考虑质心流动与偏移的通用弹道仿真模型

引入了质心坐标系的概念,对弹体坐标系的定义作了适当修正,给出了考虑质心流动与偏移的通用弹道仿真模型及相应的转动惯量与惯性积的计算公式     

超精密加工在线检测与误差补偿的理论与方法

超精密加工技术是高新技术、现代机械、电子产业以及国防工业的重要支柱,已成为技术发达国家重要的竞争目标。我系自１９８２年以来开展超精密加工技术的研究已有十多个年头了,取得了重要进展和重大突破。本文就所进行的研究工作,综合介绍了超精密加工中的若干理论与方法,包括形状误差在线检测的误差分离、误差补偿控制、微进给机构的非线性建模、微位移检测等内容,最后介绍了我系所取得的主要成果。     

非理想信道下测量零值无偏干扰抑制滤波器设计

现有的抗干扰滤波器在通道非理想特性下会导致接收机测量零值发生偏移,且偏移量与干扰参数相关,其已成为高精度测距接收机实现其精度提升的主要障碍。针对上述问题,从对称通道特性出发,给出一种无偏的时域抗干扰滤波器设计技术。解决了传统的时域抗干扰滤波器在非理想信道下测量零值偏移的问题,且工程实现简单。理论分析和仿真实验进一步验证了方法的有效性,采用该方法可以使测量零值偏移小于0.2 ns。     

微小管道机器人机构设计及动力学分析

设计了一种蠕动式微小管道机器人,采用三组直流电机与螺旋传动装置,通过控制三组电机顺序协调动作,实现了机器人的蠕动前进。研究了机器人在竖直管道中驱动负载的情况,以及爪子适应管径变化的力学调节特征。利用ADAMS动力学分析软件,对机构做了运动学和动力学仿真,通过仿真得到了牵引力和移动速度与结构参数之间的关系。仿真表明,机器人可以适应15~20mm的管道,驱动力达到28N,移动速度为6mm/s。     

多载波码分多址在低密度二分图上的建模与分析

多载波码分多址是移动通信重要的多址技术之一,传统方法将扩频序列的构造和多用户检测单独考虑,未能做到发射机和接收机的一体化设计。受到低密度奇偶校验码的启发,基于图论建立多载波码分多址收发机模型,采用二分图定义码片和数据符号间的扩频关系。在此基础上,利用适合低密度二分图的消息传递算法完成多用户迭代检测,推导并分析洪水消息传递和串行消息传递两种检测机制。仿真结果表明,当传统的多载波码分多址系统陷入严重过载而不能正常通信的情况下,基于低密度二分图的多载波码分多址系统依然能够达到理想的传输性能,为下一代移动通信系统的设计提供了有益的参考。     

多方位测量的相位双差GNSS欺骗干扰检测算法

对于二元天线阵,相位双差检测算法的载波相位双差角度模糊、虚警概率较高,这限制了算法的应用。针对这一问题,提出天线阵方位变化的欺骗干扰检测算法。通过二元天线阵在不同方位估计信号的载波相位双差,进行多次判决,有效消除角度模糊,降低检测的虚警概率,实现二元天线的载波相位双差检测。建立仿真模型,并通过仿真计算分析验证了该方法的有效性。     

线性调频连续波雷达低空小目标长时间相参积累方法

针对小型无人机目标雷达回波弱、目标检测难的问题,研究了在线性调频连续波(linear frequency modulation continuous wave, LFMCW)体制雷达下的长时间相参积累方法。通过推导LFMCW雷达回波表达式,提出了基于时域差频信号线性调频-Z变换的拉东-傅里叶变换实现方法。评估了该方法的运算量,并与频域实现的方法进行对比。经过仿真和实测数据验证了本文算法对LFMCW雷达下的弱目标相参积累的有效性。     

Alpha稳定分布混响建模及信号检测

研究了基于对称Alpha稳定分布的浅海环境下混响及噪声的建模问题.分析了浅海环境下混响形成过程及其非高斯特性,采用对称Alpha稳定分布理论对其进行了建模,并从声呐接收端的混响瞬时值以及包络的概率密度分布与Alpha稳定分布的匹配程度验证了模型的有效性.研究了基于对称Alpha稳定分布模型的混响噪声背景下的目标信号检测方法.提出了三种检测方法并进行了仿真测试,通过检测性能及模型的精确性分析了三种方法的优缺点,验证了建模精度对检测性能的影响.     

单相电路的一种谐波和无功电流实时检测方法

提出了一种新的单相电路的谐波和无功电流实时检测方法。它利用三角函数的有关特性 ,对畸变电流中的基波有功和无功电流分量的振幅分别进行计算 ,然后通过低通滤波器把它们分离出来 ,最后得到基波有功和无功电流分量。该方法电路结构简单、动态响应速度快、检测精度高 ;既可得到单独检测出畸变电流中的任何电流分量 ,又能得出谐波和无功电流之和。仿真和实验研究证实了方法的有效性和可行性。     

联合生成对抗网络和检测网络的SAR图像目标检测

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练;再通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测;依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充;利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。