子母弹射击精度的仿真研究

提出了子母弹命中目标的定义,研究了子母弹射击误差的组成与概率分布,建立了计算子母弹命中概率的两种仿真计算模型--直接模拟子母弹射击误差法和射击误差模拟与数值积分相结合的方法.给出了对圆形目标和矩形目标的具体计算方法,以及正态分布随机向量和均匀分布随机向量的产生方法,根据算例的结果,讨论了子弹重迭度对子母弹首发命中概率的影响.比较了两种不同仿真方法的计算结果.     

基于小波包分解和多类支持向量机的音频隐秘检测算法

在利用隐秘软件进行信息隐藏时,大多会改变载体的统计特征,针对这一特点本文提出了一种基于统计量的隐秘音频文件检测算法。本算法综合使用了小波包变换和支持向量机技术,分别用于特征形成和分类判别。在不同嵌入率下对几种常见的隐秘软件生成的隐秘音频进行仿真试验,结果表明,该算法具有较强的通用性,对于隐密音频文件具有较高的识别率。     

ANP的指挥控制系统作战效能评估

通过分析指挥控制系统的结构,提出了影响其作战效能的指标集.针对系统的特点选定了基于网络层次分析法(ANP)的评估方法,确立了评价准则.建立了ANP控制层和网络层模型,并且利用计算极限超矩阵的方法对单个准则下各方案的作战效能进行排序.最后通过对单个准则下的排序向量进行加权求和获得指挥控制系统作战效能的排序向量.     

现代文本分类技术研究

分析了当前的文本分类技术,总结了文本分类需要解决的问题;在详细比较了各种不同的分类算法以及文本模型以后,为进一步开展优化以及提高文本分类技术的研究工作提供了一些参考和建议。     

基于局部积分双谱与SVM的雷达目标识别

针对高分辨距离像的特点,应用双谱与SVM研究高分辨雷达目标识别问题。提出了基于局部积分双谱与SVM的雷达目标识别方法。该方法选择具有最强鉴别能力的积分双谱构成局部积分双谱特征,基于局部积分双谱进行距离像特征提取,然后应用支持向量机对提取的特征进行分类识别。利用四种局部积分双谱的目标识别仿真实验结果表明,提出的方法具有良好的分类性能。     

盘形圆弧砂轮曲面磨削几何模型

砂轮外形、加工轨迹、运动轴组合方式、工件摆放方式等的差异都会引起曲面磨削加工模型的变化,加工几何模型是实施曲面磨削首要解决的问题。建立盘形圆弧砂轮的几何模型,通过磨削点法向量匹配,建立工件点和砂轮点的一一映射关系,经过坐标变换可以得到相应的刀具运动轨迹,用于磨削加工。形成统一的盘形砂轮曲面磨削几何模型,并给出刀具运动轨迹的计算流程。该磨削模型适用范围广,有效解决了多种曲面磨削过程的刀具轨迹生成问题,实现了高精度的曲面磨削加工。     

基于中心凸包算法与增量学习的SVM算法研究

基于计算几何理论,在分析支持向量与凸包向量关系的基础上,提出了一种基于中心凸包算法与增量学习的SVM学习算法。在确保分类器达到可靠精度的前提下,为解决学习中时耗过长的问题,在对当前训练集计算凸包的基础上采用欧式中心距离淘汰法对训练样本进一步精简,并且每次进行增量学习的样本都包含前次训练样本集中违背KKT条件的样本,在UCI数据库上进行算法对比实验,结果表明算法的可行性和有效性。     

基于DSP和FPGA的载波移相脉冲生成方法

在研究了三电平全桥变流器工作原理和载波移相原理的基础上,设计生成了基于数字信号处理器(DSP)和现场可编程门阵列(FPGA)的载波移相PWM脉冲,用于驱动变流器工作。重点介绍了由DSP和FPGA生成载波移相PWM脉冲的基本原理、系统构成及实现方法,其核心思想是FPGA通过数据地址总线接收DSP输出的移相角与FPGA内部生成的三角波进行二逻辑比较,从而产生移相角可变的PWM脉冲,以满足变流器全工况范围实时控制的需要。通过优化设计,使DSP和FPGA各自的优势得以有效利用。仿真分析表明:该方法计算速度快、控制精度高,同时具有扩展性好、可靠性高等优点。实验结果与仿真结果吻合,验证了该方法的上述优点。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

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。