色噪声环境下MIMO雷达相干目标角度估计算法

针对色噪声环境下的MIMO雷达相干目标角度估计问题,提出一种基于目标信息矢量重构的角度估计算法.算法对MIMO雷达的接收数据进行了低复杂度改进,通过计算四阶累积量,得到一组矢量并证明该矢量包含所有目标的角度信息,通过重构Toeplitz矩阵,结合MUSIC算法实现了色噪声环境下MIMO雷达相干目标的角度估计.算法保留了MIMO雷达的阵元扩展能力和目标分辨力,具有自动抑制加性高斯白噪声和色噪声的能力,实现了相干目标的有效估计,更利于在实际中应用.最后计算机仿真结果证实了算法的有效性和可行性.     

地球静止轨道卫星系统兼容性多维度分析方法

针对地球静止轨道(Geostationary Satellite Orbit, GSO)卫星系统间的兼容性分析,设计了单波束和多波束GSO卫星系统间的上行及下行干扰场景,并在卫星的轨位、系统链路可用度及干扰系统地球站选址等多维度对GSO卫星系统间的干扰进行了评估,提出了不同轨位间隔条件下满足国际电信联盟干扰协调限值的干扰系统地球站最近选址的建议,细化了各维度研究上的颗粒度,在不同维度间进行横向对比,分析了GSO卫星系统在不同维度下的干扰变化特性曲线和各维度对干扰分析结果的影响程度。在系统链路可用度一定的条件下,两个卫星系统的轨位间隔>2°时,干扰数值变化缓慢;轨位间隔≤2°时,干扰数值变化较快;轨位间隔≤0.1°时,干扰数值急剧上升。以国际电信联盟实际登记的CHNSAT-81.5和INSAT-KA82.5E卫星的网络资料为例,将计算得到的GSO系统波束间的干扰噪声比、载波干扰比与Visualyse软件结果进行验证对比,结果误差保持在0.7 dB范围内,证明该方法具有有效的评估性能。     

武器系统模糊寿命周期费用模型

武器系统的寿命周期费用建模较多采用参数法,而参数法中最常用的是最小二乘回归.考虑费用统计数据的模糊性,提出用模糊最小二乘回归来建立武器系统模糊寿命周期费用模型,并结合实例对武器系统寿命周期费用进行了分析.结果表明,这种方法能达到令人满意的拟合精度,具有实用价值.     

多空域窗射击技术研究

未来空域窗射击体制相对集火射击体制,提高了对机动目标的拦截概率,能够对付有限机动目标,然而依然难以对付具有高度机动能力的目标,尤其是有人驾驶飞机,如果在射弹飞行时间内进行拐弯、爬升、俯冲等强机动.为了进一步提高对目标的拦截概率,提出了多空域窗射击体制,即在传统火控系统中增加目标实时态势估计模块,实时预测目标在射弹飞行时间内的可能机动模型,并根据预测结果进行多个未来空域窗射击.     

固定式超近程防护系统优化设计及统计分析

为了提高固定式超近程防护系统的拦截效率,进一步优化攻击单元的分布参数,将分布方案的分布参数5个射角和35个射向作为自变量,以拦截概率作为因变量,将已有的32种方案的分布方案及统计模拟所得的拦截概率作为样本值,运用SPSS软件进行多元线性回归分析,通过不断筛去显著性比较差的变量,最终得到比较满意、显著性比较强的多元线性回归方程,该方程的建立为进一步优化分布方案的参数提供了理论依据,也为建立进一步优化模型提供了理论基础.     

基于最大后验概率候选集更换法的多故障诊断策略研究

给出了一种基于最大后验概率候选集更换法的多故障诊断策略,并深入阐述了基于最大后验概率候选集更换法的形式化描述,分析了对单故障诊断和多故障诊断的计算模型,提出了基本的故障诊断算法——改进二进制粒子群算法,并对抽象实例进行验证,结果表明,采用改进BPSO算法能有效地求解基于最大后验概率候选集更换法的多故障诊断问题。     

均匀设计在柴油无灰节能降污添加剂配方研制中的应用

基于低压氧弹燃烧法研究了充氧压力分别为0．6MPa和0．9MPa时两种无灰型柴油添加剂不同配比对助燃性能的影响。采用均匀实验设计和Matlab回归优化的方法,得到复配体系的最优配方,并对其进行了验证。结果表明,由Matlab回归分析得到的完全二次回归模型最理想,0．6MPa时由该模型得到的最优配方为：添加剂A和B的质量分数分别是0．300‰和0．700‰,并通过实验验证得到的发热量达到最大,变化率为8．697％。0．9MPa时,结合直观分析和回归分析,得到与实际相符的最优配方：添加剂A和B的质量分数分别是0．600‰和0．900‰,此时发热量皮化率为4．453％。     

数据挖掘在器材保障决策支持中的应用研究

针对器材保障现状,运用数据挖掘技术,探索器材保障决策支持问题.设计了器材保障决策支持系统中数据挖掘应用的解决方案,该方案包括了项目规划和应用设计,并以器材平时消耗预测为例,运用多元回归模型算,法进行了挖掘实现.数据挖掘为保障决策提供了更加丰富和科学的信息,可以较好地满足器材保障决策支持的需要.     

Neighborhood search heuristics for selecting hierarchically well‐formulated subsets in polynomial regression

The importance of subset selection in multiple regression has been recognized for more than 40 years and, not surprisingly, a variety of exact and heuristic procedures have been proposed for choosing subsets of variables. In the case of polynomial regression, the subset selection problem is complicated by two issues: (1) the substantial growth in the number of candidate predictors, and (2) the desire to obtain hierarchically well‐formulated subsets that facilitate proper interpretation of the regression parameter estimates. The first of these issues creates the need for heuristic methods that can provide solutions in reasonable computation time; whereas the second requires innovative neighborhood search approaches that accommodate the hierarchical constraints. We developed tabu search and variable neighborhood search heuristics for subset selection in polynomial regression. These heuristics are applied to a classic data set from the literature and, subsequently, evaluated in a simulation study using synthetic data sets. © 2009 Wiley Periodicals, Inc. Naval Research Logistics, 2010     

RBF神经网络在深V型滑行艇阻力预报中的应用

基于SV、JYK系列滑行艇的阻力、浸湿面积、航行纵倾角试验数据,采用RBF神经网络建立了深V型滑行艇阻力预报数值图谱;针对艇艉底部横向斜升角变化的有限试验数据,提出了一种基于小样本试验数据的阻力修正方法。试验表明,该方法对深V型滑行艇(折角线长度与最大折角线宽度比在4~5.5,面积负荷系数在5.5~7,重心纵向相对位置在3%~9%,艉部艇底斜升角在5°~25°之间变化)阻力预报是可行的。在相同精度下,针对该文研究的问题,RBF神经网络所需时间少于BP神经网络。