某型飞机大气数据系统设计

大气数据系统是重要的机载电子设备,其性能、精度直接关系到飞机的飞行安全.在介绍某型号飞机大气数据系统的软硬件体系结构的基础上,从三个方面深入研究了提高大气数据系统精度的途径:大气数据计算模型;基于BP神经网络的压力测量温度误差补偿方法;一种计算型静压源误差补偿方法.其大气数据系统系统性能稳定,结构紧凑,速度快,精度高,软硬件升级简单.试验证明其大气数据系统能很好满足某型号飞机的使用要求.     

基于雷达海面回波的水下潜艇非声探测

由于潜艇降噪技术的提高,使得传统的声纳设备对水下潜艇的探测变得越来越困难.根据水下潜艇在运动时形成的尾流、尾迹,引起海面雷达后向散射系数发生"异常"这一特征,提出了一种直接利用雷达海面回波信号来探测水下潜艇的方法,并利用计算机仿真实验对此探测方法的实验结果进行了分析评估,为研究潜艇的非声探测提供了有价值的参考.     

声自导鱼雷射击模型优化研究

针对小舷角态势下声自导鱼雷射击模型存在的问题,从舰艇辐射噪声特性分析入手,考虑到鱼雷自导作用距离随舷角的变化关系,在原有声自导鱼雷射击模型的基础上提出了二次转角射击模型,仿真计算也表明：优化改进的模型能有效提高鱼雷的发现命中概率。     

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。     

基于波达方向矩阵的矢量水听器方位频率联合估计

提出了一种新的基于单个矢量水听器的方位频率联合估计方法--波达方向矩阵法.利用矢量水听器的时延数据,构造了两个相同的子阵,通过对波达方向矩阵的特征分解,实现了对目标信号的波达方向估计,并同时得到了目标的频率特征.计算机仿真实验表明,该方法具有较好的估计精度.     

低频小尺寸高精度空中运动目标定位算法

提出了一种基于声矢量传感器的低空目标定位方法,在小尺寸阵元和低频条件下,对空中目标的精确定位进行了仿真实验研究.采用实测的空中目标辐射的噪声信号对算法进行了分析,研究了不同信噪比和积分时间对定位算法的影响.研究结果表明,矢量传感器定向误差与波达方向无关;当矢量传感器尺寸为0.2m,积分时间50ms,信噪比10dB时,对实测的某型低空目标信号仿真,单个矢量传感器定向误差为1.2°,系统定距误差与传统的声压传感器定位系统相比,其阵元尺寸减小了一个数量级,而定位精度尚有较大提高.     

基于SEA炮兵声测和雷达组网反炮兵侦察效能分析

反炮兵侦察是炮兵侦察的一项重要任务,声测和雷达是反炮兵侦察的主要装备。针对SEA方法的要求,提出了评估由炮兵声测和雷达组网的作战效能的3个主要性能度量(MOP)。结合信息化战场环境,建立炮兵声测和雷达组网的反炮兵侦察效能的动态评估模型,为其作战使用提供了理论依据。     

微穿孔板结构抑制声不稳定燃烧实验

目前抑制燃烧室内声不稳定燃烧的声学装置主要有:隔板、声腔、四分之一波管及赫姆霍兹谐振器等,提出了采用基于赫姆霍兹共振吸声原理的微穿孔板结构作为抑制燃烧室内声不稳定燃烧的装置,由于燃烧室内的高温条件,因此同时考虑了热传导作用对于微穿孔板结构吸声性能的影响。通过ANSYS建立实验测试用燃烧室模型,利用专业声-振分析方面的CAE软件SYSNOISE对实验用燃烧室模型进行数值仿真计算,并与实验结果具有较好的一致性,尤其是在所设计的微穿孔结果的共振频率附近,可以有效地抑制共振峰处的声压值,具有较好的声抑制效果。     

膜型声子晶体原胞结构隔声性能试验研究

针对船舶舱室噪声低频控制问题，以一种薄膜型声子晶体原胞结构为研究对象，采用阻抗管法进行隔声性能试验研究，探究了不同配重质量、薄膜厚度和框架厚度对其隔声性能的影响规律。试验研究结果表明：配重质量、薄膜厚度和框架厚度增加均能提升薄膜型声子晶体的隔声性能，其中以配重质量影响最为明显；相较于无配重及单侧配重情况，双侧配重的薄膜型声子晶体隔声频段大幅拓宽，隔声量在中低频及高频显著增加，低频略有降低；增加薄膜厚度及框架厚度均可有效向低频拓宽薄膜型声子晶体的隔声频段并提高隔声量，以增加框架厚度，对低频隔声性能的提升更为明显。     

基于学习矢量量化(LVQ)神经网络的雷达体制识别

由于现代战争中雷达体制的多样化、复杂化及其综合应用使得雷达体制识别中要处理大量复杂的高维数据,学习矢量量化(LVQ)神经网络不仅能处理有监督分类,而且相对于其他神经网络能以较小的计算量处理大量输入数据,所以采用LVQ对雷达体制进行识别,同时针对LVQ学习速率的变化可能引起学习算法不稳定,采用修正的学习速率算法.在简要介绍雷达体制和LVQ的基础上构造了LVQ神经网络对雷达体制进行分类.通过与径向基神经网络(RBFN)识别算法的仿真对比,证实了方法的有效性.