间歇采样转发假目标对CFAR检测影响分析

分析间歇采样转发形成的假目标干扰对雷达CFAR检测的影响和间歇采样转发假目标生成机理,给出间歇采样转发假目标产生方法。在此基础上,以雷达一次搜索周期内虚警、漏警造成的检测代价作为检测性能指标,分别分析单元平均恒虚警检测器、有序恒虚警检测器、剔除和平均恒虚警检测器在间歇采样转发假目标干扰下的检测代价。着重分析间歇采样转发干扰关键参数对检测代价的影响。仿真结果表明,间歇采样转发产生的多个假目标显著提高了雷达的检测代价,检测代价受转发占空比、转发功率的影响较大,而受转发频率影响较小。在三种恒虚警检测器的对比中,剔除和平均恒虚警检测器相对于另两种检测器的检测代价更大些。     

混合式学习背景下在线学习策略的缺失及补偿

混合式学习已经成为当前教育趋势，对于混合式学习中的在线学习研究成果越来越丰富。本文通过网络平台问卷调查了混合式学习模式下大一新生在线学习情况，发现在线学习的最主要障碍之一是在线学习策略缺失，导致学习过程不顺畅。文章指出，针对在线学习的管理策略和元认知策略两方面，教师可以通过教学管理的具体手段给予干预，培养学生的在线学习策略，提高其学习效率，真正实现课堂教学和在线学习的高效融合。     

综合射频系统在新型装甲平台中的应用

为了应对未来信息化战争对坦克装甲平台电子射频系统提出的更高要求,提出将综合射频系统应用在新型装甲平台上。该系统采用综合孔径方式设计,可完成对空目标搜索、精确跟踪、威胁判断、电子对抗、火力指引、毁伤评估等功能,在装甲平台防护中具有至关重要的作用。首先,介绍了装甲平台的多功能综合射频系统;其次,详细分析了该系统的组成、功能和特点,简要描述了作战中的应用模式;最后,针对综合射频系统在新型坦克装甲平台的进一步应用提出了发展建议。     

新型串联锂离子电池组主动均衡电路设计

为解决串联锂离子电池组电压均衡问题,提出了一种新型主动电池到电池均衡电路。该电路主要包括N+5个双向开关以及一个LC谐振电路,其中,N表示电池组中电池的数量。利用LC串联谐振电路能够直接将能量从最大充电电池传输至最小充电电池,无需使用多绕组变压器。并且在零电流开关条件下,运行电路中的所有开关能够减少平衡所用功耗。通过10节串联锂离子电池的实际测试,结果显示相比常规均衡电路,提出的电路能够实现快速平衡并且传输效率更高。当均衡功率为0.48 W和2.04W时,实测功率传输效率分别为92.7%和79.2%。     

一种针对分布式MIMO雷达的高效干扰功率分配方法

MIMO雷达的种类很多,其中分布式MIMO雷达是具有空间分集特性的一种,具有较强的代表性。针对采用多波束多信号干扰设备干扰分布式MIMO雷达的情况,要考虑针对MIMO雷达各节点干扰功率的分配问题,提出了采用能量集中法进行功率分配。给出分配方法及干扰效果的仿真实验,结果表明在使用相同的干扰功率情况下,所讨论的方法比传统的干扰等比例分配法具有更佳的干扰效果。     

基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

伞翼无人机线性自抗扰高度控制

针对伞翼无人机参数不确定性和复杂环境干扰敏感的问题,提出一种伞翼无人机线性自抗扰(Linear Active Disturbance Rejection Control,LADRC)高度控制方法。建立伞翼无人机8自由度飞行动力学模型,并引入风场和降雨模型以更加准确地模拟真实飞行环境。基于LADRC确定总体控制架构,设计线性扩张状态观测器对所有扰动进行估计,并引入误差反馈率在控制中实时补偿。使用该控制方法在多种扰动工况下进行伞翼无人机高度控制仿真实验。仿真结果表明,基于LADRC的高度控制方法能够有效克服内扰和外扰的影响,实现高精度高度控制;与传统PID控制效果相比,LADRC控制器具有更好的抗扰能力和鲁棒性。     

融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。     

决策树报文分类算法

报文分类是网络的基本功能,研究人员在过去二十年提出了众多解决方案,其中决策树报文分类算法由于吞吐量高、适用于多字段、可流水线化等特点受到了广泛关注和深入研究。本文介绍了决策树算法最新研究成果,阐述了决策树报文分类算法的几何意义、常用技术和测试基准,从节点切割技术和规则集分组技术两个维度对决策树算法进行了系统分析和归纳。针对两类常用的决策树构建技术介绍了其中的典型算法,对比了各种典型算法的设计思路和特点,分析了它们的适用场景。总结并展望了决策树算法的下一步研究方向。     

基于不稳定性采样的主动学习方法

传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。