基于小波分析的子带特征提取与选择方法

在研究了目标图像多尺度小波分解特性的基础上,提出了基于小波多尺度分解子带主成分的特征提取的算法。该算法利用图像在不同尺度的小波变换域中能量局部集中性,选择各子带能量较集中的局部小波系数构成图像目标特征向量。这种特征包含图像目标的主要边缘、纹理、灰度、结构等多种信息。由于对图像目标的特征信息的分布没有任何限制,因而适用于多种类型的图像的特征提取,可以解决单一特征提取方法中必须面对的所提取特征不明显的难点。这种特征向量对噪声有较好的鲁棒性。     

非局部弹性杆固有频率的Ritz法求解

采用Ritz法求解了非局部弹性直杆的固有频率问题。非局部弹性理论与经典弹性理论相对应,区别在于非局部理论中,一点的应力与该点以及其周围区域的应变都有关,并采用核函数来表征这种相关性。基于Eringen提出的非局部弹性模型,针对三种给定核函数,用Ritz法进行了直杆的动力学分析。并针对两种边界条件给出直杆的固有频率,与其它方法比较,该方法具有可以针对多种核函数求解,精度可控,易于编程等优点。     

变形机翼飞行器发展综述

现代飞行器面临日益复杂的飞行任务,但采用固定外形机翼进行多目标优化设计必然带来机翼性能的折中与权衡,使得飞行器在任何一个设计工况下都很难达到性能最优.变形机翼是解决该问题的有效途径,通过改变外形来适应不同的飞行环境,避免了固定外形机翼在多目标设计中的性能折中与权衡问题.首先,梳理了变形机翼飞行器的发展历程并阐述了各阶段...     

建立非现役参战人员伤亡补偿制度探要

非现役人员作为战时民力资源的重要组成部分,是不可或缺的国防后备力量。建立系统规范的非现役参战人员伤亡补偿制度,是形势发展的需要。较之现役军人,非现役参战人员有其自身的特点,因此,明确非现役参战人员伤亡补偿制度的体系框架、责任主体、给付标准和执行机构,应是完善非现役参战人员伤亡补偿制度的基本思路。     

基于多目标鲸鱼优化算法的动态武器目标分配

针对传统动态武器目标分配模型以武器打击收益最大化为目标,考虑过于单一,并且现有智能算法在求解该模型存在收敛精度低的问题,提出一种非支配排序多目标鲸鱼优化算法(non-dominated sorting multi-objective whale optimization algorithm, NSMWOA)求解动态武器目标分配模型。首先为提高初始解的质量,引入2次logistic映射初始化种群,合并父代与子代个体,通过计算个体的非支配等级和拥挤度大小对个体进行排序,其次为筛选优秀个体,实验结果表明,在与NSGA-Ⅱ和MOPSO算法的对比中,非支配排序多目标鲸鱼优化算法函数测试中的得出Pareto前沿更接近真实Pareto前沿,寻优精度更高,在动态武器目标分配模型中,能够得出更优的分配方案。     

连射航炮随动系统稳定控制策略研究

为了提高武装直升机持续高精度稳定射击能力,分析了机载航炮随动系统连发射击时所受负载扰动,设计了一种改进型负载转矩观测器,对系统冲击载荷进行实时观测,同时引入观测值作为电流环的前馈补偿。并将非奇异快速终端滑模控制应用于转速环,保证了系统收敛时间有限性,抑制了系统抖振,提高了系统抗扰动能力。仿真结果表明,该仿真模型能模拟航炮随动系统连发射击状态,提出的控制策略不仅能提高系统稳态精度,而且能削弱冲击负载对航炮随动系统性能影响,增强了系统的稳定性。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

干扰抑制类生成式对抗网络

为进一步改善超低频频段的通信质量,在传统改进广义旁瓣抵消算法的基础上,提出新的超低频干扰抑制算法——生成式旁瓣抵消算法。该算法将人工智能研究热点之一的生成式对抗网络模型引入广义旁瓣抵消算法中,通过优化设计生成模型的网络结构及相关超参数,有效地解决了原算法存在的期望信号残留问题,为旁瓣抵消通道中的后级滤波算法提供了与主通道相关性更强的干扰参考信息,从而提高了算法对主通道干扰估计的准确性。为了验证优化后生成模型的有效性以及所提算法对不同类别干扰的抑制能力,在实验室环境下搭建实验平台,设计了多组对照实验。实验结果表明:优化后的生成模型具有较好的生成能力、较好的鲁棒性以及相对较低的运算复杂度;相比于传统改进的广义旁瓣抵消算法,所提算法进一步提高了信号带宽内的信干噪比。