基于相关熵的MACH滤波器

最大平均相关高度(MACH:Maximum Average Correlation Height)滤波器是一种重要的基于相关的模式识别方法。滤波器由训练数据线性构造而成,具有良好的畸变容忍能力,在线性高斯噪声条件下具有理论最优性。为将算法适用于广泛的非线性、非高斯情形,本文引入一种新的度量函数相关熵,可隐性地将输入数据通过非线性变换映射到特征空间;并在新的空间中提出了基于相关熵的MACH滤波器构造方法。最后将此方法应用于合成孔径雷达(SAR:Synthetic Aperture Radar)图像目标分类进行了实验,在接收机工作性能曲线和峰值旁瓣比的比对中,本文算法的性能均有所提升。     

基于Agents/Space的装甲装备战损仿真方法(Ⅱ)

对任何仿真系统,只有在保证一定可信度的基础才具有实用价值。在文(Ⅰ)战损仿真原型系统的基础上,结合经济性和可行性的权衡分析,提出了装甲装备战损仿真系统的修正策略。进行了典型条件下的杀伤力参数试验,利用神经网络技术修正BAD参数经验值和试验值的误差,然后将训练完成的神经网络模块嵌入在P ierc ingA gen t中,实现对BAD模型参数的动态修正。最后,进行了仿真试验,并利用实战数据和全尺寸物理实验数据进行了仿真系统的有效性验证。研究成果为装甲装备战损或具有类似特征系统的仿真提供了一种研究途径。     

尖点突变模型对单通道火力打击问题的研究

分析单通道火力打击的作战过程,在此基础上,运用系统学中的系统突变理论,通过对打击问题的分析,建立基于尖点突变的数学模型,提出避免系统发生突变的条件,为进一步研究此类火力打击问题提供理论参考。     

机载信息显示控制系统的飞行试验方法

机载信息显示控制系统是沟通用户与信息系统的重要人机接口,不仅具有地面固定显示控制台的功能,同时还能满足机载环境下的任务和需求.针对机载信息显示控制系统的特点,综合考虑其软件设计需求、软件测试方法、人机工程学多方面因素,给出一种机载信息显示控制系统飞行试验方法.     

面向航天装备大数据的知识图谱体系

近年来,航天装备大数据平台建设已经取得了长足进步。然而,航天装备数据深层次价值仍然未被有效发掘,关键原因在于现有大数据业务数据存在无法跨专业贯通、缺乏全局数据资源智能分析及管理。知识图谱技术作为大数据时代的推理和分析利器,与航天装备大数据完成无缝对接具有天然的优势和内在动机。本文从研究面向航天装备数据知识图谱的/组织管理、关联分析、数据挖掘、知识可视化等开放式共享服务出发,通过大数据、人工智能方法挖掘航天数据的应用潜力,并引入数据化决策模型和监控体系,建立航天装备数据全息画像,实现业务数据的跨业务贯通,并提供网格化的高速检索,以求通过提升数据管理的规范化、标准化、精益化水平指导航天装备的优化和升级。     

长期贮存的固体发动机药柱脱粘界面裂纹分析

为了分析长期贮存的固体导弹发动机药柱脱粘层界面裂纹在燃气内压和轴向过载联合作用下的扩展情况,建立了发动机药柱在包覆层与推进剂之间脱粘的三维有限元计算模型,并于脱粘界面的裂纹尖端设置三维奇异裂纹元,模拟脱粘界面裂纹扩展。在包覆层与推进剂之间设置不同深度脱粘,计算了在燃气内压和轴向过载联合作用下不同贮存期、不同深度的界面裂纹尖端的应力强度因子,得到了界面裂纹应力强度因子随贮存时间、脱粘深度的变化规律,对长期贮存的固体发动机脱粘界面裂纹的扩展进行了分析。     

SEA的侦察与监测系统效能分析

侦察与监测系统已成为现代C3I系统的重要组成部分,其效能评估既有C3I系统的一般性又有自身的特殊性。首先在一般系统效能含义上定义了侦察与监测系统的系统效能,比较了几种典型的C3I系统评估方法。在此基础上,将SEA方法应用于分析侦察与监测系统效能,并将情报信息量作为效能度量的指标。最后给出了分析计算过程和仿真结果。     

侦察与监测系统效能评估

在航天监测信息系统建模和模型分析时,系统的评估方法和评价模型是系统建模的前提条件和重要组成部分。利用WSEIAC提出的一般模型,建立了航天监测系统效能一般形式,应用APH(层次分析法)和矩阵分析方法分析建立航天监测系统性能能力指数模型,同时考虑初始条件和系统状态变化对总效能的影响。     

基于模拟退火算法的阵列模型有源校正方法

针对同时存在通道幅度相位不一致与阵列互耦的均匀直线阵列,提出了一种采用模拟退火算法的阵列模型校正方法.该方法使用多个辅助信源分时工作,根据子空间基本原理构造目标函数,采用模拟退火算法对幅相误差矩阵及互耦矩阵进行估计.利用该方法对均匀直线阵进行了计算机仿真与实测实验,仿真及实验结果证明了该方法是有效可行的.     

基于CNN的视频火焰识别及模型剪枝

针对目前火焰识别仅用单帧图像判断是否起火准确率低的缺点,引入视频识别的方法,通过提取火焰的运动信息提升卷积神经网络(CNN)识别微小火焰的准确率。首先,在CNN Resnet18的最后一层添加3D卷积层,突出火焰的运动特性,抑制其他形式的运动;然后,对该模型进行剪枝处理,压缩网络参数。实验结果表明:在剪去90%卷积核的情况下,该模型准确率仍然保持在86.4%的较高水平,最小可以识别大小为20×30像素的火焰。