世界各国潜艇AIP系统孰优孰劣？

世界上最先取得AIP系统实用技术重大突破的要数瑞典皇家海军。早在上个世纪60年代,瑞典就曾在重点比较闭式循环汽轮机、燃料电池和斯特林发动机三种AIP动力系统后,最终选定斯特林发动机进行实艇装设试验。1987年11月,瑞典皇家海军在“水怪”号潜艇上加装了一个斯特林发动机舱段。通过一系列的水下试验,充分证明了AIP系统具备较长时间水下航行的本领,从而进一步坚定了瑞典海军正式发展装有斯特林发动机的“哥特兰”级潜艇。1995年2月,具有划时代意义的“哥特兰”级首艇“哥特兰”号下水,这是世界上第一艘问世的AIP潜艇。该艇上装有两台各自最大输出功率为75千瓦的斯特林发动机,能保持6节航速在水下连续航行几个星期而不必浮出水面,使之成为名副其实的“潜艇”。瑞典海军把AIP系统作为柴电动力的一种辅助动力模式,开创了常规动力潜艇发展的新篇章。自此以后,各国海军纷纷加入各种AIP辅助动力系统的研发行列。进入新世纪以来,已有越来越多的AIP系统开始在多国海军中“安家落户”,显现出良好的发展前景。上期,我们曾就东亚地区竞相发展AIP潜艇展开热烈讨论,引起了读者的广泛关注。今天,主持人李杰再次邀请上期嘉宾陈教授及海军某部吕参谋,继续漫谈世界海军几种主要AIP系统及其优劣。     

球形译码算法中不均匀半径分配方案及性能分析

在球形译码算法中,初始半径的选择与分配是影响算法性能与复杂度的重要因素.针对球形译码算法在低信噪比时复杂度高的问题,提出了一种新的基于V-BLAST信号模型的初始半径选择与(准)线性半径分配方案,并分析了应用该方案的两种典型球形译码算法流程的性能与复杂度,其分析方法适用于任意不均匀半径分配方案.分析与仿真表明,与传统的球形译码算法相比,在信噪比较低时,采用该方案的球形译码算法的复杂度显著降低;在较宽信噪比范围内,其误码率性能接近最大似然检测性能.     

微弱正弦信号在有噪声的FN神经元模型中的传输特性研究

长期以来弄清神经系统中的信号是如何传输的一直是广大研究人员努力的目标.针对一种被普遍研究的神经元简化模型--FitzHugh-nagumo(FN)模型,采用二阶随机龙格-库塔算法分析了该模型对加性噪声和微弱正弦信号的响应特性.时域和频域的统计参数表明适当强度的噪声有利于信号的传输,存在随机共振现象,即与噪声强度关联的输出信噪比曲线为倒钟形;另外值得关注的是,与正弦信号频率关联的输出信噪比曲线也为倒钟形,分析可见正弦信号的无量纲频率在区间0.2～0.8时模型的输出信噪比最大,表明该神经元模型有频率敏感性,即更易于检测到该范围内的弱信号.上述结果与生物学的发现是一致的,将有助于进一步揭示周期信号在神经元中的传输方法,建立更加准确的神经元数学模型.     

非线性放大器对伪码测距误差的影响分析

在高精度伪码测距系统中,高功率放大器(HPA)是信号发射链路的重要组成部分,HPA会对发射信号引入非线性失真,进而恶化系统的伪码测距性能.通过理论推导和数值分析的方法,研究HPA的非线性特性对高精度伪码测距误差的影响,给出非线性放大条件下,伪码跟踪误差与放大器类型、放大器输出回退(OBO)、扩频码形参数等的定量关系.研究结果对工程上HPA的选择、功率余量的保留、基带扩频码形的设计等具有重要的参考价值.     

基于VFGPIR联合特征的决策级加权融合检测方法

车载前视地表成像雷达(VFGPIR)探测浅埋目标时面临虚警率过高问题,可利用序列图像特征的联合检测解决这一问题.首先利用Fisher鉴别比(FDR)定量评估从单帧和序列图像中提取的单个特征的鉴别能力;然后针对单个最优序列特征无法满足探测指标要求提出一种基于决策级加权融合的多特征联合检测方法;最后利用接收机工作特性(ROC)曲线来验证所提方法的有效性.试验结果表明:序列特征比单帧图像特征具有更好的鉴别能力;所提方法性能优于单个最优序列特征、特征向量和多数票融合准则对应的检测结果,有望满足实际探雷应用需求.     

某型坦克炮控检测系统的实现

从检测技术出发,介绍了某型坦克炮控检测系统的设计和原理。该系统以智能化检测手段,分级别实现了对该型坦克炮控系统相应小修、中修的性能检测。     

基于现场测试的渡口大桥残余承载能力研究

在对渡口大桥的全面现场调查和加载测试的基础上,根据实测应力、变形及模向位移与理论计算结果所进行的对比,分析了该桥的强度、刚度、稳定性和动力持性。最后确定了该桥的病害程度和残余承载能力。     

圆周分割映射法构造宽间隔跳频序列

本文提出了一种新一般跳频序列构造成为满足宽间隔的跳频序列方法－圆周分割映射法,使用此方法能够充分利用所有的频点,实现比较大的频隙间隔,而且算法本身计算容易,便于实现。     

AWGN信道下线性分组码的差错概率下界分析

提出了一种线性分组码的最大似然译码(ML-decoding)差错概率下界的计算方法。差错概率的下界优化实质上是对联合事件概率下界的优化,算法结合改进的Dawson-Sankoff界的优化准则,提出了AWGN信道下线性分组码差错冗余事件的判决准则,得到了误码率下界的计算表达式。该表达式只依赖码字的Hamming重量分布与信噪比,较之类deCaens界与类KAT界,本算法得到的下界更紧,计算量更低。针对LDPC等线性分组码的数值结果证明了算法的优越性能。     

基于局部特征及最佳量化的Quantum TV算法

量化TV算法是一种量化的全变差正则化算法,滤波后的图像取值为一定数量的量化数值,其主要应用为二值图像恢复、图像量化及图像分割等。图像的不同部分灰度变化程度不同,需要不同的量化等级数;不同的直方图分布下,根据不同的原则,存在不同的量化等级。根据上述原则对量化TV算法进行了改进,实验结果说明了改进算法更适用于图像量化。