防御技术的新发展和新问题

讨论了在体系对抗条件下,导弹防御系统所碰到的新问题和面临这些问题应当研究的新技术。这些新技术不仅包括精确化、小型化和武器网络化,而且也包括目标识别、光电对抗和对抗效费比等。     

一种改进的遥感图像分形维数提取算法

基于离散分形布朗随机场的图像分数维提取方法,在综合分析和实验验证的基础上,提出了一种改进的图像分形维数计算方法。仿真实验证明,该算法相较于原算法计算结果稳定,不同地物的区分能力强,能够应用于遥感图像的地物分类。     

没有不同意见不“拍板”

报载,某地一个“民主法治示范村”召集村民代表决策一个建设项目,会议结束时村支书没有立即拍板,而是宣布散会。散会的原因是“没有听到不同的意见”。好个“没有不同意见不拍板”。这个村也不愧是“民主法治示范村”,事事讲民主,事事征求群众意见,不搞“一言堂”,不随意拍板。     

多硫代（聚）噻吩的制备及电化学性能研究

有机多硫化物高比容量、是很有发展潜力的锂电池正极材料,对该类化合物进行研究具有较大的理论和实际应用价值。其中以环状化合物为中心的网状多硫交联聚合物,硫含量最高可达90％以上,但多硫链以C-S键连接在环状化合物骨架上,材料的物理和化学性能与单质硫相比,都得到很大改善。本论文首先选择网状多硫交联聚合物——多硫代噻吩作为目标产物,探索了它的合成途径,对其电化学性能进行了初步研究;     

星载双基地SAR系统模糊性

针对星载双基地SAR由双基地几何关系引入的新问题,提出了计算其模糊比的新方法和近似分解方法。利用此方法通过仿真计算对星载双基地SAR模糊性变化规律做了进一步研究。结果表明,因接收天线的面积限制,与其伴随飞行的大卫星SAR相比,模糊性问题更为严重,但变化规律基本一致。比较而言,由于小卫星天线尺寸在高度上更接近大卫星天线,在距离模糊比上相对大卫星SAR抬高得不多,而在方位模糊比上抬高较大。     

叶片式MRF减振器阻尼力矩模型的建立

MRF阻尼器具有体积小、能耗低、阻尼力连续可调等优点,是一种对结构实施半主动控制的理想装置,将其用于履带式车辆悬挂系统,可以提高车辆的越野机动性能。介绍了一种以传统叶片式液压减振器为基础设计的叶片式MRF减振器。基于流体的平行板流动模型和MRF的Bingham模型,建立了叶片式MRF减振器的阻尼力矩计算模型。计算结果表明,不加磁场时,叶片式MRF减振器具有与传统叶片式液压减振器相近的阻尼特性,加磁场时,减振器可获得较大的阻尼可调倍数。     

蒙特卡洛剖分投影法的爆震弹破片平均比动能评估

为了评估爆震弹封装壳体破片致死、致伤半径,并削弱其平均比动能,基于蒙特卡洛剖分投影法建立破片平均比动能计算模型。通过LS-DYNA及自编程联合仿真方法对爆震弹自然破片、半预制破片比动能计算模型进行仿真求解,获得了全破片全时域的质量分布、初始速度、垂直靶分布、平均比动能阈值及安全半径等指标。结果表明:在相同装药参数下,半预制破片相比于自然破片,质量分布、初始速度阈值更低且更集中;在小于等于2.5 m范围内半预制破片平均比动能阈值比自然破片更低,大于2.5 m后半预制破片平均比动能阈值比自然破片更高。相比于自然破片,采用半预制破片可显著减小爆震弹破片的致死半径,但并不能明显增大其安全半径。     

基于航炮振动对示迹线瞄准的改进与仿真

针对航炮发射时炮振给瞄准带来的散布问题,考虑了弹丸的散布精度,进行了弹着散布实验,在直角坐标系内对外弹道进行了仿真,将散布半数必中圆和弹丸外弹道相结合,得到弹丸随距离变化而改变的攻击散布区,并在此基础上对示迹线瞄准作出了改进,提出了示迹线攻击区.通过仿真表明,改进后的瞄准方法可以形成有效的瞄准区域,提高瞄准射击范围,从而增大瞄准射击机会和命中概率.     

基于SVD与数学形态学分形维数谱的战场声特征提取

分形维数作为战场声信号的特征,存在特征数量不足,反映信号非线性不充分的问题,提出了一种基于SVD与数学形态学分形维数谱(Singular Value Decomposition And Mathematical Morphological Fractal Dimensions Spec-trum,SVD-MMFDS)的战场声特征提取方法.对声信号构造Hankel矩阵,再进行SVD分解,根据信号频率与奇异值的关系,重构信号分量.将这些重构信号依次线性叠加,每叠加一次信号分量就计算一次分形维数,直至完全恢复原信号;通过这种方法,构成数量多且更能反映信号非线性的分形维数谱.运用半实物仿真实验将SVD与数学形态学分形维数谱的方法,与变分模态分解(VMD)和分形维数结合的方法进行对比,该方法提取的战场声特征具有更好的区分度且特征数量更多,为利用信号非线性来识别战场声目标提供较好的选择.     

结合自适应时间权重的改进STRCF目标跟踪

针对STRCF算法时间权重因子固定,且常因长时遮挡等原因造成跟踪漂移的问题,提出了一种自适应时间权重学习的目标跟踪算法.利用峰值旁瓣比在线动态更新时间权重因子以提升跟踪器的准确性.在跟踪器中嵌入遮挡判断模块,设定条件判断是否发生遮挡,以决定是否停止对目标位置的更新.实验结果表明:该算法的精确度与成功率分别为0.880和0.814,相比STRCF算法分别提升了2.6％和2.0％,且跟踪速度达到28.61帧/s,在CPU上可以达到实时.