某高炮火控系统滤波器设计

对目前高炮火力控制系统目标滤波与预测进行了分析与研究。在此基础上结合工程实际设计了一种α-β滤波器,该滤波器的原理是把在连续系统中频率域的要求和在离散系统中Z域的要求转换成时域中在典型信号激励下的时间响应的特征值的要求,从而在时间域中以特征值的要求进行综合,再把综合的结果转换回Z域中,最终得到所确定的α-β滤波器,给出了α-β滤波器的Z传递函数、分析了α-β滤波器参数的确定,对α-β滤波器的静态误差进行了研究,对设计方案进行了计算机仿真和实际应用。     

运动液滴蒸发时传热传质过程的理论分析

对突然置入气体环境中的运动液滴的非稳态蒸发过程进行了传热传质过程的理论分析,建立了初始瞬间液滴非稳态蒸发的数学模型,并对模型进行数值求解.结果表明,在一定情况下,运动液滴突然置于气体环境中的初始瞬间,由于气液界面上与周围环境之间存在较大的浓度差,使得液滴在初始瞬间的蒸发速率很大,将会使气液界面的温度有所下降,这一温度的下降范围与液滴的初始温度、环境的初始温度以及液滴的运动速度有关.     

基于误差传递和逐步回归法的火控系统精度分析

利用坐标变换得到射击诸元解算模型,根据得到的射击诸元解算模型的教学表达式,用隐函数微分法得到每个射击诸元影响因素的误差传递系数,利用精度分析模型建立射击诸元精度表达式.然后用均匀试验设计法确定典型射击条件,在这些典型射击条件下,计算各误差传递系数,根据给定的某组火控系统各设备的精度指标,进而计算火控系统各典型射击条件下的火控系统精度值,并确定合理的精度指标期望值.要获得这组火控系统各设备的精度指标下,任意指定射击条件下的系统精度值,利用已算出的各典型射击条件下的系统精度值,采用逐步回归分析方法,可获得火控系统各射击诸元参数的精度与各射击条件的函数关系近似表达式.     

大学生优柔寡断、适应性、自我调节学习与学业拖延的关系研究

研究旨在探索优柔寡断人格、适应性、自我调节学习与大学生学业拖延的关系,揭示学业拖延的影响机制,对大学生学业拖延的干预提供启示。选取1654名大学生开展了问卷调查,结果显示:(1)大学生学业拖延行为在中等偏下水平,学业拖延改变倾向在中等偏上水平,功能性拖延水平在中等水平;(2)优柔寡断与拖延行为呈正相关,情感适应性、自我效能与拖延行为呈负相关;优柔寡断、自我调节策略与拖延行为改变倾向呈负相关,适应性、认知策略与拖延行为改变倾向呈正相关;优柔寡断与功能性学业拖延呈负相关;自我调节学习与功能性学业拖延呈正相关;(3)大学生适应性在优柔寡断影响一般学业拖延行为中起到中介作用;自我调节学习、适应性在优柔寡断影响拖延行为改变倾向中起到中介作用;自我调节学习在优柔寡断影响功能性学业拖延中起到中介作用。     

使用图像优化方法估计水体调制传递函数

针对水体属性的变化使图像复原困难的问题,提出了一种从退化的水下图像中估计自然水体调制传递函数的方法。该方法首先建立了自然水体的调制传递函数与其固有光学特性参数之间的关系,然后采用图像复原技术对图像进行复原,最后使用粒子群优化算法来优化调制传递函数的相关参数。仿真实验表明:该方法能有效对水下图像进行复原,且不需测量水体的光学参数就能估计出自然水体的调制传递函数。该方法用于水下激光成像系统的图像复原可取得明显效果。     

异步非平稳干扰抑制方法

为解决单通道条件下异步非平稳干扰抑制问题,提出基于数据驱动的稀疏分量分析干扰抑制方法,旨在从接收到的混叠信号中恢复期望信号。该方法利用深度卷积神经网络对输入/输出端数据间的复杂映射关系的强大建模能力,实现了目标信号稀疏域的自适应选择、稀疏域中目标信号稀疏表示的自适应学习以及目标信号的自动恢复。与以往干扰抑制算法不同,所提方法在时域上完成了“端到端”的信号波形恢复,且对混叠观测无先验要求,相比现有方法更具普适性。仿真实验验证了所提干扰抑制方法在不同环境噪声和干扰信号强度及泛化测试条件下的有效性,对干扰的抑制性能显著优于现有算法。     

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。     

布拉格衍射型冷原子干涉重力仪关键实验条件研究

文章介绍了一种基于n阶布拉格衍射的新型冷原子干涉重力仪,可以进一步提高现有拉曼跃迁型原子干涉重力仪的测量灵敏度和稳定度。在介绍布拉格衍射型原子干涉重力仪基本原理的基础上,建立了原子平行驻波入射的时间型布拉格衍射冷原子干涉重力仪理论模型,分析了实验所需的关键条件,包括原子团纵向温度,布拉格激光直径、曲率半径、频率、强度以及时序等。与已有实验数据的对比结果表明,本文所建模型合理,所得结论能够为实际构造一台布拉格衍射型冷原子干涉重力仪提供有意义的指导。     

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。     

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。