高超声速飞行器边界层外缘参数仿真分析

以高超声速飞行器为研究对象,构建快速准确计算高超声速飞行器无黏边界层外缘参数的计算方法。拟合空气比热、比热比随温度变化曲线,建立空气属性温度划分准则。基于不同空气属性建立高超声速飞行器边界层外缘参数工程与数值计算模型,采用钝双锥模型,对比分析工程估算、无黏数值及有黏数值计算方法的计算结果。结果表明,0°攻角状态下,基于无黏流场的数值计算与工程估算和有黏数值计算的压强最大差值分别为1.19%和2.39%;10°攻角状态下,最大差值分别为5%和50%;从而证明所提出的无黏数值计算方法明显优于工程计算方法,为进一步快速准确计算高超声速飞行器气动热环境奠定了重要基础。     

稀布阵下宽带多波束组合印证测向算法

在稀布阵下,对信号强度不同的多个信号进行多波束测向时,由于波束主瓣较宽,副瓣较高,因而无法分辨信号到达方向。针对此问题,提出了一种新的多波束测向算法,即多波束组合印证测向算法。该方法充分利用高副瓣的特点,建立多波束学习训练匹配表,通过查表综合判定信号到达方向。仿真实验结果表明:该算法很好地解决了稀布阵下对同时到达阵元的多个信号测向问题,且算法简单,运算量小,测向精度较好,具有很好的工程应用价值。     

基于边带相关置换的BDS抗窄带干扰算法

提出了一种新的窄带抗干扰算法,利用北斗卫星导航系统(BDS)信号体制频谱的对称性,通过将受到污染的频谱部分替换为未受污染频谱,而对于对称干扰,则将其置零,以达到最大程度恢复原信号的目的。仿真表明,该方法扩展了常规边带相关置换法的应用范围,其抗干扰效果优于常规的频域干扰置零方法。     

保持连通的边缘细化算法

传统的图像边缘检测算子一般都只能得到多像素宽边缘,这为后续的图像处理带来了一定困难。结合边缘走向趋势的估计技术以及对连通关键点判断的方法,提出了一种新型的边缘细化算法———保持连通的边缘细化算法。该算法能在保持边缘原有信息(连通和走向)的前提下,以较小的计算开销,给出理想的或是可接受的单像素宽细化结果。     

高隔离度干涉截止滤光片的设计与制备

根据光通讯无源器件和激光探测仪器对光学薄膜的特殊需求,采用解析法和自动优化法综合设计了高隔离度的干涉截止滤光片,分析了膜厚改变2%对设计膜系的透过率曲线的影响,通过莱宝APS1104镀膜机对所设计的膜系进行了实际镀制,获得了性能优良的高隔离度截止滤光片.     

前缘和转轴影响翼摇滚特性的数值模拟

采用耦合求解N-S方程和Euler刚体动力学方程的数值模拟方法研究80°后掠三角翼摇滚特性,讨论机翼前缘构型和滚转轴位置对三角翼摇滚特性的影响。N-S方程的离散采用Roe格式和含双时间步的LU-SGS方法,刚体动力学方程的离散采用二阶精度的差分方法,通过交替求解流动和运动控制方程组的耦合策略,模拟80°后掠三角翼自激摇滚的非定常过程。针对转轴安装于上表面的细长三角翼,研究前缘上削尖、下削尖和双面削尖三种构型的翼摇滚特性,分析前缘构型对摇滚振幅及分岔攻角的影响。考虑到上削尖和下削尖构型在翻转后相当于前缘构型互换但转轴位置不同,进一步考察了滚转轴位置对三角翼摇滚特性的影响。结果表明:在一定的攻角下,三种不同前缘构型的三角翼均能形成大幅自维持的摇滚现象,其中上削尖前缘的三角翼振幅最大,双面削尖前缘次之,下削尖前缘三角翼振幅最小;攻角增大到30°以后,双面削尖和上削尖前缘的三角翼会发生翻转现象,翻转180°以后维持等幅振荡。     

虹膜内边缘定位的齿形变换方法

提出了一种新颖简单的虹膜内边缘(瞳孔)定位算法.此算法分别对虹膜图像的每一行进行处理.首先,采用一种简单的齿形变换对虹膜图像每一行的灰度曲线进行变换,变换后的灰度曲线为齿形并且虹膜内边缘点出现在齿形曲线的转折点处.然后,根据在虹膜内边缘点处齿形灰度曲线的斜率由负值变为正值的特点,检测虹膜内边缘点并定位虹膜内边缘的位置.此算法具有新颖、简单、准确和速度快等特点.     

中制导虚拟目标的定位参数研究

基于虚拟目标的优化导引中制导拦截弹道轨迹及其能耗与虚拟目标的位置紧密相关,决定该位置的参数包括中末制导交班距离和视场基准角等.首先研究了弹道特性随定位参数的变化规律并提出通过滚转实现视场基准角的负取值,在此基础上得出满足多约束条件的虚拟目标定位参数的设置方法.利用该方法所产生的虚拟目标与相应的优化导引律结合,可以很好地满足中制导的要求.     

激光半焦斑边缘检出技术研究

本文介绍了一种新的边缘定位方法激光半焦斑边缘检出法。这种方法综合运用了多种技术,如自适应跟踪补偿技术、激光调制和调制幅值补偿技术、微分定点采样技术以及步进电机步距细分技术等,从而达到了较高的边缘检出精度。文章还给出了激光半焦斑边缘检出的理论模型和计算机仿真结果,并介绍了一个采用激光半焦斑边缘检出技术的测径系统。     

SAR图像目标分割与方位角估计

图像分割和目标方位角估计是进行SAR (SyntheticApertureRadar)图像自动目标识别的重要步骤。文章提出了一种基于MRF (MarkovRandomfield)模型的SAR图像分割算法 ,利用ICM (IterativeConditionalMode)局部优化方法 ,获得MAP (maximumaposteriori)准则下的图像分割结果 ,将图像分割为目标、阴影、背景三部分。然后确定目标离雷达最近的点 ,从而得到目标的主导边界 ,并估计出目标的方位角。用MSTAR (MovingandStationaryTargetAcquisitionandRecognition)数据进行实验 ,估计方位角的准确性与现有算法的结果相比 ,具有明显提高