零压式高空气球球形设计与参数敏感性分析

高空气球能够为临近空间科学实验提供可靠的平台,其形状直接关系到气球制作及飞行的全过程。提出将多段打靶法与序列二次规划法结合,对零压气球完全膨胀和部分膨胀状态下的球形进行求解,并运用有限元方法对球形进行稳定性及应力应变分析,验证了所推导球形的正确性。在此基础上,对影响气球形状的关键参数进行灵敏度分析及相关运用,从定量的角度得到气球载荷、飞行高度及昼夜温差对气球形状的影响规律。     

空间推进系统工作过程的模块化建模

建立空间推进系统仿真模块(包括液体管道模块、三通模块、充填模块、推力室模块等)的数学模型.虽然采用的是集中参数方法,但同时考虑了液体的惯性、粘性和压缩性,所以本文建立的常微分方程组能在一定程度上反映供应系统工作过程的分布特性.     

一种基于Jerk模型的机动目标单站无源定位算法

针对采用非线性较强的观测角、角度变化率、脉冲到达时间差等参数的单站无源定位跟踪系统,提出了一种新的跟踪滤波算法IMM-Jerk。该方法用Jerk模型对做复杂机动的运动目标建模,采用经过UKF滤波改进的交互多模(IMM)算法对目标实现跟踪滤波。该算法可适用于对做多种机动运动的目标的跟踪,提高了目标跟踪收敛精度和跟踪系统的稳定性。仿真试验证明了该方法的可行性和有效性,并具有较高的应用价值。最后,对IMM-Jerk算法的研究方向进行了讨论。     

基于Q-MMSPF的海杂波多重分形互相关分析和目标检测

提出一种研究长程互相关和多重分形的新方法——Q阶混合矩结构分割函数法(Q-MMSPF),并利用Q-MMSPF分析了海杂波时间序列的多重分形互相关特征。通过对实测海杂波数据的计算分析发现,海杂波互相关多重分形特征较弱,目标信号之间的互相关多重分形特征明显,而目标信号与海杂波之间的互相关多重分形程度介于二者之间。据此,本文采用一种新的特征值进行海杂波背景下的目标检测。通过对不同条件下的实测海杂波数据验证,表明使用本文提出的特征值测量方法可以十分有效地检测出海杂波背景下的小弱目标。     

基于目标参照拓扑的模糊航迹关联方法

航迹关联是分布式多雷达数据融合系统中的关键问题。多个雷达对同一目标观测的局部航迹,在系统偏差的影响下相差很大,难以通过目标位置、速度等信息进行关联判决。基于目标参照拓扑的模糊航迹关联方法,首先利用目标空间上的相对位置信息,提取新的特征———目标拓扑向量,然后考虑正北偏差的影响将其弥散化,继而应用模糊模式识别方法进行分析,建立关联准则,实现目标航迹的自动关联,并可为数据的进一步校准提供先验信息。仿真结果表明该方法具有较高的关联精度和鲁棒性。     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

区域结构及多尺度纹理分析

结合纹理的结构分析方法 ,提出一种区域状结构 ,并把这种结构作为尺度空间中的特征。在基于区域状特征结构的尺度空间中 ,结构状纹理分析可转化为尺度空间中对特征结构的分析 ,从而实现了对纹理的多尺度分析。理论分析和实验结果证明了这种分析方法的有效性     

双基地中两坐标收站的三维定位跟踪算法

文中讨论了Ｔ／Ｒ—Ｒ型双基地系统中无俯仰信息收站对运动目标的三维定位跟踪能力;通过若干观测点上测量数据的组合,较好地实现厂对运动目标的三维定位跟踪,从而可以将目标的高度信息从变化的距离和之差的测最值中提取出来。文中以仿真手段证明了这种方法的可行性。     

多窗口谱图分析的低截获概率雷达信号识别

在当前复杂的战场环境中,低截获概率雷达信号因其具有大时宽带宽积、强干扰性能、高分辨率和低截获性特点得到了广泛应用,传统的雷达侦察手段很难对其进行有效识别.在低截获概率雷达典型调制分析的基础之上,研究基于人工智能的雷达信号分类识别方法.从低截获概率雷达信号时频特征入手,提出基于多窗口时频谱图分析方法.该算法采用Hermi...     

基于pLSA模型的人体动作识别

提出一种基于主题模型的人体动作识别方法。该方法首先提取时空兴趣点(STIP,space-time interest point)来描述人体运动,然后提出使用慢特征分析(SFA, slow feature analysis)算法计算兴趣点梯度信息不变量最优解,最后使用概率潜在语义分析 (pLSA, probabilistic Latent Semantic Analysis) 模型识别人体动作。SFA计算的梯度不变量最优解可以表示时空兴趣点固有特征,能够无歧义反映时空兴趣点在空间及时间方向上的信息。同时,针对pLSA隐性主题正确性无法保证的缺点,算法将主题与动作标签“一对一”相关,通过监督方式得到主题,保证了训练中主题的正确性。该算法在KTH人体运动数据库和Weizmann人体动作数据库进行了训练与测试,动作识别结果正确率分别在91.50%和97%以上。