屯垦戍边50载 科学发展铸辉煌——庆祝农六师共青团农场建场50周年

农六师共青团农场距首府乌鲁木齐市59公里,距五家渠市20公里,北邻古尔班通古特大沙漠。现有总人口10874人,在册职工1592人,农业连队9个,企事业服务单位7个。     

未来十种全新作战大预测（五）：机器人战

2025年夏,沙漠的夜晚,不见一点月光,四周一片宁静,看不出任何生命的痕迹. 突然,数十只"穿山甲"从沙堆钻了出来,悄无声息地快速向前蠕动,然后钻入地下…… 5分钟后,"穿山甲"隐没的地方,猛然冒出一条条火蛇,接着响起一连串的爆炸声,一条条输油管毁于火海之中.     

信号采样及频谱分析在线信道测试中的应用

用AD采集卡对指控系统有线信道中的连续时间信号进行采样,得到离散的时间信号,再运用一种离散傅立叶变换——CZT进行频谱分析。详细介绍了在给定测量范围和精度的要求下,采集卡工作参数的配置方法,以及CZT变换实现频域细化的原理和计算参数的选定,还提出了一种快速算法,以增强测试系统的实时性。     

DFT的Z变换算法

文中讨论了用Z变换计算DFT的方法。对于N=2~t的DFT,本算法所需的加法及乘法量分别为:(?),与Cooley-Tukey基-2算法比较,乘法量与加法量均减少25%,文中还讨论了本算法在微机上的实现,给出流程图。在运算时间上,本算法与通用FFT算法程序进行比较:节省时间30%。     

GPU上高光谱快速ICA降维并行算法

高光谱影像降维快速独立成分分析过程包含大规模矩阵运算和大量迭代计算。通过分析算法热点,设计协方差矩阵计算、白化处理、ICA迭代和IC变换等关键热点的图像处理单元映射方案,提出并实现一种G-Fast ICA并行算法,并基于GPU架构研究算法优化策略。实验结果显示:在处理高光谱影像降维时,CPU/GPU异构系统能获得比CPU更高效的性能,G-Fast ICA算法比串行最高可获得72倍加速比,比16核CPU并行处理快4~6.5倍。     

航天快速发射现状与发展

研究了国内外航天快速发射现状,总结了发展趋势;分析了制约我国航天快速发射发展的因素,并对我国航天快速发射发展的能力要素和部分关键技术进行了梳理;最后,给出了我国开展航天快速发射建设的几点建议。     

基于深度卷积神经网络的异常行为快速识别

针对异常行为快速识别问题,提出了一种基于深度卷积神经网络的视频检测和定位方法。该方法利用全卷积神经网络和时间数据,将一个预先经过训练和监督的全卷积神经网络转移到一个无监督的全卷积神经网络,确保能够检测全局场景中的异常,提出利用级联检测的方式来降低算法的计算复杂度,从而使其在速度和精度方面获得较高的性能。提出的基于全卷积神经网络的异常行为检测架构解决了两个主要任务,即特征表示和级联离群值检测。实验结果表明,所提方法在检测和定位精度上优于现有算法,且运行速度更快,从而表明所提算法的有效性和可行性。     

基于数据场的体系作战能力分析北大核心

体系作战能力是由作战单元协作生成的整体作战能力。根据作战体系及其作战能力的构成,在作战体系网络结构的基础上,利用数据场理论分析作战体系的拓扑势场,描述作战单元间的协作能力,建立基于数据场的体系作战能力模型,并进行仿真分析。得到了一种定量分析体系作战能力的方法。     

基于零边界值Kriging插值的地磁异常场稳定向上延拓法

针对位场向上延拓存在边界误差的问题,根据向上延拓的原理对边界误差产生的原因进行了分析,提出了补充零边界值并用普通Kriging法对数据进行插值的方法,对插值后的区域在频域进行向上延拓,并采用绝对误差最大值占平面磁异常最大值的比例作为误差评价标准.仿真结果表明:所提的方法优于不扩边和最小曲率法扩边的向上延拓方法;向上延拓...     

ACO-ELM与CFSFDP结合的机载动力系统参数估计北大核心

针对机载动力系统测试数据的不确定性,求解参数实时性差的问题,提出了基于快速寻找密度极点聚类与蚁群极限学习机的机载动力系统的参数估计方法。首先利用基于寻找密度极点的聚类算法对全工况范围内的测试数据进行聚类,然后在每一个子类中用极限学习机设计了子参数估计器,并用蚁群算法寻找极限学习机的最优隐层神经元数目。训练与测试表明,参数估计测试相对误差明显优于传统的RBF神经网络方法,且参数估计时间能够满足机载在线实时状态评估的需求,该方法可应用到其他不可测参数的估计。