基于遗传算法的VHF宽带天线优化设计

文章应用遗传算法设计并优化了一种宽带加载单极子天线,结合高效的匹配网络以改善天线性能,并对30 MHz～520 MHz频率范围内加载单极子天线和匹配网络的参数进行全局优化,把增益和驻波比作为目标函数综合考虑,得到了全局最优的参数及仿真结果。该天线在30 MHz～520 MHz频率范围内驻波比小于3,增益大于-2.5 dB,具有良好的宽带特性和全向特性,其实测结果良好地满足了要求。     

基于SNMP的数据采集技术在指挥自动化系统中的应用

针对指挥自动化系统分布式多域的系统结构特点以及高效数据采集的需求,提出了一种基于SNMP的域内数据采集模型,采用SNMP的主子代理模式,多个代理协调合作,共同完成数据采集任务.实验验证,本数据采集系统具有稳定性高,时效性强,可扩展性好、网络资源占用率低等特点,为整个指挥自动化网络系统高效运行提供了可靠的保证.     

基于分簇理论的信息流优化算法研究

将导弹防御指控网络看作变拓扑结构网络,引入小世界网络中"簇"的概念,以最短作战响应时间为优化指标,提出了一种基于平均连接度自适应分簇算法的信息流优化算法。仿真结果表明,该算法在保证信息优裕度的前提下,提高了信息可达度和信息交互质量,提高了指控网络遭受打击时的重构能力。     

飞秒激光宽频干扰导弹技术

介绍了飞秒激光在介质中的非线性传输现象和机理,论证利用飞秒激光在空气和光电窗口介质中非线性传输形成的宽光谱辐射干扰各类光电制导导弹的可行性,实验研究了飞秒强激光通过空气、K9玻璃、石英、MgF等介质时的辐射特点和规律,说明利用飞秒强激光直接攻击导弹窗口将更有效。     

ESP中“科技英语翻译”的课程建设

大学英语教学改革的主流是教学模式的改变和更新,为了适应新时代的需要全国很多院校都在尝试改革原有的大学英语课程设置,增设以能力培养为主的实用性课程。本文探讨了高校"科技英语翻译"选修课课程的课程构建和教学策略。     

一种电阻-时间变换器及应用

以张弛振荡器为基础,提出了一种用电阻-时间变换电路将所测信号转化为量化时间的信号检测新方法。分析表明,该变换器电阻变化与输出时间呈线性关系,电路误差小、抗干扰,调理简单,给出了应用这种电阻时间变换器进行多路检测的单片机系统实例。     

铁酸镍和铁酸锰的制备及磁性对比

用化学共沉淀法在90℃的反应温度制备了NiFe2O4和MnFe2O4铁酸盐多晶微粉,发现经沉淀洗涤后直接得到MnFe2O4纳米微粉,不需热处理过程;而要获得NiFe2O4需要对沉淀洗涤后的前驱体进行热处理。利用振动样品磁强计测量了样品在室温下的磁性能,对两种磁粉的磁性进行了对比。     

Bin‐packing problem with concave costs of bin utilization

We consider a generalized one‐dimensional bin‐packing model where the cost of a bin is a nondecreasing concave function of the utilization of the bin. Four popular heuristics from the literature of the classical bin‐packing problem are studied: First Fit (FF), Best Fit (BF), First Fit Decreasing (FFD), and Best Fit Decreasing (BFD). We analyze their worst‐case performances when they are applied to our model. The absolute worst‐case performance ratio of FF and BF is shown to be exactly 2, and that of FFD and BFD is shown to be exactly 1.5. Computational experiments are also conducted to test the performance of these heuristics. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006     

基于双焦CCD摄像的浮空器航向测定

在防空反导作战中,目标坐标的有效探测是关键环节,通过浮空器观测目标可以有效地提高探测效果.为测量浮空器的航向角,提出了一种性价比较高的新方案,即通过设置地面信标,利用双焦CCD跟踪地面信标的视频图像进行处理,计算浮空器的航向角.精度的理论分析与数值计算表明该方法可行.     

基于学习矢量量化(LVQ)神经网络的雷达体制识别

由于现代战争中雷达体制的多样化、复杂化及其综合应用使得雷达体制识别中要处理大量复杂的高维数据,学习矢量量化(LVQ)神经网络不仅能处理有监督分类,而且相对于其他神经网络能以较小的计算量处理大量输入数据,所以采用LVQ对雷达体制进行识别,同时针对LVQ学习速率的变化可能引起学习算法不稳定,采用修正的学习速率算法.在简要介绍雷达体制和LVQ的基础上构造了LVQ神经网络对雷达体制进行分类.通过与径向基神经网络(RBFN)识别算法的仿真对比,证实了方法的有效性.