ViCowel：一种支持视频组播应用的可伸缩性小波视频编码方法

WebLearning+是作者开发的基于IP组播的协同学习环境,可伸缩性视频编解码及其自适应组播传输是系统研制中的核心技术。针对WebLearning+中自适应视频组播对编解码器的要求,提出了一种基于行扫描的可伸缩性小波视频编码方法ViCowel。实验结果表明该方法对于视频组播应用具有较好的适应性。     

灾害应急反应建模与仿真

为了满足多智能体应急反应仿真的需求,首先对构建多智能体应急反应仿真模拟框架的复杂性进行了分析,在此基础上提出并设计了组件式仿真模拟框架.采用本体(Ontology)建模、语义网模型及产生式规则推理等理论方法构建了仿真模拟框架的场景建模模块、人员Agent建模模块等组件.最后对依照上述研究内容所开发的原型系统进行了测试,对测试结果进行了分析,结果表明该框架能够有效满足多智能体应急反应仿真的建模需求.     

基于X射线脉冲星的导航半实物仿真系统

为验证X射线脉冲星导航的关键技术,本文描述了基于X射线脉冲星导航的半实物仿真系统组成和工作原理,并搭建了基于X射线脉冲星导航的半实物仿真系统。系统由信号模拟单元、信号接收单元和导航估计单元组成,此系统可有效模拟X射线脉冲星导航的星源强度、周期及脉冲轮廓,记录X射线脉冲星单光子到达时间,恢复X射线脉冲星脉冲轮廓,计算X射线脉冲到达时间及导航估计解算。所设计的半实物仿真系统为X射线脉冲星导航算法测试提供了有效手段,对X射线脉冲星自主导航研究的可行性验证、动态性能测试以及工程应用具有一定的参考价值。     

无风条件下军用装备定点投放的数学建模及仿真

以牛顿第二定律为基础,分析了降落伞和装备组成的伞物系统在空气中的受力情况,建立了无风、空气密度均匀条件下装备投放的微分方程模型.研究了装备在降落过程中的速度、迎角、降落时间、落地位置与飞机飞行高度、速度以及降落伞的关系,借助MATLAB软件求常系数微分方程模型的数值解,对装备的降落过程进行模拟仿真.利用仿真结果对实际装备的投放操作进行指导,可以达到更好的投放效果.     

两种数字水印算法的比较

分别介绍迭加水印方案和量化水印方案,对每种方案一些常见算法予以说明,阐明其优缺点,对两种水印方案的相同点和不同点进行了研究。通过实验证明,两种水印方案的PSNR比较相似：迭加水印检测的相关值分布比较扩散,受高斯影响大;量化水印检测的相关值比较稳定,受高斯噪声的影响小。     

初始备件设计方法研究

以武器装备初始备件的设计与供应现实为背景,根据初始备件的配置依据,提出了一种基于维修任务和维修保障要求的初始备件设计方法。通过这种设计方法,能够在研制过程中同步开展初始备件设计,并优化配置方案,从而为武器装备的初始备件清单设计提供了依据,也为其他武器装备的初始备件清单设计提供了借鉴。     

基于最小时间窗的多功能雷达调度算法研究

雷达、电子战、通信等多功能电子系统一体化是雷达的发展方向之一,针对多功能雷达的资源管理与调度,基于孔径分割建立了多功能雷达系统的任务模型,根据任务作用距离确定了任务事件对孔径资源的占用率,并在此基础上给出了一种基于最小时间窗调度间隔的任务调度算法来解决多功能雷达的任务调度问题,通过仿真验证,证明该算法具有一定的有效性.     

基于级库存的维修器材整合供应策略研究

针对传统器材供应模式效率低的问题,借助供应链管理的思想提出了多需求点整合供应模式,并建立了基于级库存策略的整合优化模型,对成本各组成部分分析求解,得到了最优总成本对应的策略参数,其中总成本考虑了供应中心补货成本、库存持有成本、供应成本和供应延迟成本．最后通过算例与直接供应策略进行了比较,证明了整合供应策略的有效性．     

基于磁导率法的零部件硬度电磁无损检测技术研究

传统的机械压痕法虽能测量火炮零部件的硬度,但对其表面有损害,且某些零部件工作面并不允许使用打点测量方式．为解决这一问题,基于硬度与材料磁导率之间的对应关系,设计了一种硬度电磁无损检测系统,采用DDS技术实现参数可控的正弦信号源,以满足磁导率测试所需的激励条件．为了提高检测灵敏度,利用交流电桥拾取由硬度变化引起的检测线圈和参考线圈电压差分信号,并进一步在调理电路中采用正交锁相放大技术对这一微弱信号进行放大和噪声抑制．硬度试验结果表明,该系统能以无损的检测方式有效地区分零部件的硬度值,为火炮定型试验中的硬度测量提供了新途径．     

基于AdaBoost-SVM算法的某火炮炮闩技术状态评估

针对现役装备技术状态评估多依赖于手工拆卸的现状,提出一种基于AdaBoost-SVM模式识别算法的在线技术状态评估方法。利用人工后坐在线检测设备对炮闩装置技术状态参数进行检测,在对检测数据进行相关性分析特征提取的基础上,引入支持向量机模式识别方法,建立炮闩装置技术状态评估模型。通过将评估模型与Ada-Boost算法相结合,每次迭代都根据测试精度对分类错误的样本点和各分量分类器的权重重新赋值,在下一次迭代中形成新的分量分类器以优化分类结果,最终将各分量分类器依其权重综合完成评估。实例分析结果验证了评估模型的正确性和有效性。