基于小波变换与FFT算法的电能质量信号分析

提出了一种基于小波变换和FFT相结合分析电能质量信号的方法.用小波变换检测电能质量信号的间断点,对由间断点分段得到的信号用FFT进行频谱分析,并进行了计算机仿真,取得了较满意的结果.     

小波分析电子签名系统在分布式计算环境中的实现

以信息传输与指挥管理系统小波分析电子签名子系统为例,对非常规分布的B／S应用进行了深入剖析,用ActiveX和RDS技术相结合,解决了B／S架构下的应用程序本地化执行,以及指纹数据在因特网上的安全传输问题,对电子商务、企业计算的实现者有较大的借鉴意义。     

基于智能变后缘的超微型无人机高度控制研究

针对微型旋翼飞行器在飞行时,因旋翼表面容易发生流动分离而造成升力损失的问题,开展了采用连续后缘襟翼（CTEF）来改变飞行器升力的技术研究。首先,开展了不同安装角下微型旋翼的推进性能研究,建立了微型旋翼模型,对其进行推进性能分析;然后,利用P (VDF-TrFE)材料制作CTEF,采用单向流固耦合的方法对使用CTEF的旋翼进行推进性能分析,结果表明后缘襟翼在电压驱动下可以实现有效偏转,偏转产生的等效安装角在12°左右,最高可将拉力提升40%;最后,基于PID控制器设计无人机高度控制系统,通过控制驱动电压,实现控制无人机高度的目的。仿真结果表明控制系统的响应时间在6 s左右,超调量在5%左右。研究表明,提出的基于P (VDFTrFE)材料的无人机高度控制系统可以实现无人机高度通道的有效控制,证实了CTEF在旋翼飞行器控制方面的潜力。     

基于雁阵变换的微型扑翼飞行机器人集群行为控制方法

为了解决微型扑翼飞行机器人集群编队目标搜索覆盖效率、避障通过性和多机控制等难题,实现扑翼飞行机器人集群编队的智能控制,提出了基于雁阵变换的扑翼飞行机器人集群行为控制方法。利用仿生集群行为控制函数的参数化特性,实现了飞行机器人编队的队形变换和角度控制;搭建了多扑翼飞行机器人实验系统,并在多种情况下设计基于仿生行为的多扑翼飞行机器人集群控制方法实验。最终的实验结果验证了方法的可行性和有效性。与传统的多飞行机器人实时控制方法相比,所提方法大幅提升了集群编队的搜索覆盖效率和避障通过率,在某些作业环境条件下,搜索覆盖率可提升50%以上,障碍通过率可提升60%以上。同时,创新点体现在将雁阵变换应用于多扑翼飞行机器人集群编队控制和将仿生集群行为控制应用于扑翼飞行机器人集群控制两个方面。     

雷达低慢小目标检测技术综述

首先,在分析低慢小目标特性的基础上总结了低分辨预警雷达探测此类目标的技术难点。然后,分类总结介绍了目前国内外具有一定启发性的检测技术,基于检测前跟踪技术、基于变换域方法、基于微多普勒分析、基于多活性代理系统检测以及基于杂波白化等方法,并对各方法检测性能进行了简要分析。最后,总结提出了针对此类目标检测技术研究发展的几点思考。     

基于强化学习的无人机自主机动决策方法

提出了一种基于连续动作集强化学习的无人机机动决策方法。通过Actor-Critic强化学习构架下的NRBF神经网络输出状态真实效用值与连续动作控制变量,效用值与动作控制变量的输出层共用隐层以简化网络结构。结合相对熵理论设计隐层节点的自适应调整方法,有效减少了隐层节点数目。对输出动作控制变量,采用基于高斯分布的连续动作选择策略,并依据训练次数调整随机动作控制变量的概率分布,提升了网络对未知策略的探索能力。在3种不同空战态势下的仿真验证了该方法的有效性,结果表明该方法生成的策略鲁棒性较强,动作控制量更加精确。     

改进的最优小波基选取方法与跳频信号检测研究

跳频通信因其良好的抗干扰性和低截获性,在军事通信中备受青睐。因其在军事通信中的重要作用,研究跳频信号的检测方法显得尤为紧迫。基于小波分解与希尔伯特-黄变换的跳频信号检测方法,有效地解决了跳频信号检测过程中时间分辨率和频率分辨率不能同时兼顾的问题,提高了跳频信号检测的精度。在此基础上对最优去噪小波基的选取问题进行了深入研究。通过改进信噪比与信噪比增益这个小波去噪质量评价指标,提出了改进的最优小波基选取方法,有效地解决了非合作通信中信号真值未知情况下最优小波基的选取问题。同时利用这一方法成功实现了跳频信号的检测,为检测跳频信号提供了新思路。     

基于卷积自动编码器的飞机目标识别方法

飞机目标标签数据不足,使传统的机器学习算法训练效率不足。为提升训练效率提高飞机目标识别率,提出一种由卷积自动编码器(Convolutional Auto-Encoder,CAE)、哈希变换及直方图统计组成的简单多层特征提取模型。该模型利用CAE非监督训练一组卷积滤波器,与输入数据卷积提取特征;并再次利用CAE训练卷积滤波器集合,提取卷积特征;对所得到的卷积特征进行哈希变换和直方图统计;用支持向量机识别分类。实验对飞机目标取得了较高的识别率,表明特征提取模型具有很强的鲁棒性。     

基于PLS特征提取的WNN装备保障性评估

为科学合理地评估装备的保障性水平,更好地发挥装备的作战使用效能,提出了一种基于偏最小二乘(PLS)的小波神经网络(WNN)装备保障性评估方法。该方法在系统分析基础上,构建了装备保障性评估指标体系;利用PLS提取诸多指标数据的主元特征;并利用获取的主元特征构建WNN模型,进而完成装备保障性评估。仿真结果表明,所提出方法的平均相对误差可达到0.009 6,比单一WNN模型评估效果有了改善,从而验证了它的可行性和有效性。     

基于Radon变换的弹道目标平动补偿

弹道目标平动补偿有利于弹道目标微动参数提取。针对多散射点目标平动补偿的问题,提出了一种利用Radon变换对目标整体微多普勒曲线进行参数投影来达到平动参数估计的方法。对典型弹道目标进行了建模分析,得出了其散射点微动距离表达式。根据雷达信息对目标回波进行预补偿并对预补偿结果进行时频变换,再采用Radon变换对时频曲线进行参数投影,利用熵值法对投影得到的二维平面进行参数提取。利用提取的平动参数对回波进行平动补偿,仿真结果表明了上述方法的准确性。