时间序列分析中的模型定阶策略

模型的定阶问题是时间序列分析(包括参数谱估计、系统辨识,回归分析)研究领域中的一个重要问题。本文对现有的数种模型定阶方法,进行了分析、讨论和归纳,指出了它们所适用的场合及优劣。     

影响水下距离选通激光图像光学相关识别的若干因素

针对水下距离选通激光图像光学相关识别技术的应用,研究了引起图像畸变从而导致光学相关识别相关峰输出效率降低的若干因素,并通过实验的方法采集了不同系统参数设置下的激光成像图片,然后采用相位匹配的方法对图片进行相关性分析,同时应用PCE、Disc等指标联合评价输出的相关峰质量,从而衡量各因素所引起的成像畸变对光学相关识别性能的影响程度.MATLAB软件仿真结果证明:激光单脉冲能量、ICCD增益、成像距离等因素变化均会引起图像相位特征畸变,导致相关识别鉴别率降低.该结果可为建立水下距离选通成像系统控制模型和设计匹配滤波器提供参考.     

多爆炸成型弹丸性能参数灰关联分析

为了获得各参数对多爆炸成型弹丸毁伤性能的影响程度,以EFP速度和MEFP发散角为参考序列,以药型罩和装药参数为比较序列,运用灰关联理论对影响MEFP毁伤性能的参数进行了灰关联分析。在此基础上,应用灰关联分析结果完成了MEFP战斗部优化设计。结果表明:在较少样本空间前提下,采用灰关联理论可以分析获得影响多爆炸成型弹丸毁伤性能的各因素主次关系,而且经过优化后的MEFP战斗部,大大地提高了EFP的集聚性和毁伤性能。     

RBAC模型中角色继承的改进

由于角色分层与组织结构无关,导致权限继承不能依赖于系统的组织.提出继承域的概念,建立基于继承域的角色层次模型,给出改进模型的定义、继承规则、约束条件和角色权限求解算法.实例证明改进模型能清晰地反映系统的组织结构,解决权限继承问题.域属性的引入使得角色的层次结构和权限的分级管理简单有效.     

坦克分队战术仿真训练系统的设计与实现

分布交互式作战仿真系统通过网络把不同的模拟单元连接在一起,为受训人员提供虚拟的作战训练环境,系统的运行成本低,能提供比实战演习更多的训练环境和内容.为了满足我军坦克兵部队战术训练的实际需要,设计开发了坦克分队战术仿真训练系统.讨论了该系统的设计与开发,首先介绍系统的总体结构和功能,然后详细讨论系统具体设计和实现.该系统已推广部队使用,应用效果良好.     

都市圈石漠化区域采石场的生态恢复方法与措施探讨

都市圈石漠化区域采石场往往由于过度开发且未采取有效的恢复措施,致使生态环境破坏严重,严重影响了都市圈的生态环境和经济发展.在分析都市圈石漠化区域采石场生态恢复特点的基础上,论述了其生态恢复的基本方法及工程技术措施,指出都市圈石漠化区域采石场生态恢复应依据都市圈发展总体规划和景观生态学、景观建筑学及美学原理,采用开发性治理方法,综合运用多种工程技术措施恢复植被、整治水土流失并进行景观再造,从而满足都市圈对于景观的要求,提高土地利用价值,促进都市圈社会经济发展和城市生态环境建设.     

坦克火炮控制系统动态仿真

坦克火炮控制系统的仿真和分析是系统设计和改进的重要内容.MATLAB\SIMULINK是先进的控制系统仿真工具.本文以我军某型坦克为背景,对高低向火炮控制系统进行了动态分析,在仿真分析结果的基础上对控制器的改进提出了意见.     

基于GA-PSO的目标分配问题研究

防空作战中的目标分配问题属于NP完全问题,在综合考虑火力单元作战效能和防御效能的基础上,引入火力单元综合有利度,建立了一种用于大规模多火力单元对抗多轮次目标的静态目标分配模型,给出了基于GA因子的改进PSO算法,并将算法应用于目标分配模型的求解,通过VC 6.0编程和计算机仿真验证了模型的可行性和算法的有效性.     

通信对抗中航母战斗群空中防御能力评估

以战术数据链为核心的通信系统是航母战斗群的作战指挥控制中枢,是航母战斗群快速反应能力及攻防协调发挥作战威力的基础和保证条件.在不同通信对抗条件下,航母战斗群的态势感知能力和协同作战能力都将发生很大变化,进而对其空中防御能力产生显著影响.考虑到态势感知能力及协同作战能力对空中防御能力的影响,从先敌发现概率、导弹杀伤概率以及毁伤概率3个方面研究了航母战斗群的空中防御能力,建立了相应的评估模型,并对模型进行仿真及结果分析.     

Visual SLAM in dynamic environments based on object detection

A great number of visual simultaneous localization and mapping (VSLAM) systems need to assume static features in the environment. However, moving objects can vastly impair the performance of a VSLAM system which relies on the static-world assumption. To cope with this challenging topic, a real-time and robust VSLAM system based on ORB-SLAM2 for dynamic environments was proposed. To reduce the influence of dynamic content, we incorporate the deep-learning-based object detection method in the visual odometry, then the dynamic object probability model is added to raise the efficiency of object detection deep neural network and enhance the real-time performance of our system. Experiment with both on the TUM and KITTI benchmark dataset, as well as in a real-world environment, the results clarify that our method can significantly reduce the tracking error or drift, enhance the robustness, accuracy and stability of the VSLAM system in dynamic scenes.