返回舱垂直着陆过程动力学研究

在考虑着陆场地面弹塑性特点的情况下,建立了返回舱垂直着陆过程的弹塑性接触模型。数值分析结果表明,返回舱的着陆过程与地面土壤的物理性质有很大关系,在相同的弹性模量下,土壤的极限应力越大,则着陆过载最大值就越大,着陆过程中的能量损失就越小,返回舱的"跳跃"现象越明显。     

基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过一种改进的模糊聚类算法,首先得到可能的目标数和测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明,传统数据融合多目标跟踪算法,一般需要假定目标数并且在多目标密集时易产生关联错误而导致跟踪发散,新算法通过模糊聚类客观有效地确定了目标数并且通过加权过程保证了对多目标密集时的高精度。     

被动雷达/红外成像双模制导数据融合方案

提出了被动雷达/红外成像双模制导数据融合方案。针对雷达和红外成像测量数据率不同的特性,研究了被动雷达/红外成像测量输出时间同步校准算法;根据雷达和红外成像测量输出的目标冗余信息对各自测量噪声方差进行在线实时估计,提出了一种具有自适应修正能力的卡尔曼滤波算法;采用神经网络—模糊推理方法设计了具有自主判别能力的测量信息有效性判别系统,提出了基于测量信息置信度的加权融合算法。通过仿真验证了该方案的有效性。     

第三代移动通信概述

随着工业和信息化部批准发放第三代移动通信(3G)牌照,标志着我国正式进入了3G时代。但是很多人对第三代移动通信的概念还是很陌生,基于此,简要地介绍了第三代移动通信,在介绍其基本概念的基础上简要地叙述了其对于移动通信的意义。     

结构主导目标检测中的纹理随机化

已有基于卷积神经网络的目标检测算法倾向于提取目标纹理特征,而非结构特征;因此,已有方法不能实现变纹理目标的可靠检测.针对此问题,提出基于纹理随机化的结构主导 目标检测方法,采用仿真纹理随机化方法减弱网络模型对纹理特征的拟合,实现基于结构特征的变纹理目标可靠检测.利用目标的三维模型,借助Blender渲染引擎,完成纹理随...     

卫星差分码偏差对北斗三号双频精密单点定位的影响

为探讨北斗三号系统不同频点组合卫星差分码偏差(differential code bias, DCB)对精密单点定位(precise point positioning, PPP)的影响,推导北斗三号系统不同频点无电离层组合卫星端DCB改正模型,并基于MGEX跟踪站连续7天4站的观测数据按7种不同双频组合进行DCB改正实验。结果表明,DCB改正对PPP精度在最初的历元有明显提升,有助于滤波的收敛及提高单天解的均方根,但对于最终定位精度无明显提升。B2a/B3I及B2b/B3I组合定位精度及收敛速度明显低于其他组合,DCB改正后有所提升。其他5种组合改正后定位精度及收敛时间相当：静态PPP单天解均方根在E、N和U方向约为5.50 cm、2.50 cm和6.25 cm,较未改正前提升20%～65%;平均收敛时间为38 min,提升约6%;动态PPP平均收敛时间为59 min,提升约20%;最终定位精度水平方向优于5 cm,高程方向优于7 cm。     

侦察机通过数据链向潜艇传递目标指示的方法探讨

为了使侦察机能更及时、准确、可靠地为潜艇提供目标指示,使之进行导弹超视距攻击,介绍了与潜艇通信有关的地-舰(潜)/空数据链、舰(潜)-舰(潜)数据链及舰(潜)-空数据链。然后探讨了侦察机通过数据链向潜艇传递目标指示的方法,重点研究了潜艇可以实时接收数据链信息和不能实时接收数据链信息的情况下的直接指示法,及侦察机通过岸上指挥所、海上联合编队指挥所中转信息的中转指示法。     

基于粗糙集理论的C3I系统作战能力评估

C3I系统是一个复杂的人机大系统,对其评估是一个非常复杂的问题。首先建立了C3I系统评价指标体系,根据粗糙集理论对系统属性进行约简,通过MATLAB编写的程序计算出指标权重,确定了影响系统的最佳指标。最后提出了C3I系统作战能力综合指数计算方法,结果显示粗糙集理论对C3I系统评估能取得非常好的效果。     

混合指数分布模型的Bayes分析

针对截尾试验数据的情况,给出了二元混合指数分布模型的平均寿命和可靠性函数的严格的Ｂａｙｅｓ点估计,并运用最大熵准则给出了可靠性函数的近似的Ｂａｙｅｓ置信下限估计。     

A misclassification cost‐minimizing evolutionary–neural classification approach

Machine learning algorithms that incorporate misclassification costs have recently received considerable attention. In this paper, we use the principles of evolution to develop and test an evolutionary/genetic algorithm (GA)‐based neural approach that incorporates asymmetric Type I and Type II error costs. Using simulated, real‐world medical and financial data sets, we compare the results of the proposed approach with other statistical, mathematical, and machine learning approaches, which include statistical linear discriminant analysis, back‐propagation artificial neural network, integrated cost preference‐based linear mathematical programming‐based minimize squared deviations, linear integrated cost preference‐based GA, decision trees (C 5.0, and CART), and inexpensive classification with expensive tests algorithm. Our results indicate that the proposed approach incorporating asymmetric error costs results in equal or lower holdout sample misclassification cost when compared with the other statistical, mathematical, and machine learning misclassification cost‐minimizing approaches. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.