地表目标复合散射的强迫激励法分析

研究了强迫激励方法在电磁散射计算中的应用 ,此方法将地表目标散射分析化为两步 :首先分析地面的散射 ,再将地面的散射作为激励作用于目标 ,从而得到地面背景下目标的电磁散射信号。应用强迫激励方法计算了地表背景下车体的时域电磁散射 ,并与试验作了对比 ,两者比较吻合     

基于双基阵的高炮弹丸炸点被动声定位研究

被动声定位技术在许多领域中有着广泛的应用,但定位精度低一直是影响其工程应用的关键问题之一。在研究单基阵被动声定位技术的基础上,提出了基于双基阵的被动声定位基本原理和方法,并对高炮弹丸炸点的被动声定位进行了仿真实验。仿真结果表明,采用双基阵对高炮弹丸炸点进行被动声定位,其精度有较大提高,克服了单基阵定位精度低的不足。此原理和方法同样适用于对其它三维空中目标进行被动声定位。     

基于直觉模糊推理的水声探测环境效能评估方法研究

针对海洋水声环境对声纳探测效能的评估问题,分析了影响声纳探测效能的海洋水声环境因素,建立了水声探测效能评估指标体系,研究了基于直觉模糊推理的水声探测环境效能评估方法。运用该方法对典型海洋水声环境下声纳探测效能进行评估,评估结果表明,该方法较好的反映声纳探测效能与海洋水声环境之间的模糊关系,评估结果更为科学可信。     

潜用自航式声诱饵发展有关问题探讨

对潜用自航式声诱饵发展的有关问题进行了探讨.从潜艇防御作战的特点和对手情况出发,研究了潜用自航式声诱饵所担负的作战使命,提出了受迫式和主动式使用自航式声诱饵的概念,分析了各种反潜兵力、反潜兵器和海底反潜网所具有的反水声对抗能力,以此为基础,探索现代潜用自航式声诱饵所应具备的功能.指出了潜用自航式声诱饵应具备声学、运动和尺度三维的诱骗能力,此外,潜用自航式声诱饵还应具备固定弹道射击控制模式、实时规划弹道射击控制模式等战术使用功能.     

基于Coherent Point Drift方法的SAR图像散射中心匹配

散射中心匹配是当前散射中心用于SAR图像目标识别的一个主要技术途径.散射中心匹配的难点在于散射中心特征存在的误差和缺失.Coherent Point Drift (CPD)方法从概率密度估计的角度解决点模式匹配问题,能够较好地考虑散射中心的误差和缺失.本文将CPD方法用于散射中心匹配,并在此基础上引入车辆目标SAR图像方位角估计先验信息和散射中心属性信息,以提高散射中心匹配的准确性和稳健性.MSTAR数据实验说明了该方法的有效性.     

基于散射探测的鱼眼激光告警方法

分析了鱼眼激光告警系统的工作原理,建立了基于散射探测的鱼眼激光告警系统的探测模型,推导出系统的目标光斑成像公式及目标光斑到达探测系统的单像元能量公式,最后引用美国休斯飞机公司AN/TVQ-2激光目标指示器参数进行数值模拟分析,得出激光传输距离及鱼眼告警系统设置高度与探测器单像元能量的关系。     

基于功率控制的水下声学传感器网络部署

目前对在传感器网络部署优化的研究中,主要集中在二维传感器部署优化的研究上,对水下三维传感器网络的部署研究特别是以优化网络资源、延长网络寿命为目的水下传感器网络非均匀部署的研究较少。改进了现有传感器探测模型,建立探测功率与传感半径的关系,结合体心立方格覆盖方案,建立了水下传感器网络非均匀部署模型,仿真实验表明,非均匀部署模型有效地控制了节点部署密度,平衡了网络能量,相对于均匀部署模型显著提高了网络寿命。     

一种新的动态分形海面模型及其电磁散射统计特性研究

给出了一种更符合海面实际情况的基于未充分发展海谱的分形海面模型(NDFFM),使用双尺度法计算了NDFFM海面的后向散射截面,并研究了动态散射场幅值分布。结果表明在大特征斜率下散射场服从K分布,随着特征斜率的下降,散射场分布向瑞利分布退化。最后将计算数据与传统的分形模型和实测雷达数据进行比对,证明了该模型的准确性和有效性。     

基于SAR图像的目标散射中心特征提取方法研究

针对SARATR需要,基于属性散射中心模型,研究了从SAR图像提取目标散射中心特征的方法。该方法首先从SAR图像分割出包括单个散射中心响应的目标区域,然后判断该区域对应的散射中心的类型,最后再采用相应的参数模型进行参数初值选择和数字优化,从而得到对应该区域的目标散射中心特征。通过循环执行上面的步骤,就可以从SAR图像提取出目标所有散射中心特征。仿真结果表明,该算法具有良好的估计性能。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。