针对SCPS-NP的协议分析方法

描述了卫星通信协议中网络层协议SCPS-NP的基本结构,阐述了BM算法与ID3算法原理,提出了一种新的针对空间传输协议的有效分析方法———NP-BM-ID3算法,并通过仿真实验进行验证。实验结果表明：通过将原有的数据集分类,该算法不仅有效地解决了模式串长度不足问题,而且减少了规则总数,在条件属性数量不变的情况下降低了运算复杂度。     

原位反应电火花沉积TiN陶瓷增强相的工艺性能

以TC4钛合金为电极,氮气作为反应气和保护气,在45钢表面原位反应生成含TiN的沉积层。对电压、电容、频率、转速和比沉积时间5个沉积层厚度影响因子,各设4个工艺水平,进行正交试验,研究多项工艺参数同时变化时沉积层厚度的变化规律。结果表明：选用电容为120μF,输出电压145 V,比沉积时间3 min/cm2时可获得综合质量最优的沉积层。电火花反应沉积层与基体形成冶金结合,沉积层均匀致密,厚度约为30～40μm,主要由TiN、FeTi和Fe9.64Ti0.36组成。沉积层的弹性模量为183.614 GPa,而纳米硬度达14.039 GPa,是基体的4倍。结果表明：原位反应电火花沉积可有效改善材料的表面性能。     

舰空导弹引战配合可视化仿真分析方法

提出了一种更加直观的舰空导弹引战配合分析方法,充分利用飞行试验数据和弹道仿真数据,通过引战配合数学仿真计算和可视化仿真,复现了弹目交会时战斗部破片杀伤目标的过程,并在某型舰空导弹飞行试验引战配合分析中得到了应用.     

基于OFD-LFM信号的MIMO雷达微多普勒效应分析

多输入多输出(MIMO)雷达系统利用空间分集技术,能够在不同视角接收目标回波信号,与传统单基雷达系统相比,可以提取更丰富的目标特征信息,因而大大提高了雷达的目标运动参数估计精度。基于MIMO雷达系统,详细推导了正交频分线性调频信号体制下目标部件旋转引入的微多普勒效应,通过取多组观测数据的数学期望对旋转半径进行了参数估计,最后的仿真实验验证了理论分析的结果,得到的旋转半径估值与真实值非常接近。     

SAR图像适配区选择方法

为选择具有高匹配概率和高匹配精度特点的SAR适配区,结合SAR成像特点,分析了惯导及成像参数误差对适配区的影响,设计了多种适配性评价参数,提出了一种由粗到细的适配区层次性选择方法.该方法充分考虑了适配区在总体和细节上的需求,层次性选择有效避开了构造预测函数的难题.试验结果表明该方法可在SAR图像匹配系统中选出高性能的适配区,且所选适配区匹配概率可达97％以上.     

一种基于改进Hausdorff距离的图像匹配方法

Hausdorff距离(HD)是图像匹配常用的相似性准则。针对HD在实际图像中难以匹配的问题,提出了基于核密度函数的HD改进形式,该HD是通过对各个最小距离值进行核密度函数计算,并将函数值的和的均值作为单向HD值,无向的HD值取两个单向值的最小值。实验结果表明,提出的改进HD在遮挡、局部变化情况下比其它的HD距离具有较好匹配效果。     

OFD-LFM MIMO雷达中目标部件振动的微多普勒效应分析

与传统单基雷达系统相比,多输入多输出(MIMO)雷达系统充分利用发射分集和接收分集的优势,能够在不同的视角接收目标回波信号,可以提取目标更精细的微多普勒特征,因而大大提高了雷达对目标的识别能力。基于MIMO雷达系统,详细分析推导了正交频分线性调频信号体制下目标部件振动的微多普勒效应,并采用时频分析工具对理论分析的结果进行了仿真验证。     

基于Hausdorff距离的SAR图像匹配方法

在传统基于边缘位置的Hausdorff距离匹配基础上,将边缘点的梯度方向信息引入到距离度量中。提出了一种新Hausdorff距离及相应的匹配算法,并将其应用到SAR图像匹配中。实验表明,该算法相对于传统的基于边缘位置的Hausdorff距离匹配算法鲁棒性有所改进。     

基于正交实验设计的UAV编队配系优化方法

针对多无人机执行对地攻击作战任务的背景,建立了编队对地攻击模型,提出了基于正交实验设计的编队配系优化方法。在考虑多机协同作战因素下,构建了编队目标分配的基本模型;以探测、识别和杀伤为基本过程,构建了攻击过程模型;以空袭方付出代价、防空方毁伤程度和作战效率为依据,构建了目标函数模型,分析了模型中中间变量与目标函数之间的关系;利用正交实验设计原理,研究了编队配系优劣的评价方法。实例分析表明,该方法能够在已有的资源约束条件下,给出编队的最优配系方案。     

基于卫星云图历史资料反演云团非线性预测模型

针对线性预测方法难以有效描述云团的非线性、非平稳变化的困难,基于经验正交函数分解(EOF)和遗传算法参数优化结合的思想,提出了一条云团非线性预测模型反演的方法途径。首先将卫星云图序列作EOF的时、空分解;在此基础上,引入遗传算法对EOF的时间系数序列进行了动力模型重构和模型参数反演,建立了EOF时间系数的非线性微分方程组;再通过时、空函数合成,构造了云团演变的动力预报模型。试验结果表明,反演的云团预报模型能较为合理地描述特定季节区域内云团演变的基本趋势,预测结果与实际云图的主要特征基本相符,尤其是实现了云图3h以上的中、长时效的客观预测。