周期介质栅频率选择特性的时域有限差分法分析

利用时域有限差分法分析了具有周期结构的介质栅在毫米波段作为频率选择表面应用的可能性。文中给出了ＴＥ波垂直入射时几种结构周期介质栅的频率选择特性,得出一些与频域分析结果不同的结论。尚存的问题是平面波对介质栅斜入射的问题没有得到圆满的解决。     

基于选择准则的参数模型评价方法

为评价参数模型的优劣,分析了模型信息量与数据被模型拟合后的残差信息量之间的关系,提出了综合考虑模型拟合残差大小、残差信息量与参数数目的一种模型选择的新方法RIA。结合RIA方法,定义了时序模型评价的一种准则,并以航天测量数据处理为例,说明了不同模型在工程实际中的不同表现和本质区别的意义所在。     

针对无线移动环境的音频同步视频连环画的自动生成

针对无线移动通信网络的客观制约,给出了一种音频同步的基于视频连环画模式摘要自动生成的实用视频服务方案,使得系统在向用户提交连续音频流的同时,能够随着网络带宽条件的变化,按照动态采样频率,基于视频内容选择重要帧递送,并按照与音轨同步的模式播放,从而在降低数据量的同时,满足用户对视频内容综合理解的需求。     

固定翼无人机曲线路径跟踪的积分向量场方法

常规的向量场方法在处理无人机曲线路径跟踪问题时很容易受非定常风扰的影响而使得跟踪误差增加,因此很多方法采用用无人机的惯性坐标系(地速和方位角)替代机体坐标系(空速和偏航角)的方式来提高抗风性能。但是,这种方式只能处理大小和方向均恒定的风扰,这在实际飞行中是过于理想的假设。为了克服这些不足,提出了一种采用侧偏距的积分来主动抵消非定常风扰的积分向量场方法用于固定翼无人机曲线路径跟踪控制。根据期望路径的曲率及路径角,结合无人机自身的状态信息设计了曲线路径跟踪策略,并且使用李雅普诺夫理论证明了提出的方法能够确保闭环系统的全局渐进稳定。最后,使用高性能半实物仿真系统验证了提出方法的抗风跟踪性能。     

平稳小波去噪算法中的参数选择

为研究平稳小波变换去噪算法在工程应用时如何选择小波基、小波系数处理方法和阈值计算方法的参数以取得最优去噪效果,通过仿真实验,对比不同小波基、不同小波系数处理方法及不同阈值计算方法对平稳小波变换去噪算法去噪效果的影响,对算法的参数选择问题进行研究。实验结果表明：相比其他滤波器组,大部分情况下Daubechies 小波基对应的滤波器组去噪效果更好;信号信噪比较低时选用软阈值法,信噪比较高时选用硬阈值法;使用阈值法处理小波系数,信号信噪比不高的情况下应采取固定阈值法来确定阈值,信号信噪比较高时应采取无偏风险估计法。     

基于多标签学习的探索性仿真实验因素筛选方法

探索性仿真实验是一种认识、研究战争的重要手段,但往往面临想定样本空间复杂程度高,空间维度爆炸等问题。针对上述问题,提出一种定性定量相结合的基于多标签学习的实验因素筛选方法。首先,基于定性分析设计并实施仿真预实验,采集处理实验数据,解决机器学习样本数据缺失问题;随后,引入输入控制层搭建深度神经网络,引入稀疏正则化,在多标签模型训练过程中实现特征选择;然后,回归定性分析,补充完善实验因素;最后,以某作战样式下立体投送行动仿真推演为背景进行实验验证。实验结果表明,筛选的实验因素与作战行动现实情况吻合。     

制约武器装备发展的战略因素

武器装备的发展趋势和战略选择,取决于众多的复杂因素,其中最基本的因素有四个:一是与国际上武器装备水平的对比;二是世界科技发展对军事科技及装备研制的引导;三是受国家经济实力制约的武器装备建设的投入;四是武器装备研制方面的科技人才及管理人才的素质。     

不确定环境下无人机区域目标搜索及载荷参数影响

针对不确定环境下无人机区域搜索问题,建立了实时探测更新的搜索方法,提出了机载光电载荷参数优化配置策略。建立了基于二维离散网格的无人机区域搜索模型,采用概率地图描述目标信息的实时获取与更新;引入不确定度指标、目标网格的重访和网格探测次数控制,建立搜索目标函数;建立了基于粒子群算法的搜索路径滚动优化方法;通过对任务区域平均探测时间步数和误判概率的估计分析,建立了机载光电载荷参数优化配置策略。使用蒙特卡洛方法验证了区域搜索方法的有效性和光电载荷参数配置对搜索效率、误判概率的影响。     

战场运输在线路径规划算法研究

针对战场运输保障任务批次多,不确定性强等特点,提出了一种轻型在线的运输路径规划算法。以节省整体运输开销为目标,利用图论思想对运输路径的相互关系进行了数学建模,定义了路径连接的必要条件和合并算子。并借鉴了节约法等启发式方法的思路,提出了一个路径优化合并方法和相应在线调度算法,能够按照负载平衡和最小开销策略分配运力,按需对现有任务合并。模拟实验结果表明,与过去按分管关系指派任务的方法相比,运输开销得到显著减小。     

面向卫星的在轨服务任务规划方法

针对空间在轨服务日趋成熟以及在轨服务现实需求增长的背景,以在轨服务航天器为研究对象,研究面向卫星的在轨服务任务规划问题,探讨如何合理安排与调配在轨服务资源。将问题分解为在轨服务资源分配和在轨服务路径规划两层,并建立双层优化数学模型。设计在轨服务任务规划算法求解问题,包括基于多种群并行进化的混沌遗传算法和基于全局坐标转换的NSGA-Ⅱ+GSDE算法,并通过仿真结果对比分析,验证算法的可行性和有效性。