反射射线追踪技术在城市场景多径预测中的应用

多径效应是影响通信、导航系统性能的关键因素,其不仅影响信号传播的功率衰落,还会引起信号时延、频移、极化等参数的变化,导致通信、导航系统性能下降。针对多径效应,提出基于虚拟源树、环境分区处理、背向检测等加速技术的反向射线追踪算法进行快速三维路径追踪,准确预测多径信号的损耗、时延分布。在此基础上,以城市场景为例进行算法仿真,并对任意尖劈绕射算法进行深入研究。以信号在简易街道传播为例,对比分别利用所提算法原理的MATLAB程序和利用Wireless Insite仿真得到的反射路径与功率分布,验证了算法的有效性。     

烟雾干扰光学制导武器中Mie散射系数快速算法

烟雾干扰光学制导武器中烟雾中的颗粒物的浓度、平均粒径的精确测量是评价武器隐蔽效果的关键指标。Mie散射中的消光系数计算是烟雾中颗粒物的平均粒径和浓度测量中的关键步骤。在传统Mie散射计算的基础上提出一种适用不同颗粒大小和复折射率的Mie散射系数算法。推导了散射系数计算公式,分析了不同折射率和粒径的递推公式。计算表明,该方法的计算精度高、范围广、时间短,适用于干扰烟雾中生成颗粒物的平均粒径和浓度在线测量。     

战术背景对跟踪滤波器设计的影响

可以利用战术背景下做战术机动空中目标的特性来提高跟踪效果。提出了先目标机动预测,然后进行机动检测和滤波的方法（ＰＩＦ）。本方法可以提高对空中机动目标的跟踪效果而无须做大量的运算。     

建立不工作失效率理论预测模型的具体方法

本文介绍了建立不工作失效率理论预测模型的具体方法和途径,提出检验数据是否可用的五条标准,并讨论了模型建立过程中应注意的几个特殊因素。     

模糊聚类方法在地震火灾评判中的应用

参照地震火灾的历史资料,用模糊聚类方法对城市地震的特征及火灾损失进行了分类,在此分类基础上给出了预测和评估某城市地震火灾损失的计算方法。     

基于转置卷积神经网络的翼型结冰冰形图像化预测方法

结冰问题严重影响飞机飞行安全,结冰智能预测是飞机智能防除冰系统设计和安全设计的重要依据和支撑。为解决复杂冰形在翼面同一位置的法线方向冰形厚度存在多值的问题,提出基于转置卷积神经网络的翼型结冰冰形图像化预测方法。设计预测模型的神经网络结构、损失函数、数据规范等,直接将影响飞机结冰的飞行和大气条件作为输入,以灰度化的冰形图像作为输出。基于NACA0012翼型,通过数值模拟方法生成冰形数据集,同时利用风洞试验结果对数值模拟方法进行验证,以确保生成数据的可信度。构建以飞行速度、温度、液态水含量、平均水微滴直径和结冰时长5项参数作为输入的预测模型,并进行仿真训练和验证。仿真结果表明:所提翼型结冰预测模型不仅能够快速预测翼型冰形,而且在冰体轮廓、结冰上下极限、冰角位置、结冰厚度等主要特征方面也与数值计算结果符合较好。     

扩频系统中一种FFT算法的快速捕获方法

针对高动态、大频偏的扩频系统采用了一种基于快速傅氏变换(FFT)算法的伪码快速捕获方法,该捕获方法是在搜索伪码相位的同时,通过频率扫描的方式搜索载波频率偏移值,将原来的伪码相位、载波频偏的二维搜索过程变成只搜索伪码相位的一维搜索过程,从而大大减少了高动态、大频偏扩频系统中的同步伪码的搜索的复杂度。理论分析和仿真结果都证实在不增加硬件复杂度的情况下,基于FFT算法的伪码快速捕获方法能够大幅度地缩短捕获时间,降低系统复杂度。     

一种应用定制指令集可重构结构及FFT算法映射优化

现代无线通信应用对FFT计算吞吐率与灵活性需求越来越高,针对传统方案实现FFT计算时难以兼顾性能与灵活性的问题,提出一种应用定制指令集可重构结构ASRA,实现了FFT算法在该结构上的映射优化。ASRA在静态多发射处理器内紧耦合应用定制的混合粒度可重构硬件作为扩展功能单元簇,通过运行时重构动态切换扩展指令集。ASRA采用多体便笺存储器、多端口便笺管理单元及可重构互连构成片上缓存系统,结合多体并行访问、循环级乒乓交替、读/写流水化等技术有效提高了访存带宽;静态多发射和运行时语境管理机制支持核心循环的硬件自动流水执行和软流水执行,开发了指令级、数据级和循环级等多层次并行性。实验结果表明,ASRA大幅提升了FFT计算吞吐率,且支持的FFT计算参数更加灵活,而增加的面积开销相对较小。     

双预测结构融合的复杂红外图像背景抑制算法

针对复杂红外图像的背景抑制问题,提出了一种双预测结构融合的复杂红外图像背景抑制算法.算法以图像中每个像素为中心,在其局部区域内根据灰度相似程度和空间分布相关性计算像素的核值相似程度,然后根据核值相似程度有侧重地融合两种不同结构的空间滤波器的输出作为最终的预测结果,最后将原始图像与预测图像相减完成背景抑制.实验结果表明,本文提出的算法能够较好地抑制不同红外图像中的复杂背景,算法结构简单,具有较强的应用价值.     

不平衡数据的软件缺陷预测方法

数据的不平衡问题是数据分类领域中的一个热点问题。当分类算法处理这些数据时,算法将偏向多数类而忽视少数类。在软件缺陷预测领域,它并没有引起足够的重视,在4组NASA不平衡数据上比较和分析了14种分类算法的性能,为了克服数据的不平衡性,采用SMOTE技术对软件缺陷数据进行平衡化,最后在AUC和F-measure评价指标下对算法进行评估。实验结果表明随机森林算法在4组数据上表现最佳,这为软件缺陷预测提供了很好的参考。