FDTD 中微带线激励源分析

FDTD已广泛应用于微带问题的计算 ,本文在分析各种微带线馈电激励设置方式的基础上提出了一种新的激励设置方式 ,本方法不仅能计算Gaussian脉冲激励 ,也能计算正弦波激励。计算过程中 ,源平面无需切换成吸收边界。由于场区的划分使反射场自然从总场区分离出来。     

行进式雷达天线波束方位的实时确定问题

采用"边行进边工作"方式的目的是提高雷达的战时生存能力。雷达天线波束的指向乃由天线相对其平台的旋转(已知)和平台相对大地运动的转角(未知)共同决定。利用曲率和弧长的概念进行研究,提出在雷达行驶路径为已知几何曲线时,平台转角仅与行驶路程有关。只需获取行驶路程,便可确定天线波束的真实方位。     

石英微陀螺的机械耦合问题研究

通过研究石英微陀螺的机械耦合误差,对理想和非理想陀螺进行了机械建模和分析,推导出了微陀螺的敏感输出信号和机械耦合的关系公式。通过仿真,讨论了机械耦合与陀螺各参数之间的关系和相互影响程度。     

相控阵天线关键技术发展趋势

相控阵天线必然朝着降低成本和提高性能的趋势发展,因此从以下几个方面分析其关键技术的发展方向:增加带宽,提高T/R组件的附加功率效率,移相器技术,数字化电路,以及引入稀布阵技术等。对相控阵技术的需求也是对这些相关技术发展的一种重要的推动力。     

对消防部队开展基地化训练的思考

在论述公安消防部队开展基地化训练必要性和迫切性的基础上,分析了当前在建设消防部队训练基地和开展基地化训练过程中存在的问题,提出了消防训练基地建设、以训练基地为平台实施基地化训练、开展网上训练为基地化训练奠定基础的基本构思,并剖析了实施基地化训练应注意的问题。     

十字型振子FSS在机(弹)载雷达天线隐身中的应用研究

在飞行器隐身技术的研究中发现,机(弹)载雷达天线将在飞行器鼻锥方向产生很强的RCS贡献,如何降低雷达天线的RCS而又保证自身雷达正常工作已成为目标隐身技术中的一个关键课题.文中介绍了由十字型振子单元构成的带阻式频率选择表面的选频特性,探讨了该表面在低RCS抛物面天线和低RCS卡塞格伦天线中的工程应用,分析了应用于主、副反射面天线的隐身性能,最后得出两点结论,指出在副反射面天线的工程应用中更容易实现。     

应用于卫星导航功率倒置阵的改进LMS算法*

采用功率倒置准则的自适应天线阵特别适合于弱信号、强干扰的场合,因而在卫星导航系统中得到了广泛的应用。针对基于最小均方误差(LMS)算法实现的卫星导航功率倒置阵在干扰数目或干扰功率突然减少时,算法收敛慢、影响信号接收性能的问题,分析了这一现象的产生机理,并提出了相应的改进算法。改进算法通过功率监测来检测干扰数目或干扰功率的突变,然后对LMS算法进行复位处理重置权值来达到迅速收敛的目的。仿真结果表明,与原算法相比,改进算法可显著提高功率倒置阵的收敛速度。     

舰载武器作战使用条件仿真量化分析

运用层次分析法、本征向量法和多属性决策问题的数据处理等方法,对舰载武器作战使用的约束条件进行了量化分析和数据处理,系统地描述了单一约束条件和多个约束条件对武器有效使用的概率问题,建立了约束条件下,舰载武器作战使用仿真流程。研究结果对舰载武器作战使用具有一定的指导作用。     

巡航导弹INS/视觉组合导航方法

巡航导弹仅依靠惯性导航系统进行导航时,其导航误差将随着时间的累积不断变大。INS/GPS是最常用的组合导航方式,但存在战时不可用的缺陷。为此提出了一种基于EKF的巡航导弹INS/视觉组合导航方法。利用巡航导弹相对于单个已知点地标的视觉信息(方位角和高度角)和高度信息,巡航导弹INS的位置和速度误差能够同时被估计出来。最后,仿真验证了该方法的有效性。     

Model parameter estimation and residual life prediction for a partially observable failing system

We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015