舰炮零位检测方法与实现

提出了白天或夜间利用远方可见固定目标(距离大于3 km)检测舰炮零位,来取代在夜间利用星体检测舰炮零位的传统方法,给出了检测数学模型,并对检测误差进行了分析.该检测方法在通用型舰炮零位检测仪中得到了具体应用与实现.试验证明:该检测仪能适用于各种口径舰炮,检测精度达到0 1 mrad.     

高炮随动系统性能测量算法

针对火炮调炮精度检测中存在的不足, 提出了一种基于双目立体视觉的三重交会测量方法,在炮身管上附加球状标志物,利用CCD摄像机获取标志物图像,通过标志物成像的几何投影关系计算球心的三维坐标.为了降低图像识别误差的影响,对投影的识别位置进行拓展和细化,并对球心投影边界进行插值,摄像机光心与插值点连线射线形成了一个锥体,两摄像机的锥体分别与炮台球面相交形成曲面,计算两曲面公共部分的形心,即为球心位置.通过确定球心位置,对炮身管的高低角、方位角进行计算,从而检测火炮调炮的性能.实验证明,该算法简单、快速,具有较高的精度.     

KPLS-SVM在缺失飞参数据估计中的应用

飞行参数的缺失给飞行事故调查工作带来了很大困难.将核的偏最小二乘法与支持向量机耦合,建立基于状态匹配的飞行参数估计模型可以较好地解决缺失飞参数据的估计问题.首先将初始输入映射到高维特征空间,进而利用偏最小二乘法在特征空间中提取对缺失飞参数据影响较强的得分向量, 最后将提取的得分向量作为输入建立支持向量机模型.既克服了输入变量间的相关性问题, 又降低了支持向量机的输入维数.仿真也说明了使用该方法估计缺失飞行参数的可行性和有效性.     

反映作战协同的兵力损耗微分方程

基于现代战争作战体系对抗中作战单位损耗相关性,在兰彻斯特平方律基础上引入协同系数概念,加入相关性指标.建立了反映作战协同的兵力损耗微分方程.以作战双方各有两个作战单位参战的具体模型为例进行分析,给出了随战斗时间演变的作战双方兵力变化值,绘出了相应兵力损耗曲线.分析结果表明,在作战双方初始战斗力不等的情况下,协同水平的高低有可能成为决定战斗结果的关键因素.该兵力损耗模型对于研究现代协同作战具有一定意义.     

稳态法测量热系数的计算方法改进研究

不良导体热系数测量普遍采用的是稳态法,但表面散热率的间接测量和样品侧面散热与漏热给测量带来一定误差,使得热系数实际测量值略微偏大。介绍了新的实验装置和实验数值计算方法,并且分析研究了样品边缘（侧面）热损失的物理模型,提出了新的数学模型和数据处理方法,纠正了这些偏差,与实验吻合较好。     

目标位置不确定性的图形描述

目标的观测和状态估计涉及目标的各种运动和属性数据,其中位置不确定性是最重要的性能指标.借鉴测绘学科中衡量点元位置不确定性的方法,分别用椭圆和椭球来表示二维目标和三维目标的位置误差散布的不确定性区域.从位置误差的协方差矩阵导出1-σ误差椭圆(球)参数,再由椭圆(球)的概率分布导出相应的95%圆(球)概率误差的半径.位置不确定性的图形描述为评价位置观测数据的质量提供了可视化的方法.     

残差域加权ACF基音周期检测算法

针对传统自相关(ACF)基音周期检测算法存在较多的倍频和半频错误,文章提出一种基于线性预测残差域加权ACF基音周期检测方法。首先对语音信号中心削波,减小共振峰的影响;而后进行线性预测分析获得残差信号,对其求自相关值和循环幅度差(CAMDF)值,以CAMDF的倒数值为权重加权ACF进行基音周期检测;最后通过基音平滑算法对提取的基音轨迹进行后处理。仿真实验表明,该算法可降低基音提取的倍频和半频错误,提高估计精度。     

一种基于随机映射的战斗效能模型

利用随机映射概念提出了一种新的战斗毁伤模型形式———Lanchester战斗网络模型。模型是由一个阶递减的随机映射序列组成的随机有向二部图,它明确、形式地描述了战争整体行为与局部作用之间的关系。理论分析和计算获得的结论表明,模型描述的整体作战效能符合Lanchester平方律,其网络拓扑结构是非同质的,出度和入度分布服从指数幂律。应用模型定量对比了“对称”与“非对称”战斗中全局信息因素对战斗系统整体效能的影响。初步讨论了网络模型研究在战争建模理论、实证和计算方法论上的意义。     

战车火控系统目标角速度测量误差分析

目标角速度测量误差是严重影响解命中问题解算结果的重要的输入误差。通过目标角速度测量误差的理论分析,证明目标角速度测量技术方案的不合理,是形成角速度粗大测量误差的主要原因。火控系统向目标自动跟踪式方向的发展及非线性滤波器在目标信息处理中的应用,是提高目标运动状态估计精度的重要技术途径。     

A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter

Underwater acoustic signal processing is one of the research hotspots in underwater acoustics. Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing. Owing to the complexity of marine environment and the particularity of underwater acoustic channel, noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing. In order to solve the dilemma, we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), minimum mean square variance criterion (MMSVC) and least mean square adaptive filter (LMSAF). This noise reduction technique, named CEEMDAN-MMSVC-LMSAF, has three main advantages: (i) as an improved algorithm of empirical mode decomposition (EMD) and ensemble EMD (EEMD), CEEMDAN can better suppress mode mixing, and can avoid selecting the number of decomposition in variational mode decomposition (VMD); (ii) MMSVC can identify noisy intrinsic mode function (IMF), and can avoid selecting thresholds of different permutation entropies; (iii) for noise reduction of noisy IMFs, LMSAF overcomes the selection of decomposition number and basis function for wavelet noise reduction. Firstly, CEEMDAN decomposes the original signal into IMFs, which can be divided into noisy IMFs and real IMFs. Then, MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs. Finally, both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained. Compared with other noise reduction techniques, the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals, which has the better noise reduction effect and has practical application value. CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection, feature extraction, classification and recognition of underwater acoustic signals.