低能电子散射中的定域交换势(I)电子被He,Ne和Ar原子的散射

文中利用自由电子气体近似(HFEGE)定域交换势和修正的半经典近似(MSCE)定域交换势,加上正交化方法(Orthogonalization technique),对能量在0.1～20eV的低能电子被He,Ne和Ar原子的弹性散射过程进行了计算。其中靶原子的电荷分布以及入射电子和靶原子的静电作用利用原子的Roothaan-Hartree Fock渡函数求出;相关和极化作用则用一个无参数的相关极化势近似表示。通过本文计算结果和严格计及交换作用的结果及实验数据相比较,对HFEGEE和MSCE交换势的准确性以及正交化过程对计算结果的影响进行了分析。     

旋转椭球体的瞬态电磁目标特性研究

本文针对旋转体金属目标,提出了改进的时域递推法,以计算其电磁脉冲响应特性,它将面上的二线问题降为一线问题,减少了计算量,以便于计算大尺寸目标。同时,用该方法计算了不同脉冲宽度激励下球的反射波形和不同长度棉球的反射波形,并讨论了它们的特性。     

基于矩阵束方法的全极化雷达目标结构特征的描述

针对宽带、高距离分辨率、全极化雷达的工作体制,提出了利用矩阵束方法将雷达目标分解为沿径向距离上的散射中心分布。根据目标的瞬态极化响应,提取相应于散射中心的极化特征,由此形成目标沿径向距离分布的结构特征描述的新方法。     

遗传算法及其应用

简述了遗传算法的其本原理和特点,并将其应用于声纳目标特征的选择。实验结果表明了遗传算法在模式特征优化和选择中的优势。     

基于本征极化的飞机目标识别

提出了变质极化散射矩阵对称性的最小Ｆｒｏｂｅｎｉｕｓ范数准则修正方法,并在此基础上利用本征极化理论提取了雷达目标的极化特征,对五种飞机目标进行了识别实验研究,取得了良好的目标分类或识别效果。     

基于一维平均距离像矩特征的飞机目标识别

本文分析了利用一维距离像进行目标识别的问题。通过对目标相邻的一维距离像进行幅度平方平均处理,得到比较稳定的平均距离像。然后将目标的平均距离像看作二值图像,提取它的矩特征用于分类识别。对三类飞机目标进行分类识别的结果表明该方法是可行的。     

L(0,1)模态导波在小管径管道弯头处的散射特性

采用实验和有限元模拟的方法研究了L(0,1)模态导波在小管径管道弯头处的模态转换和反射、透射特性,分别使用不同频率的激励信号对含不同弯曲半径弯头的管道进行检测。研究结果表明:L(0,1)模态导波在管道弯头处发生模态转换,转换成F(1,1)模态,并且其偏振方向与弯头拱背—拱腹方向一致;随着检测频率和弯曲半径的增大,反射F(1,1)模态呈减小趋势,透射F(1,1)模态呈非单调变化趋势;反射L(0,1)模态导波呈减小趋势,透射L(0,1)模态导波呈增大趋势;当检测频率或弯曲半径增大到一定程度时,两参数的变化对反射F(1,1)模态、反射L(0,1)模态和透射L(0,1)模态的影响不大。实验结果与模拟结果吻合度高,验证了模拟结果的正确性。研究结论为检测小管径含弯头管道提供了理论指导。     

飞机运动特征对动态RCS序列的影响分析

针对超音速隐身飞机难以探测的问题,仿真分析了F-22飞机在不同运动特征下的动态RCS,并对其频率响应和极化响应特性做进一步的研究。首先设定飞行航迹,并考虑实际中随机抖动的影响,获取时变的雷达视线姿态角;其次应用物理光学并结合等效电磁流的方法,计算分析了飞机以不同的速度沿不同航迹飞行时的动态RCS。对于使飞机动态RCS变化最明显的运动特征,仿真计算了其在不同频段、不同极化下的动态RCS。仿真结果表明:在不同航迹下,飞机速度对其动态RCS的影响程度不同,且当飞机沿小航路捷径低速或者高速飞行时,其RCS值减小最为明显,利用极化响应和频率响应特性可以有效地削弱这一影响。研究成果对于超音速隐身飞机目标的预警探测具有重要意义。     

基于概率分布的硬件木马检测特征选择方法

针对基于旁路信号分析的硬件木马检测中存在的高维以及信号冗余度高等问题,寻求一种特征选择方法在降维、降低冗余度方面的可行性,通过考虑样本概率的分布情况,提出了一种以散度和Bhattacharyya距离作为可分性判据的特征选择方法。首先分析了旁路信号的特征选择问题,然后阐述了基于散度和Bhattacharyya距离的可分性判据,最后在FPGA中植入硬件木马,采用K-L方法进行实验,通过对样本特征选择前后的检测效果发现,这种特征选择方法不仅有助于分辨"金片"与含木马的待测芯片间旁路信号的统计差异,而且与分类错误率建立联系,更好地实现了硬件木马的检测。     

CRF与规则相结合的军事命名实体识别研究

作战命令的分词是作战指令自动化生成、文图转换等各种指挥自动化技术的重要基础。在作战指令进行分词处理的过程中,军事命名实体的识别是技术难点之一。命名实体是信息的主要载体,它的识别是军事信息抽取的关键。提出了一种基于CRF模型与规则相结合的命名实体识别方法,结合基本特征与外部词典特征,提高了实体识别效率;在后期进行规则优化,最终实现高效的命名实体识别。实验证明,该方法是行之有效的。能够成功解决命名实体的自动识别问题。