远程火箭炮对不规则面目标分布式多点毁伤计算

对不规则面目标分布式毁伤计算,是远程火箭炮实现多点同时打击典型打法亟需解决的问题。改进后的像素仿真法,将海量像素点与随机弹着点间的循环运算转化为集合运算,大幅提高运算效率的同时,也便于通过缩小颗粒度提高精度,实现毁伤效果可视化,便于为指挥员决策提供直观依据。使用该方法对不规则面积目标进行了毁伤效率计算,仿真结果验证了方法的有效性。     

多核数字信号处理器矩阵乘卷积算法性能评测

矩阵乘卷积算法能够为各种卷积配置提供高性能基础实现,是面向给定芯片进行卷积性能优化的首要选择。针对国防科技大学自主研制的飞腾异构多核数字信号处理器(digital signal processor, DSP)芯片的特征以及矩阵乘卷积算法自身的特点,提出了一种面向多核DSP架构的高性能并行矩阵乘卷积实现算法ftmEConv。该算法由输入特征图转换、卷积核转换、矩阵乘以及输出特征图转换这四个均运行在通用多核DSP上的并行化部分构成,通过有效挖掘通用DSP核中功能单元的潜力来提升各个部分的性能。实验结果表明,ftmEConv实现了高达42.90%的计算效率,与芯片上的其他矩阵乘卷积算法实现相比,获得了高达7.79倍的性能加速。     

七二二所研发的定子清洗机处于业内领先水平

<正>近日,七二二所研制的民品项目定子清洗机顺利交付,因设备性能优越,获得用户充分的评价和肯定。该设备为新型气相类清洗机,采用一氟二氯乙烷(俗称141B)溶剂作为清洗剂,适用于清洗冰箱压缩机内部的电机定子、转子及缸盖,清洗速度快、产量高,效果好。该设备采用全密封方式,具有冷凝回收功能,溶剂重复使用率高,运行安全可靠。设备还采用行车搬移与输送链传动混合的方式,克服了国内同类型设备只采用输送链式传动,结构偏小,只能清洗小型零件的缺点,整体性能达业内领先水平。     

基于目标散射的双基地雷达多假目标干扰技术

双基地雷达系统采用发射站与接收站分置的工作模式,所以传统干扰方法的干扰信号难以到达双基地雷达接收站。针对双基地雷达工作特点,提出了基于目标散射的多假目标干扰模型,有效解决了传统干扰方法的干扰信号不能到达双基地雷达接收站的难题,并基于DRFM技术,研究了运用卷积调制产生多假目标的方法,从而对双基地雷达形成有效的多假目标干扰。理论分析和仿真实验证明了方法的可行性、有效性。     

主瓣抗干扰算法研究

天线方向图旁瓣存在干扰时,传统的抗干扰算法能起到很好的抗干扰效果。当干扰存在主瓣,干扰和信号十分接近时,干扰被消除同时,期望信号也将被抑制,出现自适应天线方向图主波束严重变形,旁瓣电平升高的问题。文章介绍阻塞矩阵方法,引入基于信号正交子空间投影算法,有效地解决了上述问题,并克服了阻塞矩阵方法消耗阵列自由度和对干扰信号到达角敏感的缺点。仿真结果证明新算法的有效性。     

“一连一品”助增收

正今年,六师芳草湖农场东河坝社区结合党的群众路线教育实践活动的开展,在多方征集意见建议的基础上,充分挖掘各连队优势,开创了"一连一品"增收模式,并取得了良好的成效。果蔬大棚成"聚宝盆"。年初,三连党支部一班人紧抓团场扩大番茄种植面积的契机,想到利用2013年年底新建的26座大棚培育番茄苗,将果蔬大棚种植发展成为连队品牌。这一想法得到了职工群众的支持。     

块三对角矩阵的修正型局部块分解预条件

利用块三对角阵分解因子构造了一类修正型不完全分解预条件子 ,分析了该预条件子的存在性及其若干性质。针对从二维Laplace算子离散得到的五点差分矩阵 ,给出了预条件后的实际条件数 ,结果表明 ,条件数与矩阵阶数的平方根成正比 ,并且比例因子随局部分解步长的增大而逐渐减小。具体实现时 ,考虑了其高效实现方案 ,并针对从二维Laplace算子与系数不连续的二维椭圆型算子离散得到的五点差分矩阵 ,在主频为 5 5 0MHz ,内存为 2 5 6MB的微机上作了大量实验 ,且与其他较有效的预条件方法进行了比较 ,结果表明该预条件方法效率优于其他测试预条件。     

一种基于线性流形的基因表达数据的聚类方法

由于基因表达数据的稀疏性和噪声性,传统聚类算法对其聚类时不能取得好的效果。针对这一问题,一种新的线性流形方法被提出,它的基本思想是搜索数据集中的线流形聚类,再将其中某些线流形聚类融合构造高维流形聚类。该算法将切向距离和法向距离作为线性流形的距离度量,运用空间近邻信息,采用聚类基因的平均表达水平作为转移向量,提高了聚类的准确度。实验结果表明,该算法的聚类准确性优于其它聚类算法,并且对带有噪声的数据可以保持较高的聚类准确度;在对Hela基因表达数据聚类时,算法得到了具有显著生物学意义的聚类。这些都说明提出的算法对基因表达数据聚类的适用性和有效性。     

基于CNN-PCA-DT算法的合成孔径雷达目标识别

合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别是SAR图像解译的重要环节,已广泛应用于国防和国民经济领域。在传统的卷积神经网络(Convolutional Neural Network,CNN)的基础上,提出了将CNN,主成分分析(Principle Component Analysis,PCA)和决策树(Decision Tree,DT)相结合的算法,记为CNN-PCA-DT:利用CNN提取出SAR图像的特征向量,再用PCA降维,最后用DT分类器取代CNN中的Softmax分类器实现SAR目标识别。实验结果表明,所提出的算法在MSTAR实测数据集上取得了较高的识别准确率,从而说明了实验的有效性。     

大子直积与其系数环

设 为无限正则基数,F为集合I的滤子,通过模的 积和F-积给出了其系数环R相关结构的特征刻画。作为应用,一些已有的结果得到了推广。