高层反导部署方法

分析了低层反导部署分析方法的局限和亟待解决的问题.针对TBM的机动突防、释放子弹突防和干扰隐身突防3种情形,提出了更一般的反导部署分析方法,给出了计算反导兵器配置区域的步长推进算法.该方法克服了低层反导部署方法的缺点,得到的配置区域更加准确、有效.该方法亦可应用于低层、中段反导系统部署分析.     

一种新的离散余弦变换LMS自适应滤波算法

通信过程中由于多径效应容易造成码间串扰,为此讨论了一种基于离散余弦变换(DCT)的最小均方(LMS)自适应滤波算法.该算法不依赖于输入信号特性,以一种近似的方式完成对输入向量正交化,实现了高效计算.将该算法运用于码间串扰(ISI)严重的信道均衡仿真实验中,并与传统的LMS和归一化LMS( NLMS)算法进行比较,仿真结果表明该算法具有更快的收敛速度和更小的稳态误差.     

基于公共燃气排导结构的共架发射系统武器选择与布局方法

公共燃气排导结构和同心筒结构的共架发射系统由于燃气排导机理不同,其对武器发射的影响及在武器选择、布局等方面均存在较大差异.针对公共燃气排导结构的共架发射系统分析了公共燃气排导对武器发射的影响,提出了武器选择与布局方法,通过算例进行了验证并得出结论:公共燃气排导结构的共架发射系统武器布局上应采取分散布局,武器选择上应优先选择“无发射活动、对应武器数量较多、烧蚀值较小”的模块,且按照模块编号依次交替在不同模块进行武器发射.     

基于PCB技术的延时线设计方法

为了设计大功率低损耗的延时线,提出了用多股窄印制线并行绕制替代单股印制线绕制、在某些特定位置将并绕的多股印制线交叉换位的多层PCB螺旋电感的设计方法,并用该电感和电容模拟电缆的分布参数电感和电容制作延时线。通过多股并绕交叉换位的方式可以增加电感的有效截面积,减小电感的涡流损耗,有效提高电感的品质因数。测试结果表明:该螺旋电感的品质因数在短波频段内有较大提高。利用该螺旋电感制作的200ns延时线在通1A电流50 W功率时,延时性能好、驻波比小、衰减量小,满足大功率低损耗的要求。     

非标准条件下旋转弹丸刚体外弹道的建模与仿真

为研究非标准条件下高速旋转弹丸的刚体外弹道性能,基于坐标变换理论建立了地球曲率影响下的外弹道数学模型,分析了自然风对弹丸气动力及气动力矩的作用,并在考虑气温气压及重力加速度变化的基础上得到了非标准条件下旋转弹丸的刚体外弹道模型。利用该模型对某105mm榴弹外弹道进行仿真,结果表明:地球曲率引起旋转弹丸外弹道性能参数值少量增加,且增加量随弹丸射程的增大而增加,验证了自然风对弹丸动态稳定性有较大影响,进而影响弹丸的各弹道参数的结论。     

HLA的雷达目标跟踪算法验证系统

构建了一个基于HLA的雷达目标跟踪分布式仿真系统。采用组件设计思想,实现目标跟踪组件和滤波组件,并将这两套组件嵌入到目标跟踪分布式仿真系统中。实践结果表明:基于组件思想构建的目标跟踪和滤波算法能够很好嵌入到分布式雷达目标跟踪系统中,从而为跟踪算法的合理选择、算法参数的优化设计,以及实际系统的研制提供有力支撑。     

组网雷达的改进粒子滤波算法

针对现代战争中有源雷达容易受到干扰和反辐射导弹的摧毁,以及无源雷达隐蔽性高,只能测量方位角度,测量精度小等特点,提出利用集中式有源雷达系统与无源雷达系统协同组网对目标进行跟踪。但是在实际环境中,噪声属性以及有源雷达,无源雷达接收信号的特点决定了组网雷达需要应用非线性滤波技术对信号进行处理。传统的非线性技术包括卡尔曼滤波、扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)等方法。非线性近似过程带来的误差相对较大,而且均要求观测噪声和过程噪声为独立或相关的高斯白噪声。而粒子滤波避免了传统非线性滤波方法的缺陷,但是存在粒子退化,于是用EKF和UKF在每一时刻更新粒子,用更新的粒子及其协方差构造重要性函数,然后重采样。仿真实验表明这两种改进粒子滤波方法有很好的效果。     

基于正交试验设计的内燃机缸套和活塞环磨合过程数学模型的建立

在对内燃机缸套和活塞环磨合过程进行试验研究的基础上,提出了基于正交试验设计的内燃机缸套-活塞环磨合过程磨损量和磨合时间的数学模型,并对试验结果进行了多元正交多项式回归分析,进而利用磨合过程的数学模型分析了各影响因素对磨合过程的影响.磨合模型的建立对确定合理的磨合时间和磨合规范,提供了理论和方法的依据.     

"三个代表"与马克思主义哲学教育

在马克思主义哲学教学中实现"三个代表"重要思想的"三进入",必须引导学员全面把握"三个代表"蕴涵的哲学智慧和科学实践观,深刻领会"三个代表"对唯物史观的运用和发展,培养其创新意识创新能力,通过"第二课堂"自觉实践"三个代表".     

作业名层次化聚类算法预测作业运行时间

预测作业的运行时间有益于提升系统的调度性能,而聚类有助于训练出更好的预测模型。传统的聚类算法很难将相似的作业名聚类,为了将相似的作业更好地聚类,通过分析其组成成分的语义重要性,构建字母-结构-数字的作业名层次化聚类算法。以两台超级计算机的真实数据为例,实验结果发现,应用此算法聚类后的数据训练模型的预测精度相较传统方法有一定的提升,整体预测精度为70%～80%。