双基地中两坐标收站的三维定位跟踪算法

文中讨论了Ｔ／Ｒ—Ｒ型双基地系统中无俯仰信息收站对运动目标的三维定位跟踪能力;通过若干观测点上测量数据的组合,较好地实现厂对运动目标的三维定位跟踪,从而可以将目标的高度信息从变化的距离和之差的测最值中提取出来。文中以仿真手段证明了这种方法的可行性。     

双基地两坐标雷达空间目标定位算法

本文提出了双基地雷达单独使用发射／接收站（Ｔ／Ｒ站）的目标斜距和方位角信息或接收站（Ｒ站）的目标距离和方位角信息分别对空中目标的二维定位算法,并给出了定位精度的分析方法。最后,通过计算机仿真讨论了算法的定位性能。     

利用Hough变换实现目标检测与航迹启动

经典的目标检测方法是Ｂａｙｅｓ方法,通常为门限检测。本文将利用Ｈｏｕｇｈ变换推导一种通过非相参积累实现目标检测和航迹启动的方法。针对目标的信噪比不同的情况,讨论了两种非相参积累形式,一种是直接积累,另一种是二值积累。二值积累在检测微弱目标时有独特的优越性。本文还讨论了两种非相参积累方法的理论检测性能。     

KCl 和KBr 晶体热膨胀系数的计算

本文利用Gordon-Kim 模型给出的离子间相互作用势,计算了KCl 和KBr 晶体在室温下的热膨胀系数。所得的结果与实验值进行了对照。     

T/R-R 型双基地系统识别欺骗式假目标

本文提出一种利用T／R－R型双基地系统识别欺骗式假目标的方法。在给出双基地系统数据相关算法的基础上,提出了真假目标的识别准则,仿真实验表明,该方法在电子战条件下识别欺骗式假目标是行之有效的。     

保证率点值区间估计的Monte-Carlo方法

提出了一种根据实测样本系列对保证率点值进行区间估计的Ｍｏｎｔｅ─Ｃａｒｌｏ方法。对于具有正态分布或对数正态分布的样本,首先推出总体参数的分布,然后用Ｍｏｎｔｅ─Ｃａｒｌｏ法生成总体参数系列,据此求得相应的保证率点值系列,最后通过经验分布推得在给定置信度下保证率点值的区间估计,本文还给出了一个算例。     

采用 Bayes 数据融合方法进行目标和诱饵的识别

本文以目标和诱饵的识别为背景,详细叙述了采用基于Ｂａｙｅｓ数据融合方法的基本原理、融合模型和识别结果。从识别结果可以看出,这种方法可以达到较高的识别率,是识别目标和诱饵的有效方法。     

基于小波变换和数据融合的多导联ECG信号QRS波群精确检测算法

本文首先对单导联心电图（ Ｅ Ｃ Ｇ）信号的小波变换进行假设检验,得到 Ｑ Ｒ Ｓ波群的位置和检验的虚警漏报概率,然后对 １２ 导联检测结果作峰点比对融合和决策加权融合处理,最终得到精确的 Ｑ Ｒ Ｓ位置。实验表明这种方法对各种主要病症的 Ｑ Ｒ Ｓ波群均能准确检出,正确率在 ９９９５％ 以上。     

军人心理素质教育初探

要在正确理解素质和心理素质的基础上 ,立足于军人和军事生活的特点来理解军人心理素质。军人心理素质教育的关键环节 ,是要切实掌握如何进行军人心理素质教育的方法和途径。实践证明 ,教育引导、环境磨炼、自我养成和结合渗透是加强军人心理素质教育的四个关键环节     

Economic design of sampling plans with multi-decision alternatives

For situations where there are several markets with different profit-cost structures, economic attributes sampling plans are developed for determining the market to ship the lot to. Two sampling plans are considered; the fixed-size sampling plan with several levels of acceptance numbers, and the inverse sampling plan with several levels of sample sizes. Linear profit models are constructed which involve four profit/cost components; profit from a conforming item, inspection cost, replacement cost, and cost from an accepted nonconforming item. For fixed-size and inverse sampling plans, methods of finding optimal sampling plans are presented and examples with beta-binomial prior distributions are given.