有效的逆向求解方法.此外,还进行了扬声器阵列声源识别实验,实验结果验证了逆边界无网格声源识别理论和方法的可行性及可靠性.     

真比例导引律的降维分析方法

提出了三维真比例导引律的降维分析方法。首先研究视线的运动规律,提出了视线的两种旋转角速度及其计算方法,建立了视线运动方程与新的弹目相对运动方程。其次通过对弹目相对运动的分析,发现在三维空间中存在视线瞬时旋转平面,可以在该平面内构造二维制导律,以应用于三维拦截问题的制导控制。然后将空间真比例导引律不加任何近似与线性化直接引入视线瞬时旋转平面,使其维度从三维降为二维,并对其制导特性进行了分析。最后通过仿真对比分析,验证了真比例导引律降维分析方法的有效性。     

动态滑翔运动建模、机理分析与航迹优化

信天翁凭借动态滑翔的飞行技巧从梯度风中获取能量,从而在几乎不拍翅膀的情况下进行长时间、长距离飞行,这种技巧应用于小型无人机上可拓展其完成任务的能力。基于飞行器动力学对梯度风场中的无人机运动方程进行推导和简化处理;利用简化的运动方程,分别从非惯性参考系中的动能定理和机械能变化的角度,对动态滑翔获取能量的机理进行分析;利用微分平坦法,以最小平均控制输入变化率为目标函数,对徘徊模式和平移模式的动态滑翔航迹进行优化计算。分析结果表明:逆风爬升、顺风下滑是动态滑翔基本获能方式。优化结果表明:控制输入变得更加平滑,甚至出现阶段性的常值,使得控制更加简化;徘徊模式下,当风梯度作为决策变量时,优化过程可在[0,0.5 s-1]的区间上找到使得目标函数值最小的风梯度;平移模式下,目标函数值在该区间上单调递减。     

邵家庄伏击战与王震将军缴获的日军望远镜

提起威名远扬的八路军359旅，人们一定会联想起他们在延安南泥湾大生产运动-中创造的丰功伟绩，而359旅英勇抗击日本侵略者的战斗经历，同样可歌可泣。日前，一架由王震将军保存过的当年缴获日军常冈宽治少将的望远镜，被军事博物馆评定为一级文物，成为见证日军侵华暴行的有力铁证。     

基于声强矢量的舰船目标运动参数估计

基于声强矢量测量法提出了舰船目标运动参数的估计方法,并提出了快速算法.计算机仿真实验表明,以上算法是可行的,可以实时估计出舰船的速度和距离。     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.