ENO格式应用分析

对一类高阶、高分辨率的ENO格式进行了较为详细的讨论。通过一些典型算例的应用和同常用TVD类型格式的比较 ,说明了在计算中采用高阶格式分辨复杂流动结构的优越性。在对格式应用分析的基础上 ,指出了格式应用中需注意的问题。通过定量分析说明 ,高阶ENO格式在计算中 ,不但能够减少网格规模 ,而且能够明显提高计算物理量 ,特别是其导数的计算精度     

SAR：飞行中的军事信息“捕食者”

本文首先介绍了合成孔径雷达(SAR)及其应用现状,重点说明了SAR的工作原理及其特点,并归纳了SAR在军事中的应用,最后对SAR的未来发展作了展望.     

高分辨率对地观测系统湖南数据与应用中心获批并成功接收数据

近日,国家国防科技工业局《关于建立高分辨率对地观测系统湖南数据与应用中心的批复》（科工高分（2013）1355号）同意湖南省依托国家超级计算长沙中心设立高分辨率对地观测系统湖南数据与应用中心（简称高分湖南数据中心）。     

促进航天应用 服务国计民生

8月19日,我国成功发射了高分二号卫星,这是我国高分专项的第二颗卫星,开启了我国遥感卫星进入亚米级高分时代。高分专项是我国十六个科技重大专项之一,被誉为践行创新驱动发展战略的＂创新工程＂,高分辨率对地观测的＂天眼工程＂,服务经济建设、社会发展和国家安全的＂应用工程＂。     

顾及时空语义的多主题瓦片数据优化检索方法

针对虚拟地球可视化中多个逻辑图层叠加产生大量同名瓦片索引重叠引起的数据无效访问和内存冗余等问题,提出顾及时空语义的瓦片数据优化检索方法。在客户端实现顾及时空语义的自适应瓦片优选,将视点信息与数据集的时空范围、分辨率和优先级等语义信息自动匹配与自适应筛选过滤,显著提高目标瓦片数据的命中率;在服务器端实现面向主题的内存数据库瓦片数据缓存,进一步提高瓦片数据二次访问的响应速度。实验表明,该方法不受逻辑图层增量影响,保证目标瓦片较高的命中率,缓存方法进一步提升瓦片二次访问效率,显著提高面向多数据集的海量数据实时可视化性能。     

一种新的高分辨率ADC有效位数测试方法

谱分析法和正弦拟合法是ADC动态特性测试的两种常用方法。但在测试信号源信噪比较低的情况下,两种方法的测试结果都存在较大的偏差。提出了一种新的ADC动态性能测试方法,该方法能较好消除信号源对测量结果的影响,使得在普通信号源下可以测试高分辨率的ADC。仿真分析证明了这一测试方法的正确性。最后给出了采用该方法对一ADC系统的实测结果。     

异型角反射体阵列寻优研究

战时,异型角反射体阵列布放态势将是影响其干扰效果的重要因素。以伯克级驱逐舰为典型舰艇,从雷达散射截面积(radar cross section,RCS)、高分辨率距离像(high resolution range rrofile,HRRP)和极化特征三方面入手,进行了异型角反射体布放间隔和布放数量的寻优,旨在寻找一种与载舰逼近度尽可能高的异型角反射体阵列,为反舰导弹突防研究提供基本理论依据。研究表明:综合考虑RCS,HRRP和极化特征三方面因素时,11个异型角反射体两两间隔5 m布放,能够发挥更好的干扰效果。     

基于目标特征的光学遥感图像舰船检测方法

针对在大场景、高分辨率的光学遥感图像舰船目标检测中,传统的阈值检测方法效果不佳,而恒虚警法计算量大的缺点,研究一种根据检测舰船目标的特征,对每个可能的目标区域,快速计算检测阈值的方法。同时,研究基于RNN网络及信噪比的特征选择方法,对目标的特征进行优选并对候选目标进行鉴别。实验结果表明,采用本文方法进行舰船目标检测能获得较好的检测结果.     

面向像斑的高分辨率遥感影像自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度（82%与82.67%）、常规支持向量机分类总精度（87.33%与88%）、最小二乘支持向量机分类总精度（88%与89.33%）相比,精度有明显提升,分类效果较好。     

高分辨率遥感影像的自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。