三维编织圆管力学性能及火箭级间段模拟结构承载能力研究

对于三维四向（４Ｄ）和五向（５Ｄ）两种编织碳／环氧圆管构件及由其组成的火箭模拟级间段，测试其压缩和扭转力学性能及轴压承载能力。实验表明，５Ｄ材料的压缩性能比４Ｄ材料有较大幅度提高，剪切模量提高幅度不明显。用３—细胞模型和ＦＧＭ模型预测相应的力学性能和压缩强度，并与实验结果进行了比较。结果表明，３—细胞模型的结果与实验结果符合较好，ＦＧＭ模拟预测结果偏低。本文结果为编织结构的设计分析提供了依据。     

一种基于DSP的压缩语音录放系统的设计与实现

本文介绍了一种采用多带激励语音压缩方法实现的数字语音录放系统。     

多媒体技术简介

本文对多媒体系统的概念、发展概况及其关键技术作了简要介绍,并对其应用前景进行了初步探讨。     

战术电磁导轨炮用电源初探

本文提出战术电磁导轨炮对电源的要求,依此分析了四种高功率脉冲电源特性。评述了它们在战术上的可用性.     

高分辨率遥感影像的自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。     

连续旋转爆震波传播模态试验

通过保持空气流量不变、改变H2/air当量比开展了连续旋转爆震对比试验,发现随当量比的降低出现三种传播模态:在较高的当量比(0.90~1.86)下,连续旋转爆震波以同向传播模态传播;在较低的当量比(≈0.75)下,则以双波对撞模态传播;在中间工况,则以上述混合模态维持传播。分析了不同传播模态下的高频压力特征,并初步分析了传播模态的转换机制:当量比较高时,爆震强度较高,传播过程中的损失和速度亏损相对较小,爆震波以同向传播模态维持传播;当量比较低时,爆震强度较低,传播过程中的损失和速度亏损较大,此时无法维持同向传播模态,而以双波对撞模态传播,这是由于双波对撞模态中的激波对撞产生高温环境,有利于燃烧放热,其可能是连续旋转爆震的极限传播模态。     

级间设计人机联合探月方案

利用登月飞行器的级间组合设计方法对载人登月飞行器的构造进行设计,在级间方案的论证中分析了不同组装模式对运载火箭能力的需求,建立了航天员和机器人联合探测的载人登月方案。级间组合方法可为应转移飞行器和登月飞行器设计提供另一种思路,根据飞行器级间的不同组合方式对登月飞行器的质量规模进行了初步估算,并对比了不同飞行方案对运载火箭能力的需求,研究可为我国首次载人登月任务方案提供参考。     

一种基于压缩Fisher向量的目标检索方法

当前,视觉词典法(Bo VW,Bag of Visual Words)是解决目标检索问题的主要方法,但传统的Bo VW方法具有词典生成时间效率低、检索内存消耗大等问题。针对这些问题,提出了基于压缩Fisher向量的目标检索方法,该方法首先将Fisher核机制用于目标检索,它能自动降低目标图像背景带来的不利影响,然后,采用位置敏感哈希(LSH,Locality Sensitive Hashing)对Fisher向量进行压缩编码以降低计算复杂度和内存开销,使之适用于大规模数据库。实验结果表明,新方法只用几百比特就能表征一幅图像内容,对大规模目标检索有很好的适用性,且较之当前主流的压缩视觉词典法具有更高的准确率。     

基于压缩感知的曲线SAR孔径优化和目标三维特征提取

基于压缩感知理论研究了曲线合成孔径雷达的曲线孔径优化和目标三维特征提取。在建立曲线合成孔径雷达回波信号稀疏表示模型的基础上,基于压缩感知采样矩阵设计的不相关原则,给出了曲线孔径优化设计的评价准则,并利用基于全局优化的基追踪方法实现了目标三维特征提取。仿真结果验证了孔径优化评价准则的正确性和基追踪方法在目标特征提取处理中的有效性。     

基于GA-BP网络的LFM信号脉冲压缩

为了改善线性调频(linear frequency modulation,LFM)信号脉冲压缩输出的性能,研究了误差反向传播(back propagation,BP)神经网络在线性调频信号脉冲压缩中的应用。采用遗传算法(genetic algorithm,GA)对BP神经网络的连接权值进行训练学习,该算法可克服BP网络容易陷入局部最优的缺点。仿真结果表明,GA-BP网络具有较快的收敛速度和较好的数值稳定性,在信噪比损失小于1dB的条件下,可获得60dB左右的输出主旁瓣比。