基于影响图方法的信息战模型

由于粒子滤波的算法原理,其计算量很大。研究了针对机动目标的交互式多模型粒子滤波器(IMMPF)算法和多速率交互式多模型(MRIMM)算法,提出了多速率交互式多模型粒子滤波器(MRIMMPF)算法。该算法是在交互式多模型粒子滤波器(IMMPF)的基础上引入多速率技术,期望在保持IMMPF的性能同时能够减少因为粒子滤波带来的计算量;最后通过和一般基于EKF的IMM算法、IMMPF算法的比较,验证了该算法的有效性。     

氮化硼先驱体的合成及其热分解特性

以硼氢化锂和硫酸铵为原料合成了氮化硼陶瓷先驱体环硼氮烷,以GC MS、FT IR和1H NMR等方法对其组成和结构进行了表征和确认.环硼氮烷在80℃左右保温72h后可以得到固化的聚硼氮烷,而后经热分解得到氮化硼陶瓷,以TG、FT IR、XRD等对聚硼氮烷的热分解行为进行了分析和表征.结果表明聚硼氮烷中仍然存在一定数量的B H和N H键,在后续的热分解过程中,会进一步发生脱氢反应,1400℃时陶瓷产率约为89.5%.B H键的断裂主要发生在800℃以前,N H键的消失则需要较高的温度.聚硼氮烷800℃热分解后无机化程度已经较高,其产物基本上为无定形的BN,在1600℃则形成h BN.     

一维结构瞬态响应分析的传递函数方法

本文给出了一种求解一维结构瞬态响应问题的解析方法。通过对控制方程及其定解条件进行Ｌａｐｌａｃｅ变换，将问题写成状态空间形式，用传递函数法求得统一形式的解析解。通过Ｌａｐｌａｃｅ逆变换求得结构在时域内的瞬态响应。文中给出了一些一维结构动力响应问题的算例。     

基于高性能DSP实现的多普勒波束锐化实时成像处理

在简要介绍多普勒波束锐化 (DBS)成像原理和TMS32 0C6 2 0 1芯片特点的基础上 ,着重讨论了DBS成像算法基于DSP的实现。在实现过程中充分考虑了通用DSP完成非线性运算、除法运算耗时大以及存贮I/O操作耗时不能忽略等特点。最后分析了算法性能并给出了实验结果     

含脉冲负载的综合电力系统储能优化配置研究

考虑到舰船环境限制和高能脉冲负载对储能的需求,有必要对储能装置进行合理的选型和优化配置,来提升综合电力系统性能。为此,基于带权极小模理想点法和层次分析法,提出了一种储能装置性能评价函数,并以其为优化目标,进行储能装置优化配置。所提出的评价函数充分考虑系统需求和脉冲负载特性,以储能装置体积、质量和经济性作为评价函数主要组成部分,同时考虑功率、能量、电压、荷电状态等约束,建立优化配置模型,并采用差分进化算法进行求解。以高性能锂电池和超级电容器为例,对所提模型进行求解计算,结果表明在所给权重系数下锂电池性能更优,更适用于综合电力系统,并给出了优化配置后的指导方案。     

沥青纤维不熔化过程的红外光声光谱研究

沥青纤维在其不熔化过程中,发生了一系列复杂的化学变化。本文应用红外光声光谱法,分析研究沥青纤维以空气作不熔化介质,在不同温度下,所得一系列沥青不熔化纤维的组成与结构的变化     

YHFT-DX高性能DSP中Cache失效流水设计

YHFT-DX是国防科技大学自主研制的一款高性能DSP.以提升YHFI-DX的 Cache 性能为目标,研究了降低 Cache 失效延迟的优化策略,设计并实现了一种针对高频高性能DSP的一级数据Cache优化策略--失效流水.与传统优化策略相比,该策略将连续访问Cache的失效请求并进行流水化处理,使多个Cache失效延迟重叠,从而达到降低平均Cache失效代价的目的.将该策略应用到YHFT-DX芯片的一级数据Cache控制器的设计与优化中,使访问Cache失效引起的流水线停顿从8拍降为2拍,显著提升了系统性能.     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统,这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成,ＷＴＡ网络用于检测发动机故障输出模式;第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成,ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真,仿真结果验证了神经网络故障检测系统的优越性能。     

基于逆向强化学习的舰载机甲板调度优化方案生成方法

针对计算机辅助指挥调度舰载机甲板作业的决策过程无法脱离人参与这一特点,引入基于逆向学习的强化学习方法,将指挥员或专家的演示作为学习对象,通过分析舰载机的甲板活动,建立舰载机甲板调度的马尔可夫决策模型(MDP)框架;经线性近似,采用逆向学习方法计算得到回报函数,从而能够通过强化学习方法得到智能优化策略,生成舰载机甲板调度方案。经仿真实验验证,本文所提方法能够较好地学习专家演示,结果符合调度方案优化需求,为形成辅助决策提供了基础。