空时分组编码的译码算法

空时分组编码是最近提出的使用多个天线应用于瑞利衰落信道的编码技术。利用传输矩阵的正交性推导出其译码算法的一般表达式     

高功率微波对 YBCO 超导材料临界电流密度Jc 的影响

用固相反应法制备了三组123相YBCO超导块材,利用高功率微波对三组样品进行辐照处理,分别测量其临界电流密度Jc,实验结果表明,适当的微波辐照有利于提高超导样品的临界电流密度Jc,一次照射与未照射的样品相比较,Jc提高了近一个数量级.     

全极化雷达的多任务压缩感知目标识别方法

为有效利用全极化雷达高分辨距离像(High Resolution Range Profile,HRRP)的丰富特征信息和全极化样本中各单极化HRRP均对应于相同目标姿态的特性,提出一种基于多任务压缩感知的全极化雷达目标识别方法。该方法约束在不同极化字典中选择来自相同角域的字典原子对相应极化方式下的HRRP进行表示,可以有效利用不同极化HRRP之间的相关信息提高目标识别性能。基于电磁散射数据对所提出的方法进行了测试,实验结果证明了方法的有效性。     

旋成体射弹倾斜入水运动仿真

为了研究运动参数和弹头外形对弹体斜入水过程的影响规律,采用气液两相流体积分数和水汽空化模型,通过嵌套网格实现刚体三自由度运动学和动力学耦合,模拟了弹体以80～100 m/s速度倾斜入水开空泡阶段的运动过程。经文献实验验证,入水弹体速度与位移的误差为0～6%和-8%～0,转动角度误差为-6%～0。通过对入水速度和入水角度的多工况模拟研究,发现入水速度增大,弹体轴向冲击载荷增大,最大载荷与速度的平方呈线性关系,弹体速度非线性衰减率大;入水角增大,弹体转动角速率减小,运动稳定性强,速度衰减率不受入水角影响。与圆锥头部弹体相比,采用头部阶梯状修型后的弹体的平均速度衰减率、转动角速率和最大轴向冲击载荷分别降低到66.7%、40%和77.2%,显著提高了运动稳定性。     

“尼罗河魔鬼”长背鳍波动包络线的提取算法

"尼罗河魔鬼"采用长背鳍波动推进方式,属于典型的奇鳍/对鳍推进鱼类.在已有的理论模型中,细长体理论(Elongated-body theory)较为适合于分析该类游动方式的推进性能.长背鳍的波动包络线方程是细长体理论的必要参数.拍摄实验样本(MPC-I)的自由游动视频,从中选取多组平稳运动图像序列,经旋转校正、零点配准、尺度归一、小波去噪等预处理后,提取了柔性长背鳍波动推进时的顶端边缘轮廓样本曲线簇,进而给出了波动包络曲线的多项式拟合方程.实验结果表明长背鳍波动包络线提取算法是有效的,根据算法所提取的长背鳍波动包络线方程为后续的推进力及推进效率的分析奠定了基础.     

外加信号增强随机共振在微弱信号检测中的应用

在利用随机共振检测微弱周期信号的基本原理基础上,给出一种通过外加可控信号激励出随机共振现象,并将之应用于微弱信号检测的方法。采用仿真信号对该方法进行了验证,通过归一化尺度变换,将该方法的适用频率扩展到机械系统特征信号频段。结果表明,该方法简单可行,能把信噪比较低的周期信号从强背景噪声中提取出来,在机械故障检测中具有应用前景。     

混沌振子在转子系统早期碰摩故障检测中的应用

根据Duffing方程解的特性设计出混沌振子 ,利用混沌振子对噪声的免疫力和对小信号的敏感性对微弱信号进行检测 ,并将此方法应用于转子系统早期碰摩故障检测中 ,结果表明此方法简单、可行。     

基于运动状态和敌我属性的空中目标融合识别

研究了基于实时跟踪器的空中目标航迹身份识别问题。从分析目标运动状态和敌我属性的不确定性出发 ,建立了空中目标身份统计模型 ;根据建立的模型 ,通过采用Dempster Shafer证据理论方法 ,对空中目标进行融合识别。仿真实验结果证明了模型和算法的有效性。     

进气道角度对含硼推进剂固冲发动机性能的影响

为了提高含硼推进剂固体火箭冲压发动机内硼颗粒的燃烧效率,采用颗粒轨道模型进行了补燃室两相流的数值模拟,其中硼颗粒的点火和燃烧模型采用的是King模型,建立了发动机补燃室内简单反应流模型,在该模型下研究了进气道的位置对非壅塞固体火箭冲压发动机燃烧效率的影响,并在此基础上进行直连式试验研究.结果表明,后进气道角度为60°时的燃烧效率比90°时高.     

节点实时性能自适应的集群资源分配算法

由于配置和所运行作业的不同,集群各节点的实时性能差异较大。为提高集群性能,提出节点实时性能自适应的集群资源分配算法 (node real-time performance adaptive cluster resource scheduling algorithm,NPARSA)。节点实时性能用其配置(CPU核数及速度、内存容量、磁盘容量)和实时状态参数(CPU、内存和磁盘的剩余数量及磁盘读写速度)表示。NPARSA根据作业类型自主选择节点性能评价指标的权值,实现节点实时性能对于作业类型的自适应。实时性能最优的节点分配给作业。虚拟机实验和物理集群实验表明,与Spark默认资源分配算法、没有考虑作业类型与节点匹配的算法、使用作业和节点匹配差异程度作为资源分配依据的算法相比,NPARSA能更有效地缩短作业执行时间、提高集群性能。