超声波扩频测距及其信道自适应均衡技术

在扩频通讯系统框架中,建立一种新颖的多阵元超声波测距定位系统。从测距系统的仿真结果来看,采用二进制相移键控(BPSK)直序信号数字相关解调技术和基于最小均方算法的超声波接收信道自适应均衡器,不仅可以克服本地载波(相干解调)相位偏移所带来的不利影响,而且可以抑制多径信道噪声干扰和接收信道增益、相位随机漂移对测量精度的影响,从而提高了超声波测距系统的信噪比和分辨率。此外,采用伪随机码扩频解扩方法,容易实现码分多址(只要给安装在大范围测量区域中多个传感器分配相应的伪随机码,就可以方便地辨认出各个区域传感器发出的信号),扩大超声波测距系统的测量范围。     

基于声卡的音频定向实验系统设计与实现

设计并实现了一套基于高频声卡的音频定向传播实验系统,该系统包括了信号产生与测试分析两部分。系统由计算机内置声卡、功放、换能器以及传声器、调理器、A/D等部件组成。利用该系统可方便地修改模型及其他实验相关参数,并且实时地产生希望特性的调制超声波。很好地满足了音频定向实验的实际需求,同时系统结构简单,成本低廉,具有明显的实用性。     

装备可测性设计与评估技术综述

可测性设计对于提高装备的测试水平、缩短故障检测和隔离时间，进而降低使用保障费用具有重要的意义。论文综述了装备可测性技术的国内外发展现状，阐述了可测性的技术体系，对其关键技术进行了分析研究，提出了目前亟待解决的关键问题和难点问题，并对进一步的研究发展给出了建议。     

基于模糊C-划分和3D小波变换的视频编码方法

在传统矢量量化的基础上,引入噪声模型的影响,结合模糊数学理论,提出了一种基于模糊C-划分的混合噪声模型的矢量量化方法,并将其应用到视频编码中。文中视频编码方法采用了运动补偿与3D小波变换相结合。主要对基于模糊C-划分的混合噪声模型的矢量量化进行了分析。实验结果表明,该方法在视频压缩中具有良好的效果。     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

随机误差对舰炮火控系统设计精度要求

针对舰炮武器系统精度设计的需求,以某型舰炮为例,采用蒙特卡洛法,利用6自由度弹道模型解算数百条弹道,求出在特定的命中概率下,火控系统修正舰艇摇摆时产生的随机误差对目标高度、水平距离及舰炮射角、射向的影响,从而对火控系统设计精度提出要求.靶场实践证明应用此方法可以提高舰炮武器系统的命中概率.     

坦克炮控系统非线性特性及自适应补偿控制

影响坦克炮控系统低速性能主要有两个方面的因素,摩擦非线性和齿隙非线性。建立了坦克炮控系统数学模型,介绍了坦克炮控系统中摩擦、齿隙两类重要非线性模型,分析了摩擦、齿隙对炮控系统性能的影响,以及摩擦非线性环节导致系统低速时的爬行现象、速度过零时的平顶现象;齿隙非线性环节造成系统输出误差外,系统会因极限环振荡或冲击而降低性能,甚至不稳定,总结了炮控系统中针对摩擦、齿隙等非线性环节的自适应补偿控制的研究成果。     

战争设计工程中专家群体研讨组织研究

通过对产生战争复杂性原因的分析,对战争设计工程提出的专家群体集体研讨方法进行了研究;并重点对专家群体组成、在研讨中的作用与专家之间协作关系进行了阐述。为对抗由战争复杂性引起的诸多战争问题,提供了一种切实可行的研究方法。     

ITSON：一种基于拓扑演化的P2P智能搜索机制

P2P系统中节点的动态特性对搜索性能的稳定提出了很大挑战。借鉴社会学和组织学相应原理,提出拓扑演化模型捕获节点的运动规律。节点模拟人类在社会网络中的行为,根据自身和他人的兴趣变化,随搜索过程的进行,利用自身局部信息,动态、自适应地调整网络拓扑,及时反映资源分布以及搜索内容的动态变化,维持资源合理组织。在此基础上提出的智能搜索机制ITSON(InTelligent Search based on tOpologyevolutioN),利用消息转发的智能性进行路由方向决策,从而迅速定位提供资源的节点。仿真结果说明,ITSON能自动优化网络,具有良好的搜索性能和自适应特性。     

正交化超分辨算法的误差灵敏度分析

本文给出了基于 Gram-Schmidt正交化方法的超分辨算法,并分析了该算法对阵列幅度和相位误差的灵敏度。给出了两个目标、不同阵元数和不同间距等情况下的灵敏度计算结果。结果表明本文的算法在目标小角度间隔、大阵元数的情况下,受幅相误差的影响没有最大似然估计（MLM）和 MUSIC算法敏感。