行波提取型同轴渡越时间振荡器模拟

提出了一种行波提取型同轴渡越时间振荡器,器件的提取腔采用了类膜片加载的扩展互作用腔结构,具有束波作用效率高,电子束空间电势能低等优点。提取腔的电场结构为3π/2模,与传统的类π模结构相比,提高了微波群速度,有利于微波能量的提取。通过引入前置反射腔,提高了调制腔的品质因数,显著降低了起振时间。利用数值模拟软件对所设计的器件进行了模拟和优化,在二极管电压530kV,二极管电流12.8kA,外加导引磁场0.7T的条件下,得到了2.41GW的输出功率,微波频率7.76GHz,束波功率转换效率达到35.5%。     

车载多接入边缘网络中联合资源分配和动态任务卸载方案

针对车联网中车辆移动速度过快产生的任务卸载失败问题,设计了一个有效的任务卸载风险评估模型,并提出了联合资源分配的动态任务卸载方案。将时间、能耗和风险共同建模为系统效用,通过联合优化卸载决策、资源分配来最大化系统效用。优化问题被公式化为混合整数非线性规划,在给定卸载决策的情况下,利用凸优化技术解决计算资源分配问题,功率分配通过分式规划技术来优化。仿真分析了车辆移动性对系统效用的影响,证明了所提方案的合理性。     

一种基于边缘特征提取的景像匹配方法

下视景像匹配制导中,实时图和基准图的拍摄高度、方位和图像比例尺不完全一致,两图的轮廓形状存在旋转和变形等差异,边缘特征提取方法受图像灰度分布影响存在变形和移位,易导致匹配错误。用侧抑制竞争方法,图像边缘特征提取快速准确,不发生移位,对灰度变化也不敏感。在此基础上,用扩展边缘特征法,克服轮廓变形对边缘匹配的影响,提高精度。试验结果表明,此方法模型简单、抗几何变形能力强且便于实现。     

基于粗糙集-神经网络编队协同空战决策系统

为了提高空战决策的实时性和准确度,将粗糙集理论和神经网络引入到编队协同空战战术决策研究中,提出了应用SOM网络-粗糙集-BP网络集成进行编队协同空战战术决策的方案:应用SOM网络离散化决策系统输入数据的连续属性值;利用粗糙集数据分析方法,从数据中提取出规则将输入映射到输出的子空间上;在这个子空间上用BP网络进行逼近.2:4编队空战实例仿真结果验证该方案的可行性,在数据充分的条件下,该方案可以推广应用于其它空战决策系统.     

惯性信息辅助的星像点质心提取方法

针对振动环境中星敏感器曝光得到的模糊星像点质心提取精度低的问题,提出了惯性信息辅助的星像点质心提取模型并建立了相应的算法。算法以星像点区域的加权中心为曝光初始时刻的星像点质心,根据与星敏感器捷联的惯性设备测得的振动信息计算质心在曝光过程中的轨迹并利用星像点能量分布模型估计恒星的成像区域和加权中心,采用迭代的方法使得两加权中心重合,从而得到曝光结束时刻星像点质心的精确值。仿真分析了算法的质心提取精度及相关因素对提取精度的影响,结果表明算法在振动环境下仍可准确提取出星像点的质心,精度在百分之一像素左右,而且算法具有较好的适用性。     

“核心—边缘”理论视域下的高校对口支援工作研究

“核心—边缘”理论是一种较广泛地应用在区域与区域间的经济连带发展模式,由于地域环境、经济发展水平及师资力量等多方面的限制,使得西部高校与其他内地高校在管理理念、科研能力、人才培养等方面存在着不可忽视的差距,这种差距是西部高校在客观条件及自身发展现状远远落后的情况下,无法凭借自身条件能够很快缩减的.本文针对东西部高校的发展落差,以“核心—边缘”理论为基础,对高校对口支援工作中存在的问题进行深入分析,并提出解决对策.     

提取时间对硝基油漆稀料燃烧产物鉴定的影响

油漆稀料是一种常见的助燃剂,提取时间对其燃烧产物的鉴定会有一定的影响。选取了纯毛织品作为实验载体,以硝基油漆稀料为研究对象,对燃烧残留物及燃烧烟尘进行了系统的GC-MS分析,找出了纯样和加载油漆稀料后燃烧产物主要成分的变化规律,对样品中目标化合物的相对峰面积随燃烧产物提取时间的变化曲线进行了非线性数学分析,初步找出了样品燃烧产物的相对峰面积随硝基油漆稀料燃烧产物提取时间变化的规律,为合理选择物证的提取时间提出了建议。     

美陆军战场信息系统发展的启示与思考

战场信息系统作为信息化战争条件下作战力量"倍增器",是构建未来陆军作战体系的核心和纽带。从未来战场信息系统的作战需求出发,分析了美陆军战场信息系统的迭代过程、各阶段主要特征及典型系统;探讨了美陆军战场信息系统的发展思路和途径,以期为我国陆军战场信息系统的顶层设计研究提供参考。     

系统标定的一种新方法

以2008年高教社杯全国大学生数学建模竞赛的A题为研究背景，设计了利用数码相机进行系统标定的一种新方法，建立了相应的数学模型，并设计遗传算法实现了模型的快速求解，算例表明了模型及算法的有效性。     

基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。