SAR图像适配区选择方法

为选择具有高匹配概率和高匹配精度特点的SAR适配区,结合SAR成像特点,分析了惯导及成像参数误差对适配区的影响,设计了多种适配性评价参数,提出了一种由粗到细的适配区层次性选择方法.该方法充分考虑了适配区在总体和细节上的需求,层次性选择有效避开了构造预测函数的难题.试验结果表明该方法可在SAR图像匹配系统中选出高性能的适配区,且所选适配区匹配概率可达97％以上.     

基于Bell态与Two-qutrit态无信息泄漏的量子对话协议

基于Einistein-Podolsky-Rosen纠缠对与量子安全直接通信(QSDC),提出了一个新的基于Bell态的量子对话协议.通信双方Alice和Bob只需要进行一次通信即可实现双方之间秘密的同时交换.该方案利用一个随机比特串和检测光子来实现安全性,能够抵抗截获/重放攻击、特洛伊木马攻击和纠缠攻击等典型攻击.很多近期提出的协议中存在严重的信息泄漏,也就是说任何窃听者都可以从合法通信者的公开声明中提取到部分秘密信息,我们的方案很好地克服了这一问题.协议的效率较高,可以达到66.7％,同时由于纠缠态粒子只需要进行一次传输,该方案更简单易行.将该协议推广到two-qutrit态,其安全性仍能得到保证.     

基于ANFIS的目标毁伤等级预测模型

分析了神经网络和模糊推理系统的优缺点,研究了自适应神经模糊推理系统（ANFIS）结构模型及后向传播和递归最小二乘算法相结合的混合算法．在分析了目标毁伤等级主要影响因素的基础上,构建了目标毁伤等级预测ANFIS模型,利用毁伤试验样本数据训练该模型,得到了与实际一致的目标毁伤等级,并将预测结果与基于BP神经网络的预测结果进行了仿真对比分析．仿真结果表明,该目标毁伤等级预测模型能够准确地预测出目标的毁伤等级,并且其预测精度较BP神经网络方法高,为目标毁伤等级预测提供了一种有效的方法．     

轮式越野车动力学建模及行驶动力学特性仿真

为准确评估某型6×6轮式越野车行驶动力学性能,建立了该越野车的整车多刚体动力学模型,分析了模型的振动固有特性和频率响应特性,并进行了特定工况下的行驶动力学特性仿真,计算了悬架动行程均方根值和车轮动载荷均方根值,分析了悬架与限位块的碰撞概率和车轮跳离地面的概率。结果表明:该动态工况下越野车的悬架设计工作空间满足使用要求,但行驶安全性能较差。     

电传动装甲车辆发动机发电机系统动态模型

针对电传动装甲车辆发动机-发电机系统建模难的问题,采用BP神经网络辨识发动机转矩,设计了发动机-发电机系统动态实验,在测得发动机在不同油门开度时的转速动态响应,并将电励磁旋转整流同步发电机等效为直流发电机的基础上,建立发动机-发电机系统动态模型。仿真与实验对比结果表明：模型满足车辆仿真精度要求。     

机械结构动力学模型修正技术的现状与发展

在回顾结构动力学模型修正基本问题及关键技术的同时,论述模型修正在工程领域的结构动力修改、混合建模、模型确认、载荷识别、结构状态监测及损伤评估等方面的典型应用状况。针对模型修正技术在工程应用方面遇到的困难,还探讨了当前结构模型修正的研究热点以及模型修正技术的发展趋势。     

基于动力学仿真的6×6轮式越野车辆总体性能评价

为分析和评价某型6×6轮式越野车辆的总体设计性能,建立了整车多刚体动力学模型、刚柔耦合动力学模型以及悬架系统台架试验模型,计算了整车固有特性,依次进行了悬架系统运动学、行驶动力学、操纵稳定性分析。在计算车体和悬架摆臂结构模态的基础上,考核了典型行驶工况下车体和悬架部件结构的动态强度,依据国家相关标准,利用仿真结果对6×6整车设计进行了系统的评价,指出了该越野车总体设计性能的不足,为其进一步改进和优化设计提供了参考依据。研究方法对其他轮式越野车辆系统的设计和评价具有一定的参考价值。     

第四代歼击机空战战术决策研究

根据第四代歼击机的作战能力,分析了空战过程中可能存在的三种态势,提出了影响第四代歼击机空战战术的重要因素。结合影响因素进行了模糊决策讨论,基于模糊神经网络的方法完成了空战决策系统的设计,并通过神经网络的训练,确定了模糊决策网络。最后,通过仿真验证,表明决策系统实际输出与期望结果是一致的,决策结果是准确的,能够为决策者根据战场态势进行决策提供参考,缩短了决策时间,提高了指挥决策效能。     

一种基于改进Hausdorff距离的图像匹配方法

Hausdorff距离(HD)是图像匹配常用的相似性准则。针对HD在实际图像中难以匹配的问题,提出了基于核密度函数的HD改进形式,该HD是通过对各个最小距离值进行核密度函数计算,并将函数值的和的均值作为单向HD值,无向的HD值取两个单向值的最小值。实验结果表明,提出的改进HD在遮挡、局部变化情况下比其它的HD距离具有较好匹配效果。     

基于改进粒子群优化RBF神经网络的算法

针对粒子群算法易陷入局部极小的缺陷,提出了一种改进的粒子群优化算法,并将改进后的算法应用到RBF神经网络核函数参数的选取中。依照文中提出的编码方式、迭代公式和适应度函数,在全局空间中搜索具有最优适应值的参数向量。实例仿真表明,基于改进粒子群算法优化的RBF神经网络不仅收敛速度快,且误差精度高。