用单球法测量大直径锯齿形螺纹中径的原理及装置

本文论述了用单球法测量大直径锯齿形螺纹中径的原理与方法，具体介绍了为实现这种方法而设计的检测装置。对这个装置进行了精度标定和测试，实验表明，该测量仪器使用方便，精度较高，具有较强的实用性。     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

基于FPGA的定点LMS算法的实现

LMS算法的FPGA实现是自适应天线阵用于实践的关键之一。提出了一种在FPGA内实现定点LMS算法的方法。在满足系统实时性的前提下,该方法不但实现起来相对容易,而且算法的精度和动态范围也有一定的保证。仿真结果表明,该方法是可行的。     

时延数字控制系统最优控制问题的离散正交多项式解法

本文利用一般的离散正交多项式研究了具有2s个时延项离散系统的最优控制问题。文中导出了系统状态和控制向量离散正交级数展开式中系数向量间的关系,然后,将离散动态系统的最优控制问题转化为直接对二次型性能指标中一组系数向量的参数优化问题,并由一组线性代数方程给出了这组最优系数向量的解。最后,还介绍了一个数值例子。     

树形挠性多体系统的 Kane 动力学方程 ——一种面向计算机的建模方法

本文针对具有树形结构的空间挠性多体系统,建立了Kane 动力学模型。挠性多体系统由任意数目的挠性体或刚体组成,假定铰链点之间具有三自由度相对转动和平动,选取相对平动速度和转动角速度,以及模态坐标的导数为系统的广义速度,建立了系统的最小维数运动方程,所得结果便于计算机自动生成和进行数值仿真。     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

BDS/INS紧组合三频动对动模糊度解算方法

针对伪距观测噪声较大导致动对动条件下三频整周模糊度解法(Three Carrier Ambiguity Resolution, TCAR)模糊度解算不可靠的问题,提出了一种BDS/INS紧组合三频动对动整周模糊度解算方法。通过紧组合系统输出的高精度位置坐标,估算出双差几何距离值,并用其分别代替无几何和几何模式下的双差伪距观测值,显著降低了伪距双差观测噪声水平,有效提高了三频整周模糊度解算成功率。仿真实验结果表明,BDS/INS紧组合输出的高精度位置坐标使得伪距观测精度提高了60%以上,在短基线条件下,当伪距观测噪声达到2 m时,无几何模式下的TCAR算法模糊度解算成功率为0.73%,几何模式下的TCAR算法模糊度解算成功率为31.25%,而BDS/INS紧组合的TCAR算法在两种模式下的模糊度解算成功率达到99%以上,并且获得了厘米级的相对定位精度。     

微波功率晶体管管内匹配网络设计

本设计的目的是建立一个用于宽带固态放大器的宽带微波功率晶体管。本文包括:1) 设计思想;2) 内匹配电路衰减的计算;3) 输入、输出阻抗匹配网络的计算机辅助设计。     

线性调频基带数字产生的关键技术研究

介绍超宽带线性调频信号基带的数字产生方法及其实现技术。首先对线性调频信号的两种主要数字产生方法进行了简要阐述和比较，然后根据波形存储直读法提出了一种超宽带线性调频信号产生方案，分析了基带数字产生的主要关键技术，并进行了系统实现和测试。测试结果表明本文所提出的方法是可行的。     

导弹落点散布的序贯概率比(SPR)检验的随机模拟

本文简述了对导弹落点散布的SPR检验的随机模拟的步骤和计算公式。对于落点的标准偏差进行了序贯截尾和不截尾的随机模拟,并对所得结朱进行了初步的分析。分析表明:通过随机模拟得到的OC 函数L~*(σ)优于由近似公式计算的L(σ),而E_σ~*(n)比E_σ(n)要大,所以在选择参数α、β和λ时利用L~*(σ)和E_σ~*(n),同时参考L(σ)和E_σ(n)比较好。本文对截尾方案进行了讨论,对某些问题提出了一些看法。