严格集压缩场的拓扑度计算

给出了严格集压缩场的拓扑度在非球域上的度为零的结果,改进了孙经先1987年相应的结果。     

OQAM/OFDM系统中基于压缩感知的离散导频信道估计方法

针对多径信道条件下,偏移正交幅度调制的正交频分复用(OQAM/OFDM)系统中采用导频序列方式进行信道估计时导频开销较大的问题,提出一种基于压缩感知的离散导频信道估计方法。该方法利用无线信道的稀疏特性,建立基于压缩感知的OQAM/OFDM系统信道估计模型,对离散导频结构进行了优化设计,使较少的导频符号随机分布在子载波上,在接收端利用信号恢复算法实现信道估计。该方法能够显著减少导频数量,并实现高精度信道估计性能,通过实验仿真对比验证了所提方法在慢时变和快时变的无线信道条件下的有效性。     

带渐变过渡型提取结构的Ku波段磁绝缘线振荡器

提出了一种渐变过渡型的微波同轴提取结构,解决了采用传统的均匀同轴提取结构的Ku波段磁绝缘线振荡器中存在的输出模式不纯和TEM模传输效率较低的问题。模拟结果表明,渐变过渡型提取结构实现了微波的高效提取和单一的同轴TEM模输出;过渡后的同轴结构利于支撑杆的设计,满足了同轴TEM模的传输要求。与传统的均匀同轴提取结构相比,渐变过渡型提取结构能够适量提高器件的品质因数,进而加强束波作用,加快微波起振。     

电磁感应加热弹丸装药倒空技术分析研究

针对蒸汽加热在弹丸装药倒空中存在污染环境、装药适用范围小、能量利用率低等问题,提出了电磁感应加热弹丸装药倒空技术.分析了感应加热倒药方法的工作原理,构建了感应制热器的数学模型,基于磁热顺序耦合方法建立了二维轴对称感应加热弹丸装药有限元模型,开展了电磁场和温度场仿真研究.分析了不同时刻下弹丸装药不同位置的电磁场和温度场分...     

海量感知数据高效传输技术

现有感知数据传输模型存在能量消耗大、网络生存周期短、适用范围窄、收敛性弱以及实际应用性差的问题,为了实现大面积感知数据高效传输,提出了基于数据关联度的模糊自适应融合算法,建立了自适应网络模型。感知节点发送的数据经汇聚节点、中继节点转发时,通过自适应网络模型,根据感知数据关联度,动态修正输入参数加权系数从而改变控制规则,再用优化的控制规则进行参数调整,融合后的数据再传送到上一级平台,实验表明了该算法能明显改善海量感知数据传输性能。     

使用小波分层连通树结构的压缩信号重构

基于小波树模型的压缩感知可以通过较少的观测量得到鲁棒的信号重构,但采用最优树逼近时,则存在复杂度大的问题。在证明分层后的小波树仍然具备连通树性质的基础上,提出了基于小波分层连通树结构的压缩重构算法,在与原观测量一致的情况下,保证了重构精度并且提高了重构效率。实验结果表明,改进算法相对于原算法在处理大尺度数据时,效率有明显的改善。     

美军“不眠战士”凶猛来袭

正古往今来,战场上的厮杀从来不分昼夜。士兵们连续作战,需要时刻在枪林弹雨下保持高度警惕性和敏捷度,往往疲惫不堪。尽管如此,士兵们还不得不面对一个共同的天敌——瞌睡。如果士兵连续作战,一旦感到精神疲惫,缺乏睡眠,就会行动迟缓、战斗力下降,而处于睡眠状态的士兵则战斗力全无。军事专家指出,能让士兵不睡觉却不影响其健康,将会引起战争方式和军力部署的根本变革。自二战以来,美军一直试图解决这一难题,希望打造能7天7夜连续作战的"不眠战士",在未来战争中占据上风。     

基于正交锁定差分放大器的巨磁阻抗（GMI）磁传感器

基于非晶丝的巨磁阻抗(GMI)效应,利用CoFeBSi非晶丝作为敏感材料,采用正交锁定放大电路和仪用放大器作为信号调理电路,设计了一种差分式高灵敏度GMI磁传感器。介绍了巨磁阻抗效应的基本概念和双非晶丝差分结构的磁敏探头,分析了基于正交锁定差分放大技术的信号调理电路的工作原理,并结合非晶丝两端输出信号的幅度和相位特性,提出了正交锁定放大器输出包络的近似计算方法。实验结果表明:在-2.0 Oe~+2.0 Oe的量程内,该GMI磁传感器灵敏度可达748mV/Oe,线性误差为0.98%FS,且噪声平均功率谱密度约为0.8nT/Hz1/2。     

全极化雷达的多任务压缩感知目标识别方法

为有效利用全极化雷达高分辨距离像(High Resolution Range Profile,HRRP)的丰富特征信息和全极化样本中各单极化HRRP均对应于相同目标姿态的特性,提出一种基于多任务压缩感知的全极化雷达目标识别方法。该方法约束在不同极化字典中选择来自相同角域的字典原子对相应极化方式下的HRRP进行表示,可以有效利用不同极化HRRP之间的相关信息提高目标识别性能。基于电磁散射数据对所提出的方法进行了测试,实验结果证明了方法的有效性。     

含噪稀疏信号重构的l0范数期望值最小化方法

压缩感知理论是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对测量值受噪声污染的含噪稀疏重构问题,提出了近似l0范数期望值最小化方法。该算法基本思想是将含噪稀疏重构问题转化为近似l0范数期望值最小化问题,并利用噪声的统计特征将随机最优化问题化简为常规的最优化问题,然后采用最速下降法求解。数值仿真表明,本文提出的方法具有更好的重构精度,且计算量较小。