快速整周模糊度求解在高精度GPS定位和导航中的应用

探讨了一种GPS载波相位整周模糊度的快速求解方法,分析了搜索空间中的独立变量,推导出了新的传递矩阵.该矩阵将所有的测量残差直接和最小求解搜索空间相关联,通过仅选择那些与卫星几何尺寸和测量残差一致的模糊度的组合,搜索空间被最小化.仿真结果表明,与目前最常用的搜索方法-LAMBDA方法相比,提出的快速求解方法可以改善计算效率,缩短模糊度求解时间.     

UML的实时动态视景仿真试验研究

视景仿真技术在武器装备研制领域得到广泛应用,但其技术复杂、协同工作困难等问题阻碍了进一步发展,因而提出一种基于UML技术复杂系统的视景仿真方法.运用UML对视景仿真模型间构造关系、模型的组织、仿真的修改维护等进行有效的管理,直至实现优化的系统研制方案.实际应用证明,该方法有利于视景仿真的数值计算可视化,模型间构造关系组织和视景仿真交互的维护管理,极大地提高了实际工作效率.     

车载UWB SAR干扰自适应抑制新方法

在分析车载超宽带合成孔径雷达(UWB SAR)探测系统中干扰类型及其产生机理的基础上,针对Tsaipei Wang等提出的批处理方法的局限性,提出一种基于迭代运算的图像域自适应干扰抑制方法.该方法利用基于韦布尔分布的恒虚警率(CFAR)检测器提高干扰信号估计的准确性;采用迭代方法在线估计和更新参数,实现干扰的自适应抑制.实测数据处理结果表明:该方法可有效抑制自信号干扰,且结构上适于实时处理,可满足车载UWB SAR探测系统对图像预处理的要求.     

飞机电传操纵系统控制律的神经网络实现

现代多功能战机多用电传操纵系统替代传统的机械杆系,但由于飞机的多变量、强耦合和不稳定等强非线性特点,使得其电传控制律的工程实现相当复杂.为此,对电传操纵系统控制律的神经网络实现方法进行了研究.通过利用径向基函数(RBF)网络良好的非线性跟踪性能,探讨了用RBF网络实现电传控制律的一般方法,并以某型飞机电传操纵系统纵向通道为例,对该方法进行了验证.     

UKF及其在目标跟踪中的应用

在高斯噪声环境下,为了解决扩展卡尔曼滤波(EKF)在目标跟踪应用中精度低和滤波发散的问题,将无迹卡尔曼滤波(UKF)应用于非线性系统的目标跟踪.研究了无迹卡尔曼滤波估计方法,对采样策略进行了比例修正.通过UKF在目标跟踪中的应用仿真结果表明,与EKF相比较,UKF有更好的跟踪性能、收敛快、对噪声有更强的适应能力,算法实现简单.     

民兵戎锁富培育航天种子

江苏省溧阳市后周镇青年民兵戎锁富,经过8年苦心经营,创建了“后周金阳茶果场”,并与有关科研院所建立紧密协作关系,相继引进葡萄、超甜玉米等新品种,获得良好收益,茶果场生产基地被农业部定为“无公害农产品生产基地”,他本人也荣获“常州市青年科技兴农带头人”。去年,溧阳被破例选定为全国首家地（市）级以下航天育种实验试种基地,通过筛选,戎锁富脱颖而出成为承担这项任务的青年民兵。     

复杂战争系统建模与仿真需求及ABMS方法

复杂战争系统与一般的物理系统相比,建模与仿真条件、要求与过程有着明显差异。在论述战争系统及其复杂性的基础上,分析了复杂战争系统一般的建模与仿真方法及存在的问题,重点分析研究了基于Agent的建模与仿真(ABMS)方法。将ABMS方法应用于信息化战场多传感器仿真演示,验证了其对复杂战争系统建模与仿真的可行性与有效性。     

磁致伸缩扭转导波小管径弯管检测

针对扭转导波对小管径弯管的检测问题,分别采用数值模拟和实验方法进行研究。使用ANSYS软件模拟扭转导波在弯管中的传播;设计一种针对小管径管道的磁致伸缩扭转导波检测传感器,并对弯管进行检测,建立该传感器的导波激发和接收模型,利用理论模型对实验信号进行解读。研究结果表明:T(0,1)模态导波在小管径管道弯头处发生模态转换,部分T(0,1)模态转换成F(1,1)模态,F(1,1)模态具有方向性,垂直于弯头拱背-拱腹方向;模态转换会造成检测信号的双端面反射现象,第二个端面回波与第一个端面回波幅值比随频率的增大呈减小趋势;传感器激发出的纵向磁致伸缩力会导致实验信号中出现少量纵向模态导波。研究结论为磁致伸缩扭转导波对小管径弯管的检测提供理论指导。     

认真学习贯彻落实党章

党的十九大审议通过的《中国共产党章程（修正案）》,提出了一些新思想、新论断、新概念,充分体现了党的十八大以来党的理论成果、实践成果、制度成果和新鲜经验,必将在推进党的建设和党的事业中发挥根本性规范和指导作用。认真学习、自觉贯彻新党章是全党的一项重要任务,也是每个共产党员义不容辞的责任。     

基于自训练EM算法的半监督文本分类

为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。