单兵火箭燃气射流噪声抑制的实验研究

为了能够有效抑制单兵火箭发射时的燃气射流噪声,设计了液体水圆柱形平衡体安置在火箭发动机后面,对平衡体降噪进行实验研究。在实验中利用压电式传感器测得了发射筒周围的冲击波超压值,与没加液体水平衡体实验测得的超压值相比较,发现放液体水平衡体时在改进发动机推力性能的同时,降低了整个观测区域的噪声,尤其是射流上游,起到了显著的降噪效果,并分析了火箭燃气射流与液体水平衡体相互作用的机理。实验结果对单兵火箭发射的噪声防护问题研究提供了科学依据。     

基于GPS载波相位差的炮弹滚转角测量方法

针对高速旋转炮弹滚转角的测量问题,在分析了相邻天线载波相位与滚转角数学关系的基础上,将载波相位差作为弹体滚转角的量测,最后使用扩展卡尔曼滤波技术估计弹体滚转角和滚转角速率。实验和数字仿真结果表明基于GPS载波相位差的滚转角测量方法在工程应用上是可行的,为高速旋转制导修正炮弹滚转角的实时测量提供了一种技术途径。     

基于相位序列降低多载波信号峰均比的研究

为了解决多载波信号峰值平均功率比(PAPR)较高的问题,从多载波信号的初始相位出发,结合预留子载波(TR)降低PAPR的方法,提出了Newman-TR联合算法,经理论分析和仿真表明,该算法能有效降低系统的PAPR,且不会产生误码率。针对所提算法复杂度较高的问题,提出一种次优搜索来代替全局搜索,降低了计算的复杂度,提高了该算法的实际可行性。     

高分辨率UAV SAR的三维运动误差分离与补偿

在基于SAR回波的数据处理中,多普勒调频率具有很高的估计精度且对场景的依赖性很小,可以更广泛地用于自聚焦处理。基于多普勒调频率参数估计,针对回波包络及相位分别提出了误差提取模型,并通过包络误差校正和相位误差补偿两个步骤实现了高精度的运动补偿处理。实测数据表明,本文方法可以在低精度导航信息情况下获取高分辨率雷达图像。     

一种快速确定GPS整周模糊度的方法

GPS初始整周模糊度的求解是利用载波相位进行测量时的关键问题,采用了对系数矩阵进行QR分解的方法,用以降低矩阵的维数。模糊度搜索时,针对Z变换可能会引入多余误差,采用了对称三角分解法对协方差矩阵进行去相关处理。实验与仿真结果表明,定位误差在0.5 cm以内,方位角和仰角误差在0.1°以内。     

基于SDP松弛的干扰资源优化分配技术研究

提出一种基于semidefinite programming(简称SDP)松弛的干扰资源优化分配算法。在问题优化过程中首先对模型中非凸的约束条件进行松弛,变为凸约束,将原来的数学模型转化成SDP求解形式,利用内点算法对松弛后的模型求解。该算法利用解析的手段使得干扰资源优化分配问题中的NP难问题在多项式时间内得以解决,并且有较高的可靠性。仿真结果验证了算法的有效性。     

基于显著性的红外图像强固定模式噪声抑制*

本文针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据提出基于显著性的红外图像强固定模式噪声抑制算法。文中首先对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。最后,通过大量小目标、强固定模式噪声红外图像对算法性能进行测试,结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

高效因特网密钥交换协议(IKE)的研究与实现

IKE协议是因特网安全协议IPSec的重要组件,它的高效实现是IPSec的关键所在。在分析了IKE协议的基础上,给出了一种设计结构,并进行了性能评价和分析。基于实时嵌入式操作系统VxWorks环境的测试表明这是一种高效的实现方案。     

弹道导弹滚动飞行稳定仿真

弹道导弹在助推段需要滚动突防,减少强激光照射的驻留时间,可以有效地对抗激光反导,但姿态稳定的实现则有很大的不同。利用经典控制理论和多变量频域理论设计了导弹的自动驾驶仪,仿真结果表明,对静不稳定导弹的一级助推段可以实现低滚速下的稳定飞行。     

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。