基于复杂系统的组网雷达系统分析

分析了常规单基雷达演化成组网雷达的过程,并运用复杂系统的基本属性———差异性、多样性、相关性和整体性,分析了组网雷达演化的机理。然后指出组网雷达整体涌现具体表现为作战能力的提高和“四抗”能力的飞跃。最后分析了组网雷达作为复杂系统,网内雷达站之间的数据融合是其涌现的动力学机制。     

《权书》与《孙子兵法》异同探论

《权书》是宋代文人苏洵的一部论兵著作,它对宋代孙子学乃至整个兵学研究产生了重要影响。本文探讨了《权书》与《孙子兵法》兵学思想上的异同,对苏洵用儒学诠释兵学思想的尝试作了客观、中肯的评价。     

装甲兵武器装备信息化建设质量评估体系研究

对武器装备信息化建设情况进行客观的评估分析,是武器装备信息化建设过程中不可缺少的重要环节。为此,首先明确了武器装备信息化建设质量的评判标准,进而构建了反映装甲兵武器装备信息化建设质量的评估体系,为装甲兵武器装备信息化建设的全过程实施有效的管理和控制提供了依据.     

聚碳硅烷纤维化学气相交联研究

以环己烯作为反应气氛,对聚碳硅烷(PCS)纤维进行了化学气相交联不熔化处理。与空气不熔化进行对比,研究了不熔化过程中PCS纤维的反应程度及凝胶含量的变化,并进行了元素分析和热重差热分析,初步探讨了PCS纤维环己烯化学气相交联反应的机理。结果表明,在环己烯气氛中,PCS分子结构中Si-H键的反应程度随不熔化温度的提高逐渐增加,相应地,PCS纤维的凝胶含量迅速提高直至不熔。环己烯受热后产生自由基,引发PCS分子中的Si-H和Si-CH3键断裂形成自由基,促进PCS分子间形成Si-CH2-Si结构而实现交联。     

基于改进的重心插值提高脉冲雷达测距精度的研究

由于采样率的约束,雷达回波信号脉压结果是一系列离散的采样点,用脉冲法实现雷达测距时会产生距离量化误差,需要对脉压波形峰值时间作插值估计.针对传统重心插值法存在固有误差较大的问题,提出了一种改进的重心插值法.结合先验信息,通过在较高采样率下作仿真实验,得到脉压结果主瓣内不同位置下采样最大值和相邻次大值点的幅值比与脉压波形...     

Parallel Sets的改进及其在全球恐怖袭击数据分析中的应用

随着恐怖主义愈演愈烈,"反恐"成为当今世界各国军事安全部门的中心任务.使用分类型可视化工具Parallel Sets分析国际恐怖主义数据库中多属性分类值间的关系,揭示数据库中的隐性信息,并针对Parallel Sets任意排列分类值产生较多交叉的不足,提出带降势的启发式分类值布局算法,自动优化分类值布局顺序,减轻视图中...     

一种低信噪比下的LFM脉冲信号起始频率校正方法

采用分数阶傅里叶变换(Fractional Fourier Transform,FRFT)实现LFM脉冲信号检测与参数估计时,针对处理数据与LFM脉冲信号起始点不一致时,LFM脉冲信号起始频率存在一定偏差问题.依据分数阶傅里叶变换中信号能量峰固有特性,提出一种适用于低信噪比条件下的LFM脉冲信号起始频率校正方法.该方法首先通过FRFT变换和chirp相乘对数据进行变换处理,消除LFM脉冲信号中调频斜率;然后对变换后结果进行滑动、累积处理,得到一组能量峰数据;最后通过搜索该组能量峰拐点实现对LFM脉冲信号起始点检测,并利用检测起始点对LFM脉冲信号起始频率实现校正.数值仿真结果表明,该方法在事先无法获取处理数据中LFM脉冲信号起始点情况时,可有效校正分数阶傅里叶变换对LFM脉冲信号起始频率估计存在的偏差.     

某装备吊机液压故障诊断专家系统设计

装备液压系统快速故障诊断是维修保障人员亟待解决的难题.以某装备吊机液压系统故障诊断为研究对象,梳理历年故障案例库,运用故障树解析故障原因、逻辑及耦合关系,明确故障产生的全部最小割集.将故障树与专家系统有机结合,依据故障规则构建基于故障树的专家知识库,选用自上而下正向查找方式的推理机制,融合概念图知识匹配模式,设计模糊含权概念图的投影匹配算法.在VB环境下实现专家系统软件功能,使系统具备知识库持续升级、用户故障定位查询、故障排除指导、历史故障记录、诊断报告生成等功能,有效指导维修保障人员进行装备液压系统的故障诊断与排除,并可推广至其他型号、类型的装备液压系统故障诊断中.     

一种基于级联滤波设计的背景噪声均衡方法

针对阵列信号处理中背景噪声对目标检测影响问题,提出一种基于级联滤波设计的背景噪声均衡方法.该方法依据背景噪声起伏特性设计多尺度组合形态学滤波器对空域重采样数据进行处理,降低不同方位起伏噪声对目标检测的影响;根据噪声特性设计同态滤波器,降低乘性噪声对目标检测的影响;按类内类间离散度比最小准则实现背景噪声门限的自动推荐,进而实现对背景噪声均衡处理,提升对目标检测概率.数值仿真和实测数据处理结果表明:相对S3PM方法和OTA方法,在两者失效的情况下可有效实现对目标检测和判决,对环境适应性提高了近3 dB;有效降低了背景噪声对目标检测性能的影响,提高了目标检测的环境适应性.     

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现.