基于可视化交互的国动指挥所设计

国防动员的指挥控制中大量的信息数据(如部队需求、地方资源)和错综复杂的多方关系,使得指挥员难以在短时间内从浩如烟海的信息中提取有用的决策信息和作出快速准确地指挥协调。为此,着眼未来指挥所的发展趋势,提出基于可视化交互的国动指挥所设计方法:通过分析国动指挥任务的关键路径,提取重要的决策信息,利用可视化交互技术,实现对国动任务的信息化指挥控制。以某部演习的国防动员指挥为例,验证了方法的可行性和有效性。     

利用组合广义Harmonic小波设计梳状滤波器

在机械振动信号处理中常出现多倍频谐波谱特征或多边带调制谱特征,为更好地提取或去除这些特征频率,需要设计性能优良的梳状滤波器。根据Harmonic小波的特点,给出了利用组合广义Harmonic小波设计梳状滤波器的详细步骤和应用实例。研究结果表明:增大滤波器的阶数和使用旁瓣小的窗函数可以提高梳状滤波器的性能。     

美军联合信息作战效果评估及特点

联合信息作战效果评估是美军联合信息作战的重要组成部分,基于美军2014年重新颁发的《联合信息作战条令》,重点阐释了联合信息作战效果评估的概念、目的及流程,分析研究了联合信息作战效果评估的基本特点。     

超声速扩压器中激波串结构的数值模拟

通过求解由BL湍流模型封闭的二维、轴对称及三维雷诺平均N S方程 ,数值模拟了等截面超声速扩压器中由激波 /附面层干扰诱导的复杂流场 ,比较了二维直管、圆截面直管及三维矩形截面直管中的流场特性、激波串长度及压强恢复程度。在来流马赫数为 3 0的二维直管计算中 ,采用四步Runge Kutta显式方法数值仿真了激波串自激振荡过程 ,并与实验结果作了对比分析     

高超声速横向喷流的三维数值模拟

采用有限体积法,结合半隐的Harten TVD格式和Baldwin Lomax代数湍流模型,求解了三维全N S方程,计算了超声速气流干扰流场,并与实验数据进行了比较,模拟清晰地捕捉到喷流附近复杂波系结构和旋涡结构,并且显示出了弹体表面受到喷流影响的区域,说明横向喷流干扰对弹体影响非常大。     

退化速率跟踪粒子滤波在剩余使用寿命预测中的应用

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化,并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

运载火箭芯级与助推级分离的数值模拟

采用动态重叠网格方法和双欧法,耦合求解非定常流动控制NS方程和6DOF运动方程,数值模拟运载火箭助推级和芯级的自由分离过程和附加外力作用下的强迫分离过程,并对芯级、助推级分离的主要影响因素进行分析。数值结果与试验结果吻合,表明动态重叠网格方法能正确预测火箭芯级与助推级间复杂的流动现象。根据数值模拟结果,给出助推级在不同分离工况下的分离参数及分离规律。     

基于Sub-Nyquist采样的单通道频谱感知技术

宽带频谱感知技术在认知无线电中具有广泛的应用。基于时分的思想,将信号采集时间以固定长度的时间片进行划分,分别与不同的伪随机码信号相乘,经过低通滤波和sub-Nyquist采样,利用采样数据求出信号的频率支集。与已有的多通道频谱感知结构相比,本文用相对简单的单通道结构实现,同样能够利用低速率的采样点完成频谱感知。仿真实验结果表明,在信号的频率支集未知的情况下,该算法能够有效利用sub-Nyquist采样的数据实现频谱感知。     

外挂式导弹机弹分离气动干扰特性研究

以经典的机翼/挂架/导弹组合模型为例,采用重叠网格软件系统和计算流体力学技术,从机弹干扰工况简化和气动干扰特性影响因素分析两个方面对外挂式导弹机弹分离气动干扰特性进行研究。导弹分离轨迹参数和气动干扰系数的数值预示结果与捕获轨迹试验结果吻合,表明该计算方法能有效预测机弹分离轨迹和分析导弹与载机间复杂气动干扰现象。根据计算流体力学结果,从马赫数、机翼攻角、导弹攻角等方面,给出导弹在不同分离工况下的气动干扰规律,并采用增量系数法对缺失工况进行一阶外插处理的气动干扰数据外推方法,可应用于机载外挂空基武器的机弹分离轨迹预示和气动干扰特性设计中,具有重要的工程应用价值。     

判决特征选择的快速人脸识别算法

为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS).针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架.在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义.使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力.