反导预警雷达的优化配置问题研究

根据反导预警雷达的预警任务和配置要求,建立带有可调参数的反导预警雷达优化配置模型.首先,给出雷达对弹道覆盖范围的计算方法,并建立X波段多功能相控阵雷达的优化配置模型.其次,考虑实战中对预警时间和重叠探测区的不同需求,在P波段远程预警相控阵雷达的优化配置模型中引入了可调参数,使输出的方案能同时满足对预警时间和重叠探测区的作战需求.最后,通过实例分析验证了模型的可行性,并且发现预警时间最大化与重叠探测区最大化不能同时实现,反导作战指挥人员应根据实际情况选择适当的可调参数,输出满足实战需求的雷达配置方案.     

英语教学中的师生非语言交际行为

介绍了非语言交际行为的定义、分类及作用,重点分析了英语教学中师生非语言交际行为及手段,对比点评了师生非语言交际行为的文化差异,认为:作为语言交际行为的补充,非语言交际行为在语言教学中发挥着不可低估的作用.     

用户偏好提取MDP建模研究

将马尔可夫判决过程和智能强化学习算法相结合,给出了异构无线网络环境下用户业务偏好评估模型的技术框架。为动态环境下用户需求的感知、量化和适配特征的研究提供了基本的数学描述,对解决用户体验的评价问题和业务与业务环境的适配问题提供了新的研究思路。仿真结果表明所构建的MDP模型能够在多状态条件下学习用户偏好,根据用户需求智能选择业务。     

陆军作战复杂系统ABMS机理研究

研究陆军作战复杂系统,需要解决两个不可回避的基本问题。一是怎样利用复杂性理论研究陆军作战系统的复杂性,即怎样借鉴复杂性理论构建复杂性思维模式。要解决这个问题,首先必须弄清复杂性理论概念的核心原理。二是在复杂性思维模式下,怎样进行陆军作战复杂系统的ABMS。要解决这个问题,首先必须弄清陆军作战复杂系统ABMS的机理所在。就这两个问题,在研究复杂性理论概念核心原理的基础上,构建了复杂性思维模式框架——复杂性分析二维结构,并由此探索了陆军作战复杂系统ABMS的机理:二维结构、"四个要素"、基本过程和陆战Agent模型框架,为陆军作战复杂系统的ABMS奠定了基础。     

面向射频指纹识别的高效IQ卷积网络结构

现有应用于射频指纹识别的卷积网络对时序同相正交(in-phase and quadrature-phase, IQ)信号的处理都是将其简单视为图像进行的,存在识别准确率低和计算量大的问题。针对以上问题,提出了一种基于IQ相关特征的卷积神经网络结构。该网络分步提取了IQ相关特征及时域特征,通过自适应平均池化获得了各通道特征均值,并用单个全连接层进行分类。实验结果表明,较传统卷积网络结构,所提网络在多种场景下的识别准确率更高,并且计算量更小。     

评估飞控系统的风洞虚拟飞行试验系统与关键技术

为向开展具体的风洞虚拟飞行试验技术提供引导,针对应用于飞控系统评估的风洞虚拟飞行试验系统及关键技术进行了分析。基于传统意义上的飞控系统评估方法的不足,分析风洞虚拟飞行试验应用于飞控系统评估的优势;按飞控系统常用的姿态控制回路及制导控制回路的组成形式,介绍风洞虚拟飞行试验系统方案与工作原理,详细分析它与半实物仿真系统的差异;分析风洞虚拟飞行试验应用于飞控系统评估需解决的关键技术问题,包括风洞虚拟飞行试验评估方法、飞行器模型设计技术、飞控系统改进技术及模型支撑技术。     

基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

基于压缩估计的单星观测定轨方法研究

分析了单星观测模式下的天基测控系统的可行性,并针对该观测模式下轨道确定中法矩阵的特点,提出了一种基于压缩估计的定轨方法,该方法对法矩阵进行变换,避免了法矩阵奇异造成的误差传递。证明了当满足一定条件时,该压缩方法的估计精度要高于传统的定轨方法。并结合单星观测的特殊性,提出了误差传递因子,设计了单星观测下的压缩估计定轨算法。最后以单星模式下的天基测控系统作为仿真背景进行了仿真试验。结果表明,该压缩估计可有效提高单星观测模式下的轨道确定精度。     

基于不稳定性采样的主动学习方法

传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。     

上下文感知的深度弱监督图像哈希表示学习方法

针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。