图像恢复中的稳健交替方向乘子法

交替方向乘子法在解决线性逆问题(包括图像恢复)中取得了良好的效果,但是其效果对惩罚参数的选择非常敏感,不利于具体的应用。提出基于惩罚参数自适应选择原理的稳健交替方向乘子法,对其优化条件和收敛性进行了详细分析。实验表明,在基于Parseval紧框架的图像恢复应用中,该算法不但对惩罚参数的选择表现出良好的稳健性,而且效果优于交替方向乘子法,并优于其他目前热门的算法。     

机体/推进一体化飞行器动导数频域计算方法

运用Etkin非定常气动力模型,将谐波平衡法应用于复杂外形动导数辨识。计算结果表明:谐波平衡法和时域方法的动导数辨识结果一致,与实验值吻合,验证了程序的正确性和谐波平衡法的可靠性。采用谐波平衡法对类X-51高超声速机体/推进一体化飞行器WR-A进行动导数辨识,并与时域方法的计算结果比较,考察了该方法在复杂外形下数值模拟非定常流动和动导数辨识的能力。实验结果表明:对于WR-A这种复杂外形飞行器,谐波平衡法也能在保证精度的同时具有较高的计算效率。     

临近空间拦截弹最优弹道跟踪制导律

针对拦截临近空间高超声速飞行器的弹道跟踪过程,基于线性二次型调节器理论和高斯伪谱法设计一种跟踪制导律。为了对标称弹道进行精确跟踪,考虑线性二次型跟踪问题,应用最优控制理论推导最优解的充要条件,得到带时变增益的线性状态反馈控制量的表达式;基于高斯伪谱法,在离散的勒让德-高斯点上利用标称弹道数据计算差分矩阵和系数矩阵,求得状态扰动反馈控制律。仿真结果表明,与基于求解矩阵黎卡提方程的方法相比,该方法选取较少的节点即可获得高精度的反馈控制量,且运算效率大幅提高,满足在线实施要求。     

基于熵权与灰色关联法的研究生科研能力评价模型

研究生是新时代下创新型国家的重要支撑力量,科研能力的评价成为研究生培养质量的关键指标.为研究评价研究生科研能力的方法,在综合比较相关评价方法基础上,构建研究生科研能力评价指标体系,采用灰色关联度评价方法和熵权法相结合的方法建立了研究生科研能力评价模型,通过对某高校研究生的科研能力问卷实例分析,获得了该校研究生的科研能力状况.结果表明:研究生的科研能力在社会实践领域表现最优,通过实例分析验证了该模型的有效性,该模型为研究生的培养提供了参考.     

均匀圆阵主特征矢量分析解相干算法

为解决均匀圆阵的相干信源波达方向估计问题,提出一种适用于均匀圆阵的虚拟均匀线阵主特征矢量分析算法.采用模式空间变换将均匀圆阵转换为虚拟均匀线阵,对其数据协方差矩阵进行处理以构造主特征矢量矩阵;引入加权最小二乘法,通过重复迭代得到子空间各元素之间的线性预测系数,从而求得相干信源的波达方向估计值.理论分析和仿真结果表明,该...     

浅谈新形势下的人防宣传教育

人民防空宣传教育,是国防教育的重要内容,是人民防空事业的重要组成部分和基础性工作.<人民防空法>规定:"国家开展人民防空教育,使公民增强国防观念,掌握人民防空的基本知识和技能."依法开展人民防空教育,是党和国家赋予人民防空部门的重要职责.     

基于灰色理论的有人/无人机协同作战效能评估

在人工智能等高新技术推动下,有人/无人机集群协同作战将是未来战争的新常态,如何有效评估其作战效能是当前亟须研究解决的重点难点问题。从有人/无人机集群典型作战任务下的作战运用能力需求入手,重点对评估指标体系构建、评估指标权重的确立与修正、评估模型构建等进行研究,实例验证了评估模型的可行性。研究成果可为评估有人/无人机集群协同作战效能提供有效方法手段,同时为有人/无人机集群协同作战运用提供理论支撑和决策参考。     

第二类曲面积分计算方法新探

首先对有向曲面∑1:z=z(x,y),(x,y)∈Dxy上的第二类曲面积分的计算进行了探讨,主要根据第二类曲面积分与第一类曲面积分的关系,通过计算有向曲面的法向量, 把被积函数转化为两向量的点积。然后利用曲面面积元素与坐标面上的面积元素的关系, 再转化为二重积分,简化了第二类曲面积分的计算。最后对其它形式的光滑有向曲面也进行了类似研究,都可直接转化为二重积分。     

曲面拟合法和梯度法相结合的图像亚像素配准算法

针对传统亚像素配准算法存在精度不高、计算复杂的问题,提出了一种曲面拟合法和梯度法相结合的图像亚像素配准算法。采用9点相关系数曲面拟合法对图像进行粗配准,求得一个相对粗略的亚像素配准位置;在两幅图像中选取相同尺寸的子区图像,在粗略的亚像素配准位置基础上,采用梯度法最终获得精确的亚像素配准位置。不同平移关系下的样本图像亚像素配准对比实验结果表明,该算法实现了曲面拟合法和梯度法的优势互补,有效提高了图像配准的精度,最大配准绝对误差由0.17像素降低为0.02像素。     

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。