偏心手轮正反拉伸复合模设计与改进

通过对偏心手轮的工艺计算及正反拉伸复合时的受力,应力及金属流动状态进行分析,设计并改进了正反拉伸复合模的结构,保证了零件的尺寸要求,消除了料厚变薄等缺陷。     

双站测向与测时差组合定位精度分析

针对无源雷达测向与测时差组合定位问题,提出一种利用前者量测结果为后者构建假量测点和协方差的新方法,并采用凸组合法对测向与假量测结果进行融合,得出综合定位精度的分布。仿真结果表明,该方法能够有效地利用两种完全不同的量测数据,提高目标的定位精度,同时给出的GDOP理论值可以真实反映组合量测的性能,具有一定的应用价值。     

作战任务总量的迭代收敛性

为降低作战任务的复杂度,提高任务执行效率,研究了作战任务总量及其迭代收敛问题.首先,采用图形和设计结构矩阵,阐明反导作战子任务的复杂联系.再引入任务转移矩阵建立任务总量模型,总结迭代收敛条件.最后,综合考虑资源和时间约束,规划子任务优先级并优化作战资源配置.结合实例分析了任务总量迭代收敛规律的可行性和有效性,为反导作战任务规划提供了理论指导.     

Ka波段过模慢波结构色散曲线的数值求解 （高功率微波技术研究所专题组稿）

本文运用场匹配法,结合Ka波段过模慢波结构的实际情况,进行轴对称周期慢波结构色散关系的理论推导,得到了一种快速、准确计算适应Ka波段过模慢波结构的色散特性计算方法。根据推导结果,采用Matlab程序编程计算了Ka波段过模盘荷波导的色散曲线。将计算得到的色散曲线与成熟的商业软件计算得到的结果进行了对比,两者误差在2%以内,验证了数值算法的可靠性。计算得到的色散曲线可以辅助选取Ka波段微波源的结构参数,对器件设计有一定参考价值。     

盲信道均衡的动量恒模算法

介绍了盲信道均衡恒模算法(CMA)的基本原理,对恒模算法的缺点进行了分析,通过修正恒模算法的迭代公式提出一种动量恒模算法(MCMA)。利用QPSK信号,采用计算机仿真的方法对动量恒模算法与恒模算法进行盲均衡性能比较,模拟结果显示,MCMA算法比CMA算法在收敛速率、降低稳态均方误差和符号间干扰具有明显的优势,有效地改进了信道均衡性能。     

含软判决引导的修正恒模盲均衡算法

在CMA算法基础上,提出了一种混合的修正恒模盲均衡算法MCMA SDD。新算法对CMA算法进行修正,同时引入软判决思想。理论分析和计算机模拟表明,该算法克服了CMA收敛速度慢、稳态误差大的缺点,同时可以纠正相位偏转。与CMA SDD算法相比,具有更快的收敛速度和更低的稳态均方误差。     

构造二维正交紧支撑线性相位小波滤波器的递推算法

根据二维小波滤波器参数化理论,提出了一个具有可操作性的二维小波滤波器递推算法。用最简形式刻画了4阶标准正交中心对称矩阵,并证明了根据算法产生的线性相位滤波器的一个重要性质。     

空战中基于威胁评估的任务规划

根据空战作战计划的复杂性、实时性特点,提出了在威胁评估基础上动态进行空战任务规划以实现对战场的有效实时控制.首先建立了融合态势优势和空战效能指数优势的威胁评估模型,然后将感知到的战场态势信息作为威胁评估模型的输入,得到体现战场态势的优势矩阵,最后在此基础上进行攻击目标的分配.以目标分配的结果为根据就可以指导作战单位做出正确实时的决策.     

基于解线频调ISAR成像与散射中心匹配的弹道目标识别

为了能充分利用目标的散射中心进行弹道目标识别,提出利用解线频调的方法,通过对距离向和方位向进行快速傅里叶变换(FFT),实现对目标散射中心成像,然后从目标ISAR像中提取目标特征信息。最后提出了一种新的匹配识别的方法实现对目标的分类识别,该方法利用提取的散射中心的位置和幅度信息,通过构造匹配度矩阵,判定目标所属的类别。仿真实验表明,该方法在设定情况下具有良好的目标识别能力。     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。