自蔓延高温合成基础理论研究进展

通过对自蔓延高温合成技术的发展及应用领域的介绍 ,重点阐述了自蔓延高温合成中燃烧理论及热力学与动力学核心内容 ,并介绍了该技术领域中不同的基础理论研究方法。     

镍对重力分离SHS陶瓷内衬复合管的影响

采用SHS重力分离技术制备陶瓷内衬复合管,通过改变主燃烧配系组元Ni的含量,研究分析了金属Ni对陶瓷内衬复合管制备的燃烧特性及机械性能的影响。研究发现,适量的Ni粉能促进SHS燃烧进行,提高燃烧体系的绝热燃烧温度和陶瓷层的致密度,并且有助于形成金属/陶瓷界面过渡层,这极大提高了复合管的显微硬度和抗压剪强度。当Ni粉含量为19wt％时,陶瓷层的显微硬度和抗压剪强度分别最高达1764N/mm2和36.1MPa。     

基于小波分析的眼底病图像预处理

将小波变换方法用于眼底病灰度图像预处理。采用Haar小波对输入的眼底病灰度图像进行单尺度二维离散小波分解提取边缘。为了从不同程度改善图像的质量,我们对分解的图像进行量化编码,把高频三个方向的分解系数图像用离散小波变换逆变换进行图像融合及图像增强。通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法预处理结果,结果表明采用小波变换对输入的眼底病灰度图像进行预处理是一种更理想的方法。     

以指挥车为中心的火灾现场图像传输系统

火灾事故现场指挥不畅 ,已成为制约消防部队完成灭火救援任务的重要因素之一 ,火灾现场图像传输系统的运用是一个重要的解决方案。论述微波火场图像传输系统的组成、原理 ,并用典型事例说明图像传输的作用。     

高动态GNSS信号多普勒模拟任意阶直接数字合成器设计

为高精度模拟高动态条件下GNSS信号的多普勒特性,提出一种任意阶直接数字合成信号合成器的设计方法。设计任意阶直接数字合成信号合成器的结构;通过理论分析,推导各级累加器相位初值的计算公式;给出字长选择方法。经仿真验证,该方法能精确模拟GNSS信号的多普勒特性。此外,提出的直接数字合成器设计方法不受阶数的限制,可普遍应用于各类信号模拟器的设计。     

星载高光谱图像实时处理系统

为适应星载高光谱成像仪输出数据率越来越高的需求,设计了一种基于模块化的、软硬件结合的高光谱图像实时处理系统。该系统由一个主控模块(MM)和若干个实时高光谱图像处理子模块(SM)组成,对软硬件处理流程进行了合理划分。在充分考虑系统所需选用的DSP和FPGA芯片下,给出了主控模块与子模块的设计方法及原理框图。该系统可等效为一个二维网孔型并行模型,具有很高的并行性和加速比,具有实现实时高光谱图像处理的能力。并且该系统具有很强的适应能力,可满足不同星载高光谱成像仪的需求。     

合成分队双层主从决策模型研究

针对合成分队不同指挥层级之间的决策交互优化问题,提出了基于主从决策的双层武器目标分配模型。该模型能够体现上下指挥层级之间交互式决策协调优化的特点:上层目标为主攻方向我方遭受威胁最小,下层目标为对敌打击最大。结合合成分队作战决策的特点和要求,提出了一种求解该模型的改进型粒子群优化算法。仿真结果表明,该模型合理有效,改进的求解算法能够获得满意解。     

基于DDS的虚拟信号发生器LabVIEW程序设计

针对传统信号发生器存在的成本高、功能单一、电子线路复杂等缺点,设计了一种基于频率合成技术的虚拟任意信号发生器。通过动态链接库(DLL)与下位机设备DDS-3X25进行通信,基于"模块化"和事件结构的设计思想,用LabVIEW编程实现了基本波形、任意波形、噪声叠加、波形数据载入、波形数据量化转换和线性插值等程序模块。实验结果表明,该设计不仅能产生纯净和叠加噪声的正弦波、方波、三角波和锯齿波等基本波形,而且可以输出手绘的任意波形,验证了设计的有效性。     

玻璃瓶动态图像检测运动模拟平台

动态图像检测中,如何在指定位置快速而准确地捕捉到运动物体的图像是最基本的环节。试验验证图像检测装置的成像特性,成为动态图像检测研究的重要内容之一。以变频器控制电动机为核心,通过变频器内部参数编程和外部简单的辅助控制电路,构建了运动平稳、速度可调、具有自动保护功能的模拟平台。该平台适于动态图像检测中普通运动物体的快速模拟,已成功地用于玻璃瓶动态图像装置中,达到了预期目的。     

改进YOLOv5的高空航拍图像检测方法

YOLOv5模型对普通场景图像的目标检测有更好的性能,但在高空航拍图像检测中表现不佳,针对这个问题,提出一种改进的YOLOv5模型。首先,建立高空航拍目标数据集,弥补该类图像不足的问题,对模型进行针对性训练,其次,采用多尺度细节增强提升处理数据图像,整体提升数据质量;最后,利用多尺度特征融合更好的平衡目标特征和位置信息,增加大尺度检测头提升小目标检测能力。经过实验分析,证明该方法在对高空航拍图像目标进行检测时平均精度、准确率和召回率分别比YOLOv5模型提高了12.6%、10.3%和6%,满足检测要求。