舰炮武器系统对大目标跟踪精度评估修正方法

随着技术的发展,舰炮武器系统的精度水平越来越高.在真实目标环境下一些影响系统精度评估的因素必须加以考虑,将具有相当外形尺度的目标作为点目标考虑势必带来系统精度评估的误差.针对大尺度目标,在目标坐标系下建立了目标外形尺度模型.利用目标坐标系和瞄准线坐标系之间的坐标变换,得到目标外形尺度在瞄准线法面上的描述,据此提出了一种大目标瞄准精度评估修正的计算方法.     

面向监督学习的稀疏平滑岭回归方法

岭回归是监督学习中的一个重要方法,被广泛用于多目标分类和识别。岭回归中一个重要的步骤是定义一个特殊的多变量标签矩阵,以实现对多类别样本的编码。通过将岭回归看作是一种基于图的监督学习方法,拓展了标签矩阵的构造方法。在岭回归的基础之上,进一步考虑投影中维度的平滑性和投影矩阵的稀疏性,提出稀疏平滑岭回归方法。对比一系列经典的监督线性分类算法,发现稀疏平滑岭回归在多个数据集上有着更好的表现。另外,实验表明新的标签矩阵构造方法不会降低原始岭回归方法的表现,同时还可以进一步提升稀疏平滑岭回归方法的性能。     

舰炮一维弹道修正弹射击误差分离和校正研究

由于工作原理不同,传统无控弹射击校正方法不适用于一维弹道修正弹。分析了舰炮使用一维弹道修正弹射击误差构成和射击观测特点,提出一维弹道修正弹射击校正新方法,首先通过修正机构不工作,利用观测弹着点相对预测弹着点偏差平均值校正火控设备预测弹着点误差;然后利用修正弹正常工作时观测弹着点相对目标（或提前点）偏差平均值校正修正机构误差。假设各误差值,通过解弹道方程仿真计算表明,按新方法射击校正能够显著提高射击精度。     

基于小波分形理论的快速图象编码算法

小波和分形理论应用于图象压缩领域是当今研究的前沿。提出了一种快速图象编码算法,它将加权小波变换与基于二叉树和双向链表搜索的分形编码相结合,在高压缩比、高信噪比前提下,使编码时间大大缩短。在ＰｅｎｔｉｕｍＰｒｏ２００个人机上对一２５６×２５６,８ｂｐｐ图象进行实验,编码时间仅需８秒,而图象失真很小。     

计盒维数在齿轮箱故障诊断中的应用

以齿轮箱为研究对象 ,给出了时间序列计盒维数的计算方法 ,探索利用分形理论进行旋转机械故障诊断的方法。实验数据处理结果表明 ,该方法简单易行 ,效果良好。     

基于多重分形广义维数的机械故障诊断方法

提出利用多重分形广义维数来描述信号特征 ,并以振动信号广义维数、广义维数谱图、敏感维数为特征向量的模式空间样本库为基础 ,给出了通过维数相关系数等判别条件进行识别的机械故障多重分形广义维数诊断方法。应用于圆盘类裂纹故障的诊断 ,取得了令人满意的结果。     

关于分形插值函数的积分

用反例说明在 [1 ,2 ]中关于分形插值函数的积分公式是错误的 ,并建立了关于分形插值函数积分的正确公式。     

一种新的保持分形特征的分形变形方法

针对IFS吸引子变形过程中间出现的分形特征退化的问题,提出基于局部吸引子的近似凸包及旋转匹配的特征对应方法.IFS吸引子的局部吸引子可由独立的IFS生成,IFS中每个压缩仿射映射存在不动点,构造所有不动点的凸包,即得到局部近似凸包;证明了局部近似凸包间的相似对应等价于局部吸引子间的相似对应,并提出了通过旋转匹配的特征对应方法实现局部近似凸包的配对,最后计算所有配对下相似度最高的一组局部近似凸包匹配,确定局部吸引子间的特征对应,即IFS特征对应.对两个IFS进行线性插值可实现保持分形特征的分形变形.     

混沌信号处理

描述了混沌特征参量 ,包括Lyapunov指数和分形维 ;讨论了信号相空间重构和Takens嵌入定理 ,以及嵌入维数、时间延迟等参数。还阐述应用神经网络进行混沌信号非线性处理     

确定重构相空间维数的方法

计算混沌统计特征量前必须先获得重构相空间的维数,因此给出了最大特征值不变法、几何不变量法、虚假邻点法、预测误差最小法、最小Shannon熵法、经验赋值法六种确定方法,得出了应用最大特征值不变法和最小Shannon熵法的工程案例计算结果。