网络中心战战场精确时间的同步技术

本文阐述网络中心战战场的时间同步技术、精确时间体系结构、双向比对远距离时间同步技术。对各种时间获取技术进行了比较,对GPS定时原理作了较为详细的说明。     

沉积物中酸溶硫化物的研究现状及展望

根据近年来对沉积物中酸溶硫化物的研究报道,结合在相关方面工作的体会,从沉积物中酸溶硫化物的测定分析方法、沉积物中酸溶硫化物对重金属的吸附及释放的影响、沉积物中酸溶硫化物对重金属化学活动性及生物毒性的影响、沉积物中酸溶硫化物的归一化研究、沉积物中酸溶硫化物的季节和深度变化特征及垂直分布模型的建立及相关分析等方面介绍了国内外对沉积物中酸溶硫化物的研究现状,结合当前研究的不足描述了研究展望。     

文体活动要问“需”

当前农闲季节,各团场的文体活动正如火如荼地开展。可是,笔者所在团场的文体活动在少数民族连队难以落实,少数民族职工群众参与的积极性不高。据了解,这个拥有3000多名少数民族的团场,自2010年撤场建连并队以来,在制定文体活动方案,组织文体活动时,民族连队的文体活动都与团场同步进行,考虑少数民族职工     

刚性包带式星箭锁紧机构分离性能研究

针对一种新型双点解锁刚性包带式星箭锁紧机构,运用软件ABAQUS显式动力学模块进行数值仿真计算,通过接触力学理论推导了螺栓预紧力与轴向接触载荷的关系式,基于单因素分析方法探讨了预紧力、摩擦因数和弹簧刚度对包带分离性能的影响规律及作用机理,采用Min-Max标准化对各影响因素进行显著性分析.结果表明:轴向接触载荷的仿真结...     

基于时间反转声学理论的超声相控阵超分辨率成像方法

在超声相控阵检测领域,常规成像方法遵守瑞利准则,其成像分辨率受到波长限制。研究时间反转多信号分类(Time Reversal-MUltiple SIgnal Classification, TR-MUSIC)方法,在保持超声波工作频率不变且不影响系统探测深度的前提下,可提高成像分辨率,实现超分辨率成像。通过全矩阵采集方法获取被测对象的超声阵列数据;利用平面B扫描和TR-MUSIC方法处理数据,得到二维和三维超声图像;依据图像特征评估被测对象内部状况。实验选取加工不锈钢试块作为被测对象,搭建超声相控阵检测系统,在试块内部加工6个直径为1 mm、可视为点散射体的相邻贯通孔作为缺陷。实验表明,TR-MUSIC方法能够区分并定位这6个相邻点散射体,而平面B扫描方法则不能。因此,基于时间反转声学理论的TR-MUSIC方法可以提高成像分辨率,改善超声图像质量。     

不同采集设备时间对准研究及误差分析

在数据采集和测试领域,经常出现对不同采集设备的记录参数进行对比分析的情况.为保证对比分析的正确性,需要对来自不同采集设备的数据进行时间上的对准.针对采集设备缺少时间信息的情况,提出一种利用关键参数的关键变化节点实现不同采集设备时间对准的方法.选取记录在不同采集设备中的同一个参数设为关键参数,分别查找该参数在两采集设备中发生同一状态变化的采集时刻位置,该时刻位置作为关键时间节点.利用该关键节点和采集设备的采集频率,实现不同采集设备起始时刻的对准.最后利用数值内插,实现不同采集设备在任意时刻的时间对准.通过均值和方差工具对该方法的时间对准精度进行分析,结果表明时间对准精度取决于采集设备的采集频率,当不同采集设备采集频率差异较大时对准精度取决于较低的采集频率.     

基于周期判别的反辐射无人机抗同步闪烁诱偏方法

为了研究反辐射无人机攻击同步闪烁诱偏系统的有效技术方法,分析了诱饵系统的闪烁诱偏机理,建立了导引头测向偏差角模型,在无人机飞行条件下对导引头测向偏差角数据进行仿真.分析发现,无人机在搜索阶段可以测定诱饵系统的闪烁周期,飞控系统在末制导阶段按照闪烁周期间隔采样测角数据,可以锁定某部诱饵实施摧毁.     

基于GEO SAR辐射的星机协同融合探测系统

为提高机载平台对隐身目标的探测能力,提出一种基于地球同步轨道合成孔径雷达(GEO SAR)辐射、多个机载平台接收的多基雷达协同探测系统,该系统具有覆盖范围广、机载射频隐身、生存能力强等优势.分析了星机协同的作战优势,可获取目标RCS空间闪烁增益、双基RCS增益以及融合增益.分析了星机双基协同探测威力与多基融合探测威力,可提高隐身目标探测距离.通过仿真实验验证了分析的有效性.     

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.     

基于CNN-LSTM的在轨卫星故障预测分析

在役考核中,对遥测参数进行监控与分析,是评估在轨卫星工作状态及健康状况的重要途径.为解决在线多任务故障预测问题,提出了结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的数据挖掘模型,并运用了一种基于误差反馈的权重自调整机制.利用某型卫星(含故障)遥测参数的仿真数据进行分析处理,实验结果表明:在线CNN-LSTM模型以最小的信息损失进行建模,对比单一模型以及传统的回归模型,CNN-LSTM模型不仅在测试集上取得了最小平均绝对百分比误差12.61％,同时模型预测性能在长时间预测中优于离线模型.