脊状表面近壁区湍流度分布规律

通过对不同风速下,不同形状、尺寸脊状表面及光滑平板表面边界层内湍流度的测试,对比分析了脊状表面近壁区湍流度的分布规律。试验在小型直流风洞中开展,流场测试中使用恒温式IFA 300智能型流动分析仪,测试模型则采用有机玻璃及铝两种材质的平板模型。在脊状表面理论零点及壁面摩擦速度的计算中,采用了基于紊流边界层对数律区流速分布公式同时计算壁面理论零点和壁面摩擦速度的改进方法。最终测试结果表明:脊状表面边界层过渡区和对数律区内湍流度与平板相比显著下降,最大降幅超过10%,证明脊状结构的存在有效减弱了壁面近壁区内"猝发现象"的发生。     

声纹鉴别及其应用

声纹是人说话声音的频谱图 ,由于人的个性 ,决定了不同人声纹的差异性 ,因此 ,声纹识别或声纹鉴定能够确定说话人的身份。声纹鉴别在很多领域有着广泛的应用价值和前景 ,这里 ,简单介绍声纹和声纹鉴定与识别的概念及其应用的历史与现状 ,探讨声纹鉴别的方法原理和步骤 ,讨论声纹鉴别在个人身份证明、刑事侦察、军事、通信、防伪等领域的应用 ,展望声纹鉴别的应用前景。     

惯导系统摇摆扰动基座对准技术

摇摆扰动基座上惯导系统初始对准扰动干扰信号强度较大,有用量测信号强度小,系统信噪比弱,对准过程滤波收敛慢.为提高惯导系统在摇摆扰动基座上的对准精度及对准快速性,设计了基于马尔科夫递推滤波参数估计的对准方案,通过开路粗对准及闭路精对准,实现游移方位惯导系统在扰动基座上的平台调平、航向确定及陀螺漂移测定,试验结果表明,所设计的方案达到了较好的效果.     

SiC纤维表面CVD SiC涂层对其单丝强度的影响

采用化学气相沉积(CVD, Chemical Vapor Deposition)工艺在KD-I型SiC纤维表面制备了SiC涂层,选择2h、4h、6h和8h四个时间点研究了沉积时间对纤维性能的影响.结果表明:具有CVD SiC涂层的SiC纤维较无涂层的纤维来说强度有所下降;在所研究的沉积时间范围内,随着沉积时间的增加,涂层的厚度有所增加,涂层由不连续的岛状转变为连续层状,纤维的单丝强度出现了先升后降的趋势.     

卡尔曼滤波的雷达双站无源测向定位新方法

雷达无源测向定位技术是一种非常有效的雷达电子对抗技术.将该技术应用到雷达组网中,将有利于提高现有装备雷达的电子对抗性能.通过在MSC坐标系中对双站无源测向雷达的Kalman滤波,计算出被测目标的状态预测以及预测方差,然后再将两者所得的状态预测通过数据融合技术计算出总的全局状态估计.并通过计算机仿真验证,结果表明此方法是一种具有工程意义的实用测向定位新方法.     

改进的最速跟踪微分器滤波效果仿真

为保证获得数据的实时性以及滤除数据在获取过程中存在的一系列野值干扰,利用鲁棒滤波理论对最速跟踪微分器的跟踪和抗野值功能进行了改进,利用误差反馈的思想,对最速跟踪微分器进行实时在线的补偿修正,并将改进型跟踪微分器与标准最速跟踪微分器和鲁棒Kalman滤波器仿真结果进行了比较,表明经改进的最速跟踪微分器有更好的跟踪、滤波以及抗野值效果。     

基于中值排序的自适应加权均值滤波算法

分析了MTM算法的原理、优点和不足，并提出了一种改进的自适应加权均值滤波算法。该算法基于中值排序自适应地确定加权系数，完成对含噪图像的均值滤波。实验证明，算法能较好地滤除高斯噪声和脉冲噪声，且滤波效果优于传统的中值滤波和MTM滤波，是一种简单、实用的图像滤波算法。     

基于IEPF序贯融合的多传感器管理方法

针对主被动传感器信息融合的特点,提出了一种在IEPF序贯融合基础上进行传感器管理的方法。工程常采用的传统扩展卡尔曼滤波融合算法滤波精度不高,因此结合采用了粒子滤波方法。先对主被动传感器采用迭代扩展卡尔曼滤波集中式序贯融合,利用融合后的信息进行粒子更新,提高滤波精度,在此基础上采用分辨力增益的方法对传感器进行管理。仿真结果表明该方法能够提高对目标的跟踪精度,增强多传感器对环境变化的适应能力。     

基于抗差Kalman滤波的航空发动机测试数据预处理技术

针对使用标准Kalman滤波算法不能准确处理包含粗差的航空发动机测试数据的问题,在分析标准Kalman滤波算法准则和观测误差对滤波估计结果影响的基础上,采用动态调整观测信息在滤波估计结果中权重的方法,给出了基于抗差M估计理论的抗差Kalman滤波准则和递推公式。对不同的发动机测试数据分别采取序列滤波的方法,减少了运算量。基于常加速度模型,建立了测量参数的状态空间方程和测量方程。以包含粗差的某型涡扇发动机稳定工作过程的模拟测量数据为例,采用所设计的抗差Kalman滤波器对其进行预处理,与标准Kalman滤波算法处理的结果对比表明,在模型误差一定的情况下,抗差Kalman滤波算法具有更好的估计精度。     

基于“当前”统计模型的衰减因子自适应跟踪算法

针对机动目标跟踪问题,叙述了加速度方差自适应的"当前"统计模型.提出了一种具有自适应衰减因子的滤波算法,并对该算法进行了较为深入的理论分析.这种衰减记忆滤波具有集机动检测与参数自调整于一体的能力,最后Monte-Carlo仿真结果表明,这种自适应算法较原算法有较大的改进.