火箭弹卷弧尾翼的轻量化研究

针对火箭弹卷弧尾翼在特定气动载荷下的轻量化问题,基于结构动力学理论,依托ABAQUS非线性有限元软件,建立了火箭弹卷弧尾翼的有限元模型。通过对比碳纤维复合材料(CFRP)和合金钢材料的卷弧尾翼的有限元分析,得出了碳纤维复合材料在满足强度和刚度的要求下,使卷弧尾翼减重达80%。该方法为火箭弹卷弧尾翼的轻量化设计提供了一种参考和借鉴。     

同时定位与制图辅助的GPS/DR组合导航

针对全球定位系统在信号失锁条件下与航位推算组合导航的系统误差快速累积问题,提出一种基于压缩扩展卡尔曼滤波的同时定位与制图的辅助的全球定位系统/航位推算组合导航方法。该方法利用同时定位与辅助实现运动平台在全球定位系统信号无效时连续稳定导航,抑制航位推算定位误差的累积,并利用全球定位系统定位结果校正同时定位与辅助制图误差,减小地图的不确定性。设计基于压缩扩展卡尔曼滤波的同时定位与辅助/全球定位系统组合滤波器,实现大尺度环境下同时定位与辅助/全球定位系统的实时解算。真实实验数据计算结果分析表明,相对于同时定位与辅助定位结果,同时定位与辅助的全球定位系统/航位推算组合导航可有效提高系统定位性能,使得制图精度提高10m。     

实时高效邮件过滤系统设计

介绍了一种基于内容的电子邮件过滤系统的设计.该系统是采用有限自动机技术对电子邮件的内容进行扫描,达到实时高效地对不合法的电子邮件进行过滤的目的.     

基于UKF-SOFNN的近距机动目标跟踪滤波算法

对于多目标杂波环境中的机动目标跟踪,由于目标集群中各个目标间的空间距离可能小于探测器的空间分辨率,因而可能出现误跟、诱饵欺骗与杂波虚警等一系列严重后果。对此,提出一种综合运用UKF(不敏卡尔曼滤波)和SOFNN(自组织模糊神经网络)的UKF-SOFNN滤波跟踪算法,将机动目标模型视作严格的非线性系统,利用UKF-SOFNN对非线性参数的辨识能力提高对锁定机动目标的跟踪能力。仿真实例表明,该算法能有效地辨识目标群中的目标,并进行可靠的跟踪。     

基于EKF算法的弹道导弹助推段跟踪建模与仿真

围绕弹道导弹助推段跟踪问题,分析了助推段反弹道导弹的基本作战过程,建立了弹道导弹助推段动力学模型,分别就单传感器/单弹道导弹和多传感器/多弹道导弹两种情况建立了基于EKF算法的弹道导弹助推段跟踪模型,并通过算例验证了模型和算法的有效性,可为助推段反弹道导弹建模与仿真提供一定的参考。     

相参辐射源安全诱偏反辐射导弹研究

相参诱偏技术,相对目前广泛采用的非相参诱偏技术,理论上可将反辐射导弹诱偏至导弹杀伤半径外的安全区域,具有一定的应用前景,其实现难点主要在于相位差的控制。通过两点源反辐射导弹诱偏模型,得出相参辐射源安全诱偏反辐射导弹所需要的相位差,提出利用交互多模-概率数据关联滤波估计的方法对反辐射导弹的位置进行滤波估计以减少相位差误差。仿真试验表明,该方法能有效提高定位精度,减少相位差误差。     

基于MVEKF的单站无源定位跟踪方法研究

单站无源定位是电子战中的一项重要技术。采用基于到达方向(DOA)和到达时间差(TOA)测量信息,可以实现固定观测站对运动辐射源的无源定位和跟踪。讨论了扩展卡尔曼滤波(EKF)及其改进形式修正协方差的扩展卡尔曼滤波(MVEKF)2种算法的原理,指出了应用场合和适用条件,并运用EKF和MVEKF对无源定位进行滤波估计。通过仿真,说明了2种算法的有效性,并验证了MVEKF对定位性能的改善。     

基于升余弦滤波的基带预失真环路延迟补偿

传统的基带预失真环路延迟估计和补偿方法估计过程复杂,收敛速度慢,补偿信号存在混迭失真,影响预失真系统的性能。为此,提出了一种新的基带预失真器环路延迟估计和补偿方法,该方法采用黄金分割法完成环路延迟搜索,用升余弦滤波器完成环路延迟补偿。其环路延迟估计搜索速度快,准确度高,环路延迟补偿后信号失真小,应用该方法的基带预失真系统NMSE指标较传统方法优化17 dB。     

基于NTP协议的一种校时实现及相关算法

提出一种基于NTP协议的系统校时实现方法及相关算法,将该算法用于大型电子信息系统中,以外部精确时间源和系统中若干台稳定主机构造NTP服务器群,并用NTP服务器群对系统中其它所有网络主机进行精确校时,得到了毫秒级的校时精度。     

Visual-attention gabor filter based online multi-armored target tracking

The multi-armored target tracking (MATT) plays a crucial role in coordinated tracking and strike. The occlusion and insertion among targets and target scale variation is the key problems in MATT. Most state-of-the-art multi-object tracking (MOT) works adopt the tracking-by-detection strategy, which rely on compute-intensive sliding window or anchoring scheme in detection module and neglect the target scale variation in tracking module. In this work, we proposed a more efficient and effective spatial-temporal attention scheme to track multi-armored target in the ground battlefield. By simulating the structure of the retina, a novel visual-attention Gabor filter branch is proposed to enhance detection. By introducing temporal information, some online learned target-specific Convolutional Neural Networks (CNNs) are adopted to address occlusion. More importantly, we built a MOT dataset for armored targets, called Armored Target Tracking dataset (ATTD), based on which several comparable experiments with state-of-the-art methods are conducted. Experimental results show that the proposed method achieves outstanding tracking performance and meets the actual application requirements.