MIMO-OFDM最优训练序列设计

推导得到了宽带 MIMO-OFDM 信道模型。在空间相关情况下推导了非盲信道估计的 Bayesian CRB及 Bayesian MMSE。利用 Bayesian CRB 准则对发送的训练序列进行了功率分配,而后利用一种线性规划的方法对带有保护带宽 MIMO-OFDM 训练符号进行子载波功率分配,并利用发端酉矩阵进行最优相位设计。     

基于Multi-Agent的武器装备虚拟维修训练系统

提出了一种基于Multi-Agent的虚拟维修训练系统(VMTS)结构框架,整个系统分别由主控Agent、仿真Agent、和接口Agent3个具有交互作用的Agent组成,从而将虚拟维修训练系统的开发转化为一个多Agent系统的设计与开发.基于多Agent的框架结构可实现受训者的智能模型及虚拟训练场景中虚拟物体的行为模型,从而可以提高VMTS的健壮性和可重用性.基于Agent的概念模型实现了Agent之间的交互和协作,并介绍了主控Agent和仿真Agent的具体实现方法.     

BP神经网络在效能评估中的样本训练

根据WSEIAC模型建立了地面防空导弹武器系统效能评估的指标体系,并依此模型建立与之对应的三层BP神经网络.简要分析了BP算法的实现过程,利用专家打分法和模糊层次法相结合的方式取得该神经网络应用于地面防空导弹武器系统效能评估时的训练样本,并对此神经网络进行学习训练,直至达到精度要求.经验证,该网络在评价地面防空导弹武器系统效能时减少了评估中的人因影响,使评估结果更为科学.     

坦克射击事故的人-机-环境因素

从系统工程学的角度,揭示出坦克射击事故的发生决不是偶然的,而主要是由于坦克射击人-机-环境系统中诸因素之间的不协调、不稳定造成的。结合坦克射击训练的不同层次,运用统计学方法,对坦克射击事故中的人-机-环境因素进行了分析,给出了坦克射击不同层次训练事故发生的原因,揭示了坦克射击训练事故发生的一般规律。     

多功能小区工程建设及其环境保护

研究表明,永川市某多功能小区目前环境质量良好,可满足永川新城建设需要。原渝西学院红河校区工程建设环境后评价发现,尽管对小区新建工程进行了科学决策与管理,但新建工程仍然对环境质量有轻微的不利影响,其积累效应值得有关方面关注。该结论对多功能小区环境规划、管理与保护具有一定意义。     

海洋环境对反潜巡逻机声纳浮标搜潜装备的作战保障

反潜巡逻飞机具有快速反应能力强、航程远、留空时间长、可装备多种搜潜设备和攻潜武器以及不易受潜艇威胁的优势,已成为世界海军强国竞相发展的装备。海洋环境对航空兵反潜作战的影响巨大,能否充分利用海洋环境条件,关系到搜潜器材能否及时、有效地发现潜艇目标。主要分析了海洋环境噪声对反潜巡逻机浮标搜潜装备的作战保障问题。     

新型优化同心筒自力发射流场机理与降温效果

针对同心筒自力发射结构优化与热环境改善的问题,基于雷诺平均方程及轴对称N-S方程,依托弹性变形和网格再生成方法结合的动网格技术,对3种不同结构形式同心筒发射装置的二维轴对称流场进行了非定常数值计算,得到了不同结构条件下动态的流场机理及导弹热环境特性。计算结果显示:导流器方案能实现燃气流迅速顺利排导;筒底收缩段设计能有效遮挡反溅燃气流;筒口导流板结构较好抑制了内筒的"倒吸效应",确保导弹和内筒的热安全;揭示了优化同心筒的流场结构与降温机理,可为相关研究提供参考。     

基于Virtools的洞库工程维护管理虚拟训练系统

为了解决洞库工程教学训练缺乏直观性和实践性的难题,利用Revit,Sketch Up和3D Max软件进行三维模型构建,以漫游中的基本图形变换和位置实时显示技术为例介绍了相关数学原理及Virtools编程实现过程,实现预定功能后发布了洞库工程维护管理虚拟训练系统。该虚拟训练系统具有功能演示、虚拟漫游、虚拟施工、维护管理虚拟训练和考核评估等功能,可以让学员身临其境地学习洞库工程维护管理的相关知识,有效地提高了教学效果。     

伞翼无人机线性自抗扰高度控制

针对伞翼无人机参数不确定性和复杂环境干扰敏感的问题,提出一种伞翼无人机线性自抗扰(Linear Active Disturbance Rejection Control,LADRC)高度控制方法。建立伞翼无人机8自由度飞行动力学模型,并引入风场和降雨模型以更加准确地模拟真实飞行环境。基于LADRC确定总体控制架构,设计线性扩张状态观测器对所有扰动进行估计,并引入误差反馈率在控制中实时补偿。使用该控制方法在多种扰动工况下进行伞翼无人机高度控制仿真实验。仿真结果表明,基于LADRC的高度控制方法能够有效克服内扰和外扰的影响,实现高精度高度控制;与传统PID控制效果相比,LADRC控制器具有更好的抗扰能力和鲁棒性。     

融合图嵌入的光滑主成分分析网络图像识别算法

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。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,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。