基于直觉梯形模糊信息的目标优先级排序方法

针对地面防空作战中空中目标的优先级排序问题,提出了一种基于直觉梯形模糊信息的优先级排序方法。使用直觉梯形模糊数来描述空中目标的属性参数,分析了目标优先级的影响因素,并利用熵权法确定了影响因素的权重;针对传统TOPSIS方法的缺陷,提出了一种利用相对熵作为距离测度的优先级排序方法;最后结合算例仿真验证了方法的合理性和可行性。     

基于先验知识的降秩STAP方法研究

提出了一种基于杂波先验知识的降秩(RR)空时自适应处理(STAP)方法——KA-RR法,该方法首先利用载机平台运动参数、雷达系统参数及地形、地貌参数等先验知识构建机载雷达杂波模型,然后通过该模型对机载雷达杂波数据进行预白化处理,最后利用降秩STAP方法自适应抑制剩余杂波。仿真结果表明,相对于传统的降秩STAP方法,KA-RR方法具有更好的杂波抑制性能和更强的鲁棒性。     

某火控系统故障隔离中的信息采集与诊断推理

复杂装备火控系统的故障具有关联性和耦合性,故障隔离需要信息采集为诊断推理提供数据支持,并在诊断推理过程中对信息采集进行控制。基于火控系统工作原理分析了故障隔离的信息需求和信号类型,给出信息采集系统的具体形式;采用分层故障网络和框架结构进行诊断知识表示,并通过信息采集来获取测试信息,以保证诊断推理过程的有效进行;设计了故障诊断的推理控制策略,并对于实际应用的诊断推理过程进行了描述。     

一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。     

Volterra高阶核新算法在涡轮转速控制上的应用

给出了对非线性动态系统做任意精度逼近的Volterra级数高阶核的全新估算方法并将其应用于涡喷发动机的转速控制上。该方法在核函数理论基础上,构造线性空间,将求解Volterra级数各阶核的问题转化为求输出观测向量在希尔伯特空间中某一子空间上的投影的问题,使原本复杂的非线性系统的Volterra级数的逼近问题在线性空间中以向量内积的方式得到解决。与其他时域或频域估算Volterra核的方法相比较,该算法的优点在于理论体系严密、计算量不随阶数增高而成几何级数增加、辨识精度高。该方法理论上能够估算任意阶核,弥补了现有方法难以估算四阶以上核的缺点,可应用于动态系统和强非线性系统的建模。将发动机动态过程描述为四阶的Volterra级数模型。     

装甲战车图像跟踪系统技术研究

在高技术条件下的局部战争中,装甲战车应具备精确的打击能力、目标获取能力和态势感知能力,这就需要一个能对抗复杂场景的目标跟踪系统。针对用于装甲战车的目标跟踪系统所存在的关键技术,提出了应用于复杂场景下的目标长时跟踪算法,实现了目标受遮挡情况的自适应判定和目标丢失的重捕获,在目标发生尺度变化、姿态变化、光照变化、遮挡等复杂情况下仍具有良好的跟踪效果;设计了一套视频跟踪器系统,通过实验验证,可实现对比度优于5%,目标像素数大于2×2,部分遮挡及完全遮挡的复杂战场环境下目标的稳定跟踪。     

敷设气囊的充水圆柱壳的声辐射特性

为降低充水圆柱壳受内部点声源激励时的水下辐射噪声,在其外壳上敷设气囊,形成气囊圆柱壳。为指导气囊圆柱壳的设计,将充水裸圆柱壳和充水气囊圆柱壳分别简化为单、双层无限长隔板。比较隔板、气体与水的波阻抗,分析气体声速与层厚对双层无限长隔板在平面声波入射时的低频声辐射的影响机理。分析表明,声速小的气体和适当的气层厚度可以降低双层障板的辐射噪声。采用声无限元法计算气囊圆柱壳的水下声辐射,结论与对隔板的机理分析吻合。优化设计出的充水CO2气囊圆柱壳的水下辐射声功率与远场辐射声压明显低于充水裸圆柱壳。     

含有p-Laplacian算子的非齐次边值问题正解的存在性

研究非齐次边界条件下，含有p-Laplacian算子的微分方程的可解性，在Banach空间中应用Krasnoselskii不动点定理，得到了边值问题正解存在性结果。     

1024位RSA算法的FPGA设计研究

改进了高基免减蒙哥马利(Montgomery)算法,使得乘法和加法的总运算量分别减少了约3%和2%。根据平行并行乘法器,设计了适用于模乘运算的一维阵列组合乘法器。基于高基蒙哥马利算法,设计并仿真了1024位密钥的RSA加/解密系统。     

基于族群机制的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。