正弦高斯组合的UWB脉冲波形设计

针对美国FCC关于超宽带传输系统提出的辐射掩蔽特性,提出了一种基于正弦高斯组合的UWB脉冲波形设计新方案。以一组正弦高斯脉冲为基函数,利用最小均方误差准则(LSE)选取加权系数对基函数进行线性组合,通过调整基函数的载波频率和脉冲形成因子,对波形进一步优化。分析了TH-PPM UWB多用户系统的误码率性能。仿真结果表明,与高斯二阶微分脉冲、随机系数组合脉冲相比,基于正弦高斯组合脉冲具有更高的频谱利用率,误码性能更优。     

机载二次电源系统的建模与仿真分析

为了提高机载二次电源系统的效能评估,以工程应用需求及其提供的试验数据为依据,结合Saber仿真软件的特点,根据机载二次电源系统的特点及功能要求,利用基于原理图、基于实验数据和基于功能要求的建模方法,分别建立了二次电源系统的三相静止变流器、DC-DC变换器、过流保护装置及负载舵机的仿真模型。通过系统仿真实验,结果证明所建立的模型均达到了系统的功能要求,同时也证明了相应建模方法的可行性、准确性和有效性。     

基于正弦高斯组合的UWB脉冲波形设计

针对美国FCC关于超宽带传输系统提出的辐射掩蔽特性,提出了一种基于正弦高斯组合的UWB脉冲波形设计新方案。以一组正弦高斯脉冲为基函数,利用最小均方误差准则(LSE)选取加权系数对基函数进行线性组合,通过调整基函数的载波频率和脉冲形成因子,对波形进一步优化。分析了TH-PPM UWB多用户系统的误码率性能。仿真结果表明,与高斯二阶微分脉冲、随机系数组合脉冲相比,基于正弦高斯组合脉冲具有更高的频谱利用率,误码性能更优。     

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。     

光电载荷安装误差标校的飞行航路

无人机搭载光电载荷进行安装误差标校时,飞行航路的选择与规划在很大程度上影响着标校算法的收敛性与误差识别结果。为增强标校飞行架次的有效性,提高安装误差可被识别的程度,改善标校算法的收敛性及标校精度,对标校的原理和标校算法进行了理论分析,并利用考察差异函数偏微分的方法找到了标校航路和安装误差标校之间的相互联系,然后结合标校实施过程中所遇到的实际问题提出标校航路规划应遵循的原则,给出了标校航路规划的参考范例。     

有限水深Kelvin源格林函数及其导数的快速计算

应用线性船舶水动力学理论,将有限水深Kelvin移动兴波源格林函数分解成3部分:简单Rankine源集合、局部扰动项和波函数项。对各部分在亚临界和超临界航速时的快速计算分别作了讨论,其中对计算费时的局部扰动项采用了复数中的最陡下降积分法,加快了计算速度,进而引出各部分偏导数的计算。最后,比较了格林函数的差分值与偏导数值,计算了薄船兴波阻力与表面兴波,讨论了不同面元网格划分的收敛性,证实了亚临界、超临界航速兴波分别以横波、散波为主。     

基于核函数的自适应聚类背景提取

随着目标的检测与跟踪的广泛应用,移动物体分割问题成为研究热点,而解决这类问题的关键需为对图像背景的更新和提取。通过对目前已有的背景提取方法的研究,提出了一种新的基于核函数的背景提取方法:进行预处理,制定删选法则来自适应获取所需处理的视频序列;定义核函数来衡量模式间相似性,对2类聚类中心进行初始化;利用最小距离准则来灰度归并,采取实时的自适应阈值选择;最后通过比较满足条件的像素总数,获取所需背景。实验证明,该方法有效。     

超声速二元机翼随机混沌运动分析

以考虑随机扰动的超声速二元机翼为研究对象,采用Kapitaniak方法对超声速二元机翼的随机混沌特性进行研究。采用三阶活塞理论推导超声速二元机翼的非线性气动力和气动力矩,建立考虑随机扰动、具有俯仰立方非线性的机翼2自由度运动微分方程,并将其写成4维状态方程的形式;采用中心流形方法对系统进行降维,将系统状态方程从4维降为2维;再联合利用累积量截断法、非高斯截断法获得系统的二维联合概率密度函数及系统的概率时差图,采用Kapitaniak方法分析系统在不同扰动强度下的随机混沌特性;采用系统响应、庞加莱截面图及最大Lyapunov指数等对系统的随机混沌特性进行验证。本研究对超声速二元机翼在复杂环境下的稳定性、安全性及响应特性等研究具有重要的促进作用。     

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。     

残差域加权ACF基音周期检测算法

针对传统自相关(ACF)基音周期检测算法存在较多的倍频和半频错误,文章提出一种基于线性预测残差域加权ACF基音周期检测方法。首先对语音信号中心削波,减小共振峰的影响;而后进行线性预测分析获得残差信号,对其求自相关值和循环幅度差(CAMDF)值,以CAMDF的倒数值为权重加权ACF进行基音周期检测;最后通过基音平滑算法对提取的基音轨迹进行后处理。仿真实验表明,该算法可降低基音提取的倍频和半频错误,提高估计精度。