非平稳数据处理方法与瞬时频率

利用“经验模式分解”(EMD)方法,任何复杂的数集都能够被分解为有限且通常数量较少的“本征模式函数”。“本征模式函数”产生瞬时频率,最终结果表示为H ilbert谱规定的能量-频率-时间分布。应用“经验模式分解”方法表示自然现象中的传统非线性平衡系统及其数据的数值结果,同时给出实例展示了这种新方法的作用和效果。这种方法阐明了能量-频率-时间分布,进一步显示出对非线性非平稳系统的处理效果———精确化、形象化和可视化。     

C4ISR系统数据集成研究

为了更好地实现各类C4ISR系统的有效融合,达到传感器到射手的无缝连接,必须解决数据集成问题。简要分析了数据集成的总体规划和共享环境建设问题,重点研究了数据模型的设计问题。利用IDEF1X方法,以成像侦察卫星军用系统为研究对象,按照模型设计的五个步骤,实现了其数据模型的构建。这类数据模型属于语义数据模型,是对系统中数据结构和语义的一种描述,强调了事物所具有的属性特征和事物之间的结构和关系,它是数据共享环境建设的基础,在C4ISR系统建设中发挥着巨大作用。     

提高文字能力三十字诀

文字能力是政治机关干部的一项重要的基本功。根据一些成功人士的经验,笔者作了一些粗浅的归纳,共十句话、三十个字。览以目,就是广看博读。除了广泛学习与本职工作相关学科的知识,丰富积累,潜移默化地提高文化素养之外,最为重要的是学习与本职工作相通的业务知识,这是“主食”     

把握国防动员信息化建设的科学导向

国防动员信息化建设,必须坚持在求实中创新,在兼顾中发展,力求最大限度地发挥信息工程平战结合的效能,最大限度地增强信息系统军地兼容的效益,最大限度地提高信息资源集成整合的效率。一、以“战时能应战、平时能应急”为目标,科学制定国防动员信息化建设的总体规划“战时能应战”是国防动员的最终目标和本质要求,“平时能应急”是新阶段国防动员的现实需要和时代特征。无论是应战还是应急,都离不开信息化建设做支撑和保障。因此,国防动员信息化的总体规划必须盯住“两应”、服务“平战”,科学设计,协调发展。一要强化系统集成。现代作战已…     

对加强新时期党管武装工作的几点认识

党管武装是我党在长期革命斗争中总结出来的一条基本经验,是建设有中国特色国防后备力量的根本原则,是充分发挥人民战争特有优势的前提保证。在新形势下,深入贯彻党管武装原则,对于确保民兵、预备役部队永远置于党的绝对领导之下,确保党中央、国务院、中央军委各项部署的贯彻落实,具有极为重要的意义。我们必须从维护党和国家的根本利益出发,着眼国家长治久安的战略全局,以十分敏锐的政治头脑、居安思危的忧患意识、改革创新的进取精神、狠抓落实的工作作风,切实加强党管武装工作,推进国防后备力量建设不断深入发展。要增强自身素质。地方党…     

基于虚拟样机技术的履带车辆传动箱模态分析

传动箱虚拟样机模型包括箱体和齿轮传动系2部分。分析传动箱模态参数,应包含齿轮系与箱体之间约束的影响。在虚拟环境下测量了传动箱的模态参数,对比了包含齿轮系和不包含齿轮系2种情况,验证了该箱体的设计使传动箱整体避开了与车辆的共振频率。同时说明了虚拟样机试验方法在箱体类零部件模态测试中的应用与技术可行性。为在设计阶段优化箱体结构提供指导。     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

基于SVD与数学形态学分形维数谱的战场声特征提取

分形维数作为战场声信号的特征,存在特征数量不足,反映信号非线性不充分的问题,提出了一种基于SVD与数学形态学分形维数谱(Singular Value Decomposition And Mathematical Morphological Fractal Dimensions Spec-trum,SVD-MMFDS)的战场声特征提取方法.对声信号构造Hankel矩阵,再进行SVD分解,根据信号频率与奇异值的关系,重构信号分量.将这些重构信号依次线性叠加,每叠加一次信号分量就计算一次分形维数,直至完全恢复原信号;通过这种方法,构成数量多且更能反映信号非线性的分形维数谱.运用半实物仿真实验将SVD与数学形态学分形维数谱的方法,与变分模态分解(VMD)和分形维数结合的方法进行对比,该方法提取的战场声特征具有更好的区分度且特征数量更多,为利用信号非线性来识别战场声目标提供较好的选择.     

固定翼无人机多工况聚类及识别研究

针对固定翼无人机作业过程中多工况的分类以及一般模式识别算法时效性低,准确率不高的问题,提出了"聚类分析-模式识别"相结合的多工况分析技术路线,将工况分析分为离线和在线2个阶段.离线阶段,提出子一种基于分组的密度聚类算法,采用分而治之的聚类思想对无人机历史飞行数据进行聚类分析,并将聚类所得各抽象数据簇视为工况.在线阶段,...