基于RWC的机载SAR斜视成像仿真

通过建立机载合成孔径雷达的工作模型,介绍了SAR的基本成像原理,并针对机载SAR在斜视条件下,因距离走动量较大,对地面目标的成像受到严重影响的情况,详细分析了距离走动产生的原因。在傅里叶变换之前使用对距离走动进行校正的CS算法对经典的CS算法作出了改进,重点推导了改进后算法的实现过程,并通过Matlab仿真模拟地面目标物实现了CS算法在不同条件下的成像结果,证明使用改进后的算法在斜视角情况下成像质量有较大的改善。     

基于粗糙集和神经网络的无人机侦察效能评估

针对无人机在多条件下的侦察效能评估问题,提出一种基于粗糙集和神经网络的无人机侦察效能评估方法.在该方法中,寻找影响因素构建无人机侦察效能评估指标体系;结合粗糙集理论去除当中的冗余因素;并在处理因素基础上利用遗传优化的BP神经网络构建无人机侦察效能的评估模型,以提高预测精度.仿真结果表明:该模型不仅能够克服传统BP神经网络容错性差,收敛速度慢的缺点,而且可以较好地完成无人机侦察效能评估.     

反舰导弹飞行仿真方法

为研究反舰导弹飞行仿真方法，依据导弹系统组成、各个部分相互作用关系和使用环境条件、使用方式，研究建立数学模型、仿真程序设计、计算方法，给出了导弹飞行仿真应注意的问题。飞行仿真可以精确地评估导弹的性能，减少飞行试验次数和导弹研制时间、费用。通过仿真可以暴露系统缺陷，增大飞行试验的成功率，获得更多的试验数据。     

运动目标视频检测与跟踪方法

运动目标跟踪的根本任务是根据目标的运动模型和图像特征估计它们的轨迹。提出一种运动目标检测、跟踪的方法。首先使用基于自适应混合高斯模型的背景差方法提取运动区域。目标的运动估计采用扩展卡尔曼滤波,由预测位置确定初始的候选区域。然后根据目标与候选区域的变化程度确定匹配需要的特征信息。如果目标只有一个候选区域并且它们之间的区域特征变化微小,那么它们的匹配不需要额外的信息。如果目标有多个候选区域或者单个候选区域可是它们的区域特征变化激烈,除了区域特征外还使用边缘特征,通过计算目标和候选区域的边缘的部分Hausdorff距离来确定目标的最佳匹配区域。实验结果表明,该方法在存在遮挡的情况下也能够连续的跟踪多个运动目标。     

网格环境下基于任务的虚拟物流资源匹配策略

网格环境下的虚拟物流资源调度问题，实质就是资源与任务如何匹配的问题。以首先满足任务需求为前提，综合考虑任务以及资源两方面的匹配要求，建立了资源任务一对一匹配模型，通过量化任务（资源）各条件因素基准值及其所占权重比率，结合循环匹配算法，提出了一种基于任务的资源任务匹配策略，有效避免多任务对资源的争抢，实现了资源任务匹配的准确性和有效性。     

基于四叉树的LOD虚拟复杂地形场景简化技术研究

复杂地形场荣虚拟显示简化技术是可视化领域的研究热点之一。为了满足复杂地形场景显示中实时性和逼真度的要求，根据人的视觉特点，采用与视点相关的四叉树LOD方法，以视距和地形粗糙度为依据来确定地形节点的细节程度，递归地进行四叉树分割，为各节点分配不同的分辨率。根据视距确定由于分辨率不同导致的裂缝缝补方法，有效地实现了地形的简化。     

普通物理实验CAI的制作设想

普通物理学实验是公共必修课,随着电子技术迅速发展,多媒体已被广泛的运用,使人机交互能力大大提高,它正作为一种重要的教学媒体迅速应用于教学过程中,对促进教学现代化起着十分重要的作用.因此,制作CAI课件使学生由被动学习变主动学习,并能加深学生对实验内容的理解,对实验现象的观察和规范学生的实验操作技能,从而达到有效提高教学质量和教学效率的目的.     

基于背景差的运动目标检测方法比较分析*

背景差是常用的运动目标检测方法,其基本思想是通过视频帧与背景参考图像的差分实现运动目标检测。背景差法的核心是背景模型的构造。首先介绍基于背景差的运动目标检测方法的关键步骤:预处理、背景建模、背景差分、后处理;其次介绍几种典型的单背景和多背景模型;然后利用自适应背景模型、中值滤波、卡尔曼滤波、混合高斯模型等进行运动目标检测,并从速度、存储开销、准确率等方面对这些方法进行了分析比较。实验结果表明,单背景模型具有更快的检测速度,而多背景模型的检测准确度更高。     

大容量变流器DCM模式下带逆变器级联系统 静态稳定性分析

为了确保级联系统在全负载功率范围的静态稳定,针对DC/DC变流器运行于DCM模式时的级联系统进行了建模及静态稳定性分析。首先,基于开关网络平均法建立变流器DCM模式的小信号模型,通过将逆变器模型简化为电容并联恒功率负载,建立级联系统的小信号模型;然后,通过特征值灵敏度分析控制参数对系统静态稳定性的影响,并在此基础上基于全局寻优法对控制参数进行优化。仿真和试验结果表明:该级联系统模型能够准确反映DCM模式下的系统特性,且在控制参数优化后,系统的静态稳定性得到了有效改善。     

一种基于多尺度分解的快速相关跟踪算法

针对传统归一化相关跟踪算法运算量较大的问题，提出一种基于多尺度分解的归一化相关跟踪算法。该算法根据目标大小对目标模板和实时图像进行高斯金字塔分解，然后从最高尺度图像开始搜索，并将最大相关点作为下一级搜索的预测值，直至匹配成功。实验结果表明，该算法能够稳定地跟踪目标，而且计算速度优于传统的归一化相关跟踪算法。