基于Sub-Nyquist采样的单通道频谱感知技术

宽带频谱感知技术在认知无线电中具有广泛的应用。基于时分的思想,将信号采集时间以固定长度的时间片进行划分,分别与不同的伪随机码信号相乘,经过低通滤波和sub-Nyquist采样,利用采样数据求出信号的频率支集。与已有的多通道频谱感知结构相比,本文用相对简单的单通道结构实现,同样能够利用低速率的采样点完成频谱感知。仿真实验结果表明,在信号的频率支集未知的情况下,该算法能够有效利用sub-Nyquist采样的数据实现频谱感知。     

舰船目标角跟踪新方法研究

相参雷达可获取舰船目标回波的距离-多普勒图(R-D图),由于舰船目标的散射点相对于雷达视线角存在多普勒的差异,于是舰船目标在R-D图上一般要跨越几个多普勒单元,传统选信号的最大点作为跟踪点不能完全使用R-D图信息,而合理使用R-D图信息才可减小目标的幅度起伏、角闪烁等的影响,为此研究无偏几何中心法目标跟踪点的选择方法.实验表明:当目标有起伏或角闪烁时,所提无偏几何中心法优于最大值法.     

基于QQ群的教育技术本科生情感目标教学环境设计

长期以来,学生的情感发展被教育者所忽视。目前教育技术学学科定位仍处于争论阶段,而其自身较明显的技术外观又往往使专业学生对该学科的理解和认识产生不同程度的偏误。但需要明确的是,学生接受专业教育,既要学习认知层面的专业知识,更要明确以价值观为代表的专业情感目标。可以认为,忽视了专业情感目标的教学是畸形的教学。本文从罗杰斯人本主义理论的视角出发,分析了构建基于QQ群的情感目标教学环境的设计方案,旨在促进教育技术专业的健康发展。     

基于Google Earth的初中地理探究式教学模式研究

本文在分析当前基础教育阶段地理课程教学的背景下,分析了Google Earth在初中地理探究式教学中的指导作用,提出了Google Earth支持下初中地理探究式教学的一般模式,通过个案研究,归纳了Google Earth支持下初中地理探究式教学的基本特征,提出了Google Earth支持下初中地理探究式教学的实施策略。以期对兵团基础教育新一轮基础教育课程改革做出微薄的、有益的探索与尝试。     

自由飘浮空间机器人准刚性分解运动轨迹控制与仿真

研究轨道空间机器人操作时,基座处于自由飘浮状态的手爪准刚性运动直角坐标轨迹的分解运动控制,重点分析了广义雅可比矩阵的计算,并进行了空间单手３—ＤＯＦ的仿真,该方法可相应推广到开链多手。     

薄壳结构跌落冲击仿真与试验研究

为了验证薄壳结构跌落冲击问题动态数值仿真的方法途径,设计制作了带有配重的薄壳结构,测定了材料主要力学性能,利用非线性有限元软件对该结构进行单次和累积结果的多次跌落冲击数值仿真,并进行了验证试验。对该结构的跌落冲击过程、典型位置的加速度响应、塑性变形的仿真、验证试验结果进行了对比分析,结果表明：采用的数值仿真方法和途径能够较好地研究分析薄壳结构的跌落冲击及其他同类问题。     

心理战指挥训练系统设计与实现

为了提升心理战指挥训练效果,从总体结构、系统功能和关键技术三个方面阐述心理战指挥训练系统设计与实现,设计三层开放式体系结构,提出基于传播学理论的舆论环境模拟方法和基于综合集成研讨厅的心理战指挥训练成绩评定方法,满足心理战指挥训练的特殊需求。     

基于改进TOPSIS法和蚁群算法的反TBM目标群目标分配研究

基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。     

基于改进TOPSIS法和蚁群算法的反TBM 目标群目标分配研究*

基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。     

基于多源先验数据的装备测试性评估方法

针对基于装备多源先验数据融合过程中可能存在数据冲突的问题,提出一种基于多源先验数据的装备测试性评估方法.针对装备设计、生产和制造过程中可能存在的测试性虚拟-实物试验数据、测试性预计信息和专家经验信息等先验数据,将其折合成先验分布参数形式.通过基于兰氏距离和邓熵改进的D-S证据理论来进行数据融合,得到最终测试性评估结果.通过实例分析发现,提出的方法较基于传统Bayes理论和经典D-S证据理论的测试性评估方法而言,其精度更高.