火控雷达的阵面设计技术

在火控雷达的阵面设计中子阵划分是提高雷达性能的有效手段。对阵面进行建模,得出了使用非规则子阵对天线阵面的精确划分方法。通过仿真给出了典型的阵面划分实例,并分析了阵列在宽带条件下的方向图性能,证明了所设计的阵面在抑制栅瓣方面具有优良的性质,能够提高火控雷达的性能。     

膜型声子晶体原胞结构隔声性能试验研究

针对船舶舱室噪声低频控制问题，以一种薄膜型声子晶体原胞结构为研究对象，采用阻抗管法进行隔声性能试验研究，探究了不同配重质量、薄膜厚度和框架厚度对其隔声性能的影响规律。试验研究结果表明：配重质量、薄膜厚度和框架厚度增加均能提升薄膜型声子晶体的隔声性能，其中以配重质量影响最为明显；相较于无配重及单侧配重情况，双侧配重的薄膜型声子晶体隔声频段大幅拓宽，隔声量在中低频及高频显著增加，低频略有降低；增加薄膜厚度及框架厚度均可有效向低频拓宽薄膜型声子晶体的隔声频段并提高隔声量，以增加框架厚度，对低频隔声性能的提升更为明显。     

单硬件限制下的电磁环境加速绘制

单硬件实现的高效电磁环境绘制适用范围更广;但是,并行光线投射绘制电磁环境时,其效率受硬件性能制约。在研究硬件限制并行光线投射效率的基础上,提出一种面向硬件制约的像素插值方法。当硬件限制并行光线投射绘制不能实时完成时,减少并行投射的光线数量,即部分图像像素由光线投射生成,其余像素插值生成。像素插值以图像质量换取执行效率,当图像更新停顿时重新使用光线投射生成插值获得的像素,以恢复图像内容。实验结果表明,低硬件配置条件下,像素插值能够大幅度提高绘制图像的生成效率。同时,对比多个体数据的绘制效果和误差统计得出:电磁环境数据场最适合使用像素插值方法。     

子空间预测控制在固体氧化物燃料电池中的应用

为使固体氧化物燃料电池(SOFC)输出满足一定约束的稳定电压、提高其输出功率跟踪性能,采用文献中给出的SOFC动态模型,设计了基于子空间矩阵的预测控制器。将子空间辨识和预测控制算法结合起来,直接从开环输入输出数据获得预测控制器的控制矩阵,而不须经过中间参数模型辨识的步骤。仿真结果验证了所提子空间预测控制算法(SPC)的实用性。     

邻域加强的并行子空间优化过程

针对基于响应面的并行子空间优化(CSSo-RS)过程的不足,提出了基于邻域加强的改进CSSO-RS优化过程.其主要思路是在子空间优化后,在得到的最优解附近进行全部变量的优化,以更好地协调系统级优化与子空间优化.用经典测试函数及通用航空飞机参数优化问题对该算法进行测试,测试结果表明该算法使CSSO-RS优化效率得到较大的...     

一种慢速运动目标ISAR子孔径拼接方法

ISAR成像是现阶段一种被广泛研究的重要技术.首先阐述了利用距离一多普勒算法对线性调频体制ISAR的成像原理.在此基础上,针对慢速运动目标的特点,提出了基于相位补偿的子孔径拼接处理方法.该方法可以明显改善成像效果.利用滑翔机模型进行仿真验证.其仿真结果证明了其可行性和有效性.     

法治漫话

条令提示:内务条令第二百二十一条规定:担任节假日值班的人员和部(分)队,值班结束,通常应当补假。     

为了这片深爱的土地——内蒙古鄂尔多斯市东胜区泊江海子镇党管武装工作记事

九曲黄河由青藏高原出发,一路蜿蜒向东狂奔,流经宁夏后,突然转头北上,在内蒙古高原上划了一个大大的"几"字后一路南下,东归入海。古老神奇的鄂尔多斯像一块温润的美玉稳稳地镶嵌在黄河"几"字形怀抱里,母亲河的哺育和润泽中,勤劳、智慧的鄂尔多斯人民在改革开放的大     

基于两级隐式形状模型的抗遮挡目标跟踪

为解决遮挡条件下的目标跟踪问题,提高定位精度,提出一种基于两级隐式形状模型的目标跟踪算法。首先利用Fast Hessian检测子提取待跟踪目标及周围区域的局部关键点区域构建码本字典,用SURF描述子获取码本的特征描述矢量建立码本支持模型,然后利用广义Hough变换建立码本字典集与目标之间的共生关系,通过隐式形状模型进行在线学习更新,最后通过寻找投票空间中的极大值来对目标进行定位,根据跟踪过程中目标遮挡程度的不同,分别赋予目标自身码本投票及周围码本投票不同权重,提高不同遮挡状态下目标定位精度。实验结果表明,在目标被遮挡甚至不可见或者丢失后重新回到视场时,该算法均能鲁棒地定位出目标。     

利用多时间尺度卷积的视频行为识别网络

基于2D的行为识别网络通常融合多张视频帧的分类结果识别不同的行为,但其在卷积过程中缺少对时空特征提取。针对该问题,基于时间位移模块(temporal shift module,TSM)的思想设计了一组多时间尺度卷积,包含不同设计的卷积核以提取融合不同时间尺度的时空信息。通过控制多时间尺度卷积嵌入ResNet50网络的位置及其模块的参数设置,寻找最优的基于多时间尺度卷积的行为识别网络。使用PyTorch深度学习框架训练模型,在大型开源数据集Something-Somethingv2上进行了实验研究。结果表明,基于多时间尺度卷积的行为识别网络对行为识别准确率达到了59.47%,优于TSM等网络。