基于多DSP系统实现的非聚焦合成孔径实时成像处理

合成孔径成像是提高图像方位向分辨率的有效方法,但算法运算量大,在机载条件下往往实时性得不到保证。采用非聚焦成像算法可以在分辨率与运算量之间作一个折衷,可以在分辨率要求不是很高而需要实时性很强的情况下,输出方位向得到较大改善的实时图像。在简要介绍非聚焦合成孔径成像原理和TMS320C6203芯片特点的基础上,着重讨论了非聚焦合成孔径成像算法基于多DSP系统的实时实现,分析了系统性能并给出了实验结果。     

RBF网络用于战车火控系统弹道解算的方法

弹道解算问题对战车火控系统的性能有着直接的影响.传统的弹道解算方法在精度和实时性方面都存在一定的局限性.为了提高解算精度、战车首发命中率和解算的实时性,基于RBF网络的函数逼近及预测能力,将RBF网络用于弹道解算,对传统算法进行优化,得到了新的弹道解算方法.最后对所提方法进行了仿真,发现新方法在解算精度没有降低的条件下,大大提高了弹道解算的实时性.     

舰炮武器系统对大目标跟踪精度评估修正方法

随着技术的发展,舰炮武器系统的精度水平越来越高.在真实目标环境下一些影响系统精度评估的因素必须加以考虑,将具有相当外形尺度的目标作为点目标考虑势必带来系统精度评估的误差.针对大尺度目标,在目标坐标系下建立了目标外形尺度模型.利用目标坐标系和瞄准线坐标系之间的坐标变换,得到目标外形尺度在瞄准线法面上的描述,据此提出了一种大目标瞄准精度评估修正的计算方法.     

弹炮结合防空武器系统毁伤概率分析与仿真

针对弹炮结合防空武器系统毁伤概率是决定系统效能的关键问题,分析了决定系统精度和毁伤概率的主要因素及其相互关系.以单枚导弹对目标的毁伤概率和高炮一次点射对目标的毁伤概率为目的,建立了弹炮结合系统毁伤概率分析模型.通过计算机仿真得出了一定航路条件下对典型目标射击,高炮一个2S长的36发点射的平均毁伤概率为40%,单枚导弹的平均毁伤概率为63%.在2枚导弹和2个点射的情况下,系统总的毁伤概率可达97.8%.     

解析美国大学TESL硕士培养的主要课程与设置理据——以曼卡托明尼苏达州立大学为例

把英语作为第二语言的教学是20世纪60年代在美国兴起并逐步走向独立的科目,它在综合相关专业的同时正在朝专业化方向发展。近年来其硕士层面的教育为全球培养了大量合格的中小学英语教师,取得了较好的成绩。本文以曼卡托明尼苏达州立大学英语系为例,并结合笔者在该系攻读TESL硕士学位时的经历,解析其主要课程及设置理据。     

一种基于SSNF的新型阈值滤波去噪算法

介绍了一种空间选择性的噪声滤波(SSNF)方法,并在此工作之上提出了一种新的自适应于小波变换尺度的阈值函数,从而对经SSNF滤波之后的小波系数进行了进一步的阈值处理,以去除残留在系数中的噪声部分。仿真试验和理论分析表明,相比其它传统的去噪方法,该方法的优点在于:所得到的小波系数不仅连续性好,而且更加接近于未加噪信号的小波系数,阈值函数具有很大的灵活性和自适应性,并适用于一些掺杂非白噪声的场合。     

水力测功器模拟螺旋桨高海情负载的神经网络预测控制仿真研究

为解决用水力测功器实现螺旋桨高海情下动态负载模拟的难题,首先给出了问题的数学描述并从工程应用角度做了适当简化,完成了开环辨识试验和神经网络建模;然后基于模型预测控制的基本原理进行了水力测功器模拟螺旋桨高海情负载的神经网络预测控制研究;仿真研究结果证明,文中所提方法确实有效,可用于水力测功器建模及动态加载控制。     

基于改进局部投影算法的非线性时间序列降噪

改进了非线性时间序列降噪的局部投影算法,并应用此算法对含噪Lorenz混沌信号进行降噪,将其与小波分析降噪效果进行比较,实验结果表明:改进的局部投影算法对非线性信号降噪效果十分明显。     

基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。     

基于神经网络的模糊理论在桥梁状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用.在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的等级状态评估,建立了基于三层神经元的模糊神经网络模型,并建立结构损伤度函数及等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级.以检测的480组索力数据作为学习样本,另外4组作为验证样本进行了索力状态评估预测.计算结果表明,网络预测值与期望值吻合良好.