试论激光测距产品“乱数”问题及对策

本文针对激光器的原理结合相关产品实际,分析了引起激光测距产品“乱数”问题的末端因素,并对其中的相关末端因素逐一进行确认,找出主要原因,制定相应对策。力争为相关激光测距产品“乱数”问题提供参考。     

自航水雷雷位误差对障碍毁伤概率影响分析

自航水雷障碍毁伤概率是其作战效能的重要指标之一。针对自航水雷(SLMM)雷位所具有的随机散布特性,建立了反映水雷障碍毁伤概率与雷位误差之间关系的理论模型,并对理论模型进行了仿真验证。利用该理论模型分析了自航水雷雷位误差对毁伤概率的影响,同时对自航水雷障碍期望雷位的优化配置方法进行了初步的探讨。     

基于高阶累积量与神经网络的干扰识别算法

研究了一种基于高阶累积量和神经网络的干扰识别算法。该方法把卫星通信中常见的各种干扰信号的归一化高阶累积量作为分类特征参数,应用神经网络对特征参数进行分类训练,将接收干扰信号的归一化高阶累积量输入已训练的神经网络进行干扰类型的识别。试验结果表明:该算法在低干信比的情况下具有较高的识别准确率。     

《军事通信技术》2007年优秀论文获奖名单

一等奖(3名):潘克刚,胡均权,吴恒,张邦宁.准混沌差分跳频转移函数研究与实现(2—5);谢贵武,杨继红,陈亮,肖勇,闵刚.一种新的变速率语音编码算法(4—1);周尧,蔡跃明,潘成康.一种新的基于 V-MIMO 技术的包冲突解析方案(3—6)二等奖(6名):李玉建,王金龙,吴启晖.一种频域均衡与干扰抑制联合的算法研究(1—5);张杭,孟艳,陈乾,宋端.基于遗传算法的通信卫星频谱资源运用研究(3—1);孙卓,岳振军,宋巍.基于     

一种面向频域的通信信号盲干扰检测算法

针对低干信比和复杂动态情况下传统的干扰检测算法效率不高的问题,提出一种基于盲通信信号频域处理的未知干扰自动检测算法。该方法首先借助快速独立成份分析(FICA)从频谱差分数据中分离干扰和通信信号成份分量,然后利用各分量的峰度作为干扰与通信信号的识别特征检测干扰。实验结果表明,此算法能有效地在干信比小于5 dB的情况下从盲通信信号背景中自动提取未知干扰的信息,实现高精度地盲干扰检测。     

外挂式导弹机弹分离气动干扰特性研究

以经典的机翼/挂架/导弹组合模型为例,采用重叠网格软件系统和计算流体力学技术,从机弹干扰工况简化和气动干扰特性影响因素分析两个方面对外挂式导弹机弹分离气动干扰特性进行研究。导弹分离轨迹参数和气动干扰系数的数值预示结果与捕获轨迹试验结果吻合,表明该计算方法能有效预测机弹分离轨迹和分析导弹与载机间复杂气动干扰现象。根据计算流体力学结果,从马赫数、机翼攻角、导弹攻角等方面,给出导弹在不同分离工况下的气动干扰规律,并采用增量系数法对缺失工况进行一阶外插处理的气动干扰数据外推方法,可应用于机载外挂空基武器的机弹分离轨迹预示和气动干扰特性设计中,具有重要的工程应用价值。     

采用正交分集的灵巧噪声干扰对抗方法

针对数字射频存储干扰机多通道宽带转发模式下的灵巧噪声干扰,提出了基于混沌调制信号、多谐波相位调制线性调频信号的正交分集抗干扰方法。混沌调制信号与多谐波相位调制线性调频信号具有"图钉"形模糊函数,除了具有良好的距离、多普勒分辨力,还对回波频率敏感,通过正交分集设计,能够更好地适应宽带转发灵巧噪声干扰。通过计算机仿真对新方法的抗干扰性能进行了分析和验证,结果表明:在多通道宽带转发灵巧噪声干扰环境下,新方法的抗干扰改善因子能够达到10 d B以上,抗干扰性能明显优于传统的频率捷变、斜率捷变方法。     

PWPF的直接力脉冲自抗扰姿态控制方法

为应对来自临近空间高超声速飞行器的威胁,对作战空域在35 km以上高空的反临近空间拦截弹的需求越来越迫切。姿态控制系统的执行机构为6台常值推力发动机,为弹体稳定的跟踪目标提供可多次开启的常值推力,而使用PWPF调制技术可以将常值推力等效为连续推力;拦截器姿态控制系统需要克服轨控开启时带来的较大干扰,因此基于自抗扰方法设计了控制器,控制信号经PWPF调制后得到脉冲开关信号实现拦截器的姿态控制。仿真结果表明,自抗扰控制器具有更好的快速性与稳定性,且更方便与PWPF调制器串联使用。     

卫星通信抗干扰综合运用模式

从历史战例归纳通信干扰作战样式,从技术角度分析卫星通信潜在干扰威胁,立足当前卫星通信抗干扰能力,针对通信干扰作战样式设计卫星通信抗干扰综合运用模式,并提出后续研究工作。     

基于自训练EM算法的半监督文本分类

为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。