机动式指挥自动化系统电磁兼容性设计

电磁兼容性设计是机动式指挥自动化系统的重要环节。电磁屏蔽、滤波、接地等技术是电磁兼容性设计的重要方法。电磁屏蔽是抑制辐射干扰的一种有效隔离方法。滤波是抑制传导干扰最直接、最有效的方法,对于瞬态脉冲干扰,最有效的办法是采用脉冲吸收技术。接地的综合考虑,对产品电磁兼容性有至关重要的意义。针对机动式指挥自动化系统的结构和组成特点,给出了一些具体的电磁干扰抑制设计,对满足实际的电磁兼容性方面作出了有意义的尝试。     

多站任务协同无人机显示交互性能评估研究

通过分析小型与中/大型控制站联合控制无人机的任务协同方式及影响其任务完成效率的相关显示交互因素,构建了多站任务协同无人机的显示交互指标体系。运用正向标准化和专家评价法的指标量化方法分别表征定量、定性指标值,并基于群决策的层次分析法对显示交互性能进行评估与分析。通过某型控制站的算例,表明了所提的评估方法可以为无人机显示交互方案设计提供有力的决策支持,具有良好的推广应用潜质。     

小口径高炮非曳光榴弹弹道特性及应用

根据弹道理论分析,得出了小口径高炮非曳光榴弹在有效射距离内具有动力平衡角小、不同射角阻力系数基本相同,无显著性差异等弹道特性。指出了此特性在小口径高炮非曳光榴弹射表编拟中的应用。     

融合图嵌入的Smooth-PCANet图像识别算法

主成分分析网络（Principal Component Analysis Network,PCANet）是一种简单的深度学习算法,在图像识别领域具有优秀的性能。然而PCANet在构建网络卷积核时只关注了图像的主分量信息,忽视了近邻像素点之间的位置关系。而通常情况下,图像的相邻像素点具有空间强相关性,因此利用图结构保持像素点的位置近邻关系更有利于网络提取有效特征。因此,我们将图嵌入思想融入PCANet,提出一种新的图像识别算法Smooth-PCANet。为了验证Smooth-PCANet算法的有效性,我们在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。     

基于ExtendSim小件空投地面准备的仿真研究

小件空投是空降兵空投保障的重要组成部分,现已基本形成了包装——运输——装机三阶段的小件空投地面准备保障模式。简要介绍了空投小件包装、运输和装机环节,利用Extend Sim仿真软件,对影响小件空投地面准备的主要因素进行仿真。通过对仿真结果的分析,有利于在空投小件装机数量不间断的情况下,提高小件包装人员和运输车辆的利用率,辅助空投技术人员对影响空投实施的主要因素进行科学决策和统筹管理。     

视频小卫星目标跟踪视野分区防脱靶控制

针对视频小卫星与观测目标存在较大初始相对姿态偏差和角速度,目标容易偏离相机视场造成脱靶的问题,设计了一种视频小卫星目标跟踪视野分区防脱靶控制方法,该方法将星载相机矩形成像视野按照内切圆划分为内外两部分,内切圆内部和外部分别基于势函数和拟欧拉旋转法设计跟踪控制器,并利用Barbalat引理证明两个区域控制律的渐近稳定性,同时在理论上证明了目标进入视野内切圆区域后,在基于势函数的控制器作用下可以确保不脱靶。通过控制器对比仿真,结果表明拟欧拉旋转法相比于比例-微分(proportional-derivative, PD)控制具有更强的抑制目标偏离视场能力,结合拟欧拉旋转法和势函数法的视野分区控制与全视场的拟欧拉旋转法相比,能够有效实现对较快速机动目标的防脱靶控制,从而实现连续跟踪观测。     

改进非凸估计与非对称时空正则化的红外小目标检测方法

针对复杂背景下的红外小目标检测,在非对称时空正则化约束的非凸张量低秩估计算法基础上,提出了一种新的核范数估计方法代替原算法中的估计方法。提出基于结构张量与多结构元顶帽(Top-Hat)滤波的自适应权重张量对目标张量进行约束,增强目标张量稀疏性的同时抑制其中残存的强边缘结构。实验结果表明,所提改进算法能够更好地消除图像中强边缘结构对检测结果的影响,在保证检测率的情况下,较原算法具有更低的虚警率。     

小口径火炮侵彻钢靶模拟实验研究及有限元分析

对小口径火炮侵彻钢靶问题,分别进行了实验和有限元分析,并将所得结果进行了比较;分析了小口径火炮侵彻钢靶的侵彻过程,得到了带空腔弹丸高速垂直侵彻钢板的典型破坏模式.     

激光辐射方位的确定技术

介绍了确定来袭激光束方位的成像技术、时间延迟技术和屏蔽技术的基本原理和发展现状;分析了3种技术的优缺点;探讨了来袭激光方位确定技术的发展方向.     

小样本装备软件成本估算相关向量机建模

针对装备软件成本估算时面临的历史数据少的小样本难题,提出把机器学习理论运用到装备软件成本估算研究领域,构建了基于相关向量机的小样本装备软件成本估算模型,采用COCOMO模型数据库中的数据对所构建模型进行训练和验证。为进一步验证所构建模型的合理性,在机器学习领域分别运用支持向量机模型和神经网络模型对相同数据进行估算,实验结果证明了基于相关向量机估算模型在小样本装备软件成本估算时比其他两种模型更精确。