Chen-Lee-Liu方程的精确解

研究在非线性光学等领域出现的Chen-Lee-Liu(CLL)方程的精确解.通过对CLL方程的行波约化导出一个具有高次非线性项的非线性常微分方程.为了解该非线性常微分方程,给出一个新的辅助微分方程及其精确解.借助该辅助微分方程及其精确解,并根据齐次平衡原则,得到CLL方程的包络孤立波解和包络正弦波解.所用方法可应用到其它类似方程的求解.     

关于fault与failure,MTBF与MTTF的译名

本文阐述了fault与failure,以及MTBF与MTTF的确切含义.建议分别译为故障、失效,平均失效间隔时间和失效前平均时间.     

低飞溅CO2气体保护焊方法

就CO2气体保护焊低飞溅方法的主要方法和现状予以讨论,阐述了其最新的技术发展,指出了其发展趋势。     

成像卫星鲁棒性调度策略研究

针对不确定条件下的成像卫星调度问题,分析了鲁棒性调度要求,提出了鲁棒性调度策略,将成像卫星调度分为鲁棒性调度方案生成和鲁棒性调度方案动态调整两个阶段。在鲁棒性调度方案生成阶段,以调度方案收益和鲁棒性为优化目标,建立了成像卫星鲁棒性调度模型。在鲁棒性调度方案动态调整阶段,以调度方案收益和新老调度方案差异为优化目标,建立了成像卫星动态调度模型。仿真实例验证了成像卫星鲁棒性调度策略和模型的有效性。     

一种在未知噪声下的快速波达方向估计方法

提出了一种基于传播算子方法的波达方向估计（direction of arrival, DOA）算法,和传统的子空间方法相比,该方法不需要进行矩阵特征分解,有效降低了运算复杂度,同时它对相干信源有更高的分辨率。另外,传统的传播算子方法只在噪声协方差矩阵已知并且信噪比（signal-to-noise ratio, SNR）较高的情况下才有很好的分辨率,而本方法在未知相关噪声场中也能够保持非常高的精度。最后,引入了基于混沌优化思想的谱峰搜索算法,进一步减少了算法运算时间,并通过仿真实验验证了文中结论。     

基于RD算法的横向规避弹道弹载SAR成像

首先建立了通用的曲线弹道合成孔径雷达(synthesis aperture radar, SAR)回波信号模型,分析了加〖JP2〗速度引入的相位误差,推导了是否进行曲线弹道补偿的定量条件;然后针对横向规避弹道情况,分析了弹载SAR回波信号的特点,并根据弹载SAR的特点进行了合理近似,设计了基于距离 多普勒算法的成像方法。该算法与直线孔径下的距离 多普勒算法相比,仅仅修改了部分相位因子,没有因为孔径的非直线增加成像算法的复杂性。     

基于粒子群算法的非规则LDPC码度序列设计

研究了非规则低密度奇偶校验（low-density parity-check, LDPC）码度序列阈值计算方法,详细讨论了构造具有较高阈值度序列的步骤与约束条件的处理,提出了一种基于粒子群优化（particle swarm optimization, PSO）算法的度序列优化方法。仿真了此方法的寻优效果,给出了一些接近Shannon限的优秀度序列和分析比较。     

基于改进高斯粒子滤波器的目标跟踪算法

针对现有机动目标跟踪中粒子滤波算法的不足,提出了一种改进的粒子滤波方法。该方法在高斯粒子滤波的基础上通过利用当前时刻量测值对量测误差的分布参数进行实时的统计和更新,并以此得到粒子的权值,从而考虑到了量测值对估计值的影响,该方法适合于量测误差分布为高斯白噪声且状态量与量测误差相关条件下的非线性估计。仿真结果表明,与传统的自举粒子滤波(boot trap particle filter, BPF)、高斯粒子滤波（Gaussian particle filter, GPF)以及无迹粒子滤波（unscented particle filter, UPF)相比,该方法具有较高的精度和较少的计算量。     

快鸟数据在光学遥感器成像仿真中的应用

针对早期光学遥感成像模拟软件基于地面图像或机载航空图像的情况,提出针对高分辨率快鸟图像进行航天光学遥感器成像仿真的方法。基于高分辨率快鸟图像,采用ISODATA法进行非监督分类,得到土地分类专题图,通过地物光谱数据库进行反射率转换,从而获得地面反射率图像;利用大气辐射传输软件MODTRAN对其进行大气修正,结合卫星遥感器辐射定标系数,最终得到卫星遥感器输出图像。通过系统仿真结果表明,利用快鸟进行光学遥感器成像仿真为伪装效果检验提供一种有效的手段。     

带有测量噪声的Ⅱ型T-S模糊建模

实际工业生产过程中,系统的数据带有测量噪声.Ⅱ型模糊集的二阶隶属度用来表征一阶隶属度的模糊度,这种模糊度的增加意味着处理不确定信息能力增加.因此,提出了一种基于Ⅱ型模糊集的T-S模糊建模方法来减少由噪声带来不确定信息的影响.首先采用改进的最小邻域算法对带有测量噪声的数据进行聚类,继而确定Ⅱ型模糊集的一阶隶属度,接着根据数据的聚类信息采用高斯混和模型得到二阶隶属度值,然后用正交最小二乘算法确定模糊模型的后件参数,最后通过仿真实验来验证该方法的有效性.