从协作入手提高军政主官团结的质量

军政主官的团结在实践中历来是个难题。解决这一难题，多数主官往往从道德、感情上求团结。其实不然，军政主官首先是协作关系，其次才是道德、感情关系。只有从协作人手，才能提高主官团结的质量和层次，从而提高战斗力。     

换一种心情生活

苏格拉底年轻的时候,曾和几个朋友挤在一间只有七八平方米的小房间里,生活颇为窘迫,但他却整天乐呵呵的。面对旁人的不解,苏格拉底解释说：“朋友们在一起可以交流思想和感情,其乐无穷。”     

关注基层非正式群体

所谓非正式群体就是一种自发形成的、在心理一致性或相容性基础上建立起来的群体。非正式群体是在亲密交往过程中形成的，具有显著的感情色彩，其成员间的关系一般没有明确规定。这种非正式群体广泛存在于社会的各个角落，也存在于正式群体中，在基层部队也不例外。     

依赖信号噪声场景下MIMO雷达稳健波形设计

考虑依赖信号噪声场景下MIMO雷达的稳健波形优化问题。根据最小最大方法,基于克拉美-罗界描述了改善MIMO雷达最差情况参数估计性能的稳健波形优化问题。为求解所得NP问题,提出一种新的基于对角加载(DL)的迭代方法。此方法利用哈达玛不等式将内层优化分解为若干子问题,以降低运算复杂度从而利于工程应用,基于DL方法将子问题转化为凸问题,外层优化也可转化为凸问题,因而可获得高效求解从而便于硬件实现。初始问题最优解可通过对迭代算法得到的解进行最小二乘拟合得到。数值仿真验证了所提方法的有效性。     

重视“事前诸葛亮”

控制论告诉我们,实施对一个事物运动过程的控制有两种方法。即前馈和反馈。相对而言,人们对反馈更为熟悉。所谓反馈,就是指系统输出的全部或部分通过一定的信息通道反送到输入端,从而对系统的输入和再输出施加影响的过程。而前馈则是根据既定的目标,     

机载MIMO雷达稳健非均匀样本选择方法

针对杂波训练样本中混入干扰目标,导致空时自适应处理技术的杂波抑制性能下降问题,提出一种基于目标知识进行局部稀疏恢复的稳健训练样本挑选方法。该方法利用先验知识确定待检测单元中的目标区域,对整个角度-多普勒平面进行遍历,获得稀疏超完备基。通过变换矩阵对超完备基中对应的目标区域进行"挖空"处理,局部稀疏恢复出超分辨的杂波空时谱,获得杂波协方差矩阵估计。结合广义内积算法,实现非均匀训练样本挑选的过程。与常规结合广义内积方法相比,该方法对于不同干扰强度的训练样本,均有良好的检测效果。经仿真验证,所提方法的检验统计量之间区分度更加明显,对于干扰样本的挑选更加彻底,从而有效地提高了空时自适应处理技术的目标检测性能。     

比例运算电路的频域分析

从集成运放比例运算电路的分析结论出发 ,进行一般反相放大、同相放大和差分放大电路的通用结构及其频域分析 ,得出更具有一般性的归一化结论 ,使典型放大电路的分析过程大为简化 ,为频域综合提供了可行的途径。     

多输入多输出雷达恒模稳健波形联合优化算法

针对目标冲激响应及杂波冲激响应分布特性先验知识不准确导致的多输入多输出雷达检测性能下降的问题,提出恒模稳健波形与接收机滤波器联合优化算法。将目标冲激响应及杂波冲激响应分布特性先验知识不准确时的优化问题建模为一个极大极小化问题。运用迭代优化算法将联合优化问题分解为两个子优化步骤:将波形固定时的接收机滤波器权值优化问题建模为广义瑞利商模型,求解得到相应的接收机滤波器权值矢量;利用半正定松弛技术对权值固定时的波形优化问题进行求解,获得对应的波形矩阵,并根据得到的波形矩阵,通过高斯随机化的方法获得所需的恒模波形。对所提算法的收敛性进行了证明,仿真结果表明所提算法有效。     

稀疏卷积计算高效数据加载与输出缓存策略

针对现有神经网络加速器在处理稀疏神经网络时存在的数据加载效率低、乘加资源利用率低、输出缓存寻址逻辑复杂等问题,提出了稀疏卷积计算高效数据加载与输出缓存策略。将属于同一输入通道的非零输入特征图像数据和非零权重进行全对全乘累加运算,降低了非零数据配对难度,提高了乘加资源利用率;通过采用输入驻留计算,以及密集型循环加载特征图像数据,大幅减少了数据片外调取次数;优化了输出缓存设计,解决了现有方案中存在的输出缓存地址访问争用、存储拥塞等问题。实验表明,与采用类似架构的细粒度脉动加速器相比,在处理单元面积上减少了21.45%;在数据加载速度方面平均提高了117.71%在平均乘法器利用率方面提高了11.25%,达到89%。