军民融合背景下的军工核心能力建设

不断提升、持续增强军工核心能力是建设先进国防科技工业的中心任务,也是新形势下深入实施改革强军战略、推动国防工业体制改革的重要抓手。在军民融合深入发展、创新驱动战略加快实施的新形势下,军工核心能力建设应加强党的领导,搞好顶层设计和战略规划,始终保持正确方向;打造特色高端智库群,强化理论研究和需求论证,切实有效发挥对核心能力建设的指导、牵引和带动作用;推动国有军工企业改革和院所改制,消除"研产分离",破除行业壁垒,加快现代企业制度建设;进一步推动国有军工集团"瘦身健体"、提质增效,以创新驱动为引领,不断提升科研生产效率和效益。     

图像处理技术在消防灭火模拟训练中的应用

阐述了应用图像处理技术构建消防灭火模拟训练系统的方法,对其中的技术要点从原理上进行了说明。提出了一种基于目标信息特征的灰度Hough变换实用加速算法用于直线检测,使其运算量比传统算法下降了4个数量级。实验结果证明这种检测与提取灭火水柱中心线的方法快速、有效。用该方法构建的系统,经实际运行证明是图像处理技术在消防灭火模拟训练方面的一个成功的应用。     

利用拖尾能量提高蝶形天线辐射效率

蝶形天线在探地雷达中已有广泛的运用,但其辐射效率不高的问题一直存在。究其原因,主要是将近70%的辐射能量是以有碍目标探测的拖尾的形式存在。为了保证探测性能,传统上可观的拖尾能量往往以阻抗加载的方式被吸收掉。本文研究发现,当选择双极性单周波作为激励脉冲时,通过优化天线长度可以实现拖尾能量的有效利用,从而显著地提高蝶形天线的辐射效率。仿真实验结果表明,在较远的探测距离上本文方法可以将辐射效率提高近100%。通过实测实验进一步验证了本文方法的有效性。此外,本文所提的方法易于工程实现,工程应用价值十分明显。     

一种新的高分辨率SAR图像目标自动鉴别方法

目标鉴别是SAR图像目标识别系统的关键环节,用以消除预筛选阶段因异常检测产生的大量虚假的感兴趣区域切片。针对目标鉴别问题,提出了一种新的目标自动鉴别方法,首先对CFAR检测的结果做基于面积特征的预鉴别处理,而后对获得的ROI目标切片提取鉴别特征,并在特征分析的基础上设定特征判决阈值,实现序贯鉴别处理。利用X波段SAR图像数据检验了上述方法,给出了鉴别输出的ROI切片。     

基于MSE准则抑制SPR射频干扰的方法

针对冲激体制的超宽带表层穿透雷达在时域接收中存在的射频干扰的问题,分析了射频干扰的性质与特征,并在此基础上,以MSE为准则,提出了A Scan的波形平均算法和B Scan方位向的中值滤波算法,并对实测的表层穿透雷达数据进行了处理。结果表明这两种算法都能较好地抑制SPR的RFI,最后对这两种算法的性能进行了比较和评估。     

流编程模型下的存储一致性模型

在流编程模型下建立了一个新的存储一致性模型--流一致性模型,它比传统的释放一致性模型更加松弛.讨论了流一致性模型对程序设计和系统设计的要求,给出了一个正确的系统实现,并且指出流一致性模型的编程和实现并不比现有的一致性模型复杂.     

节流方式对隔离段流场结构影响的数值仿真

在隔离段尾部设计节流装置是试验上模拟反压对隔离段流场影响的常用方法。针对不同节流方式对隔离段流场结构的影响,采用数值模拟方法进行了比较研究。比较三种节流方式,包括在斜坡面尾部设置节流直板、在头罩面尾部设置节流直板和流场中间布置对称斜楔等。结果表明,由于隔离段斜坡面和头罩面边界层发展的非对称性,三种方式所产生的激波串结构均靠近头罩一侧的壁面。第二种方式产生的激波串强度较大,边界层分离较为严重,容易造成流场堵塞,在实际中不利于激波串的试验研究。另外两种方式所产生的流场结构类似,但是第一种方式在设计加工上相对容易实现。     

神经网络的函数逼近理论

分析了将函数逼近理论与方法引入神经网络研究的必要性；从经典函数逼近与统计分析两方面详细地讨论了多层前馈网（ＭＬＰ）逼近能力分析的基本方法及结论；分析了正则理论观点下的径向基函数网络（ＲＢＦ）的逼近能力；讨论了ＲＢＦ网与多层前馈网在最佳逼近特性上的差异。文末指出了神经网络函数逼近的发展方向。     

推广的卡尔曼滤波用于对运动辐射源的测时差被动定位

本文讨论了以测时差法从地面对空中匀速运动辐射源进行无源定位与跟踪的问题,并运用推广的卡尔曼滤波算法进行数据处理以提高定位与跟踪的精度,研究了滤波器初始条件的确定方法及对滤波器的敛散性进行自动监测的方法,还介绍了用计算机对系统进行模拟的过程,并对部分模拟结果进行了初步的分析。分析与模拟的结果表明,推广的卡尔曼滤波方法应用于测时差无源跟踪系统是行之有效的。     

态势估计中一种基于最大后验概率估计的时间推理方法

态势估计中统计时间推理在许多应用中非常重要。Ｋｉｒｉｌｏｖ的基于极大似然估计（ＭａｘｉｍｕｍＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｉｏｎ，ＭＬＥ）的推理方法将未知时间变量看作常数，忽略了它的先验信息，估计方差较大。针对这一问题，本文首先建立了已知时间信息和未知时间变量之间的关系模型，这一模型可用来解释Ｋｉｒｉｌｏｖ的方法；然后在这一模型下，将未知时间变量扩展为随机变量，采用基于最大后验概率估计（ＭａｘｉｍｕｍａＰｏｓ－ｔｅｒｉｏｒｉＥｓｔｉｍａｔｉｏｎ，ＭＡＰ）的方法进行统计时间推理。对两种推理算法的性能进行了分析和比较，发现在较宽的范围内，基于ＭＡＰ的方法性能优于基于ＭＬＥ的方法。