组网条件下防空导弹武器系统可靠性建模

为研究防空导弹武器系统组网后的可靠性建模问题,探讨了防空导弹武器系统组网原理,分析了组网的拓扑结构,对组网条件下防空导弹武器系统的任务剖面进行了研究,利用网络分析的方法建立了可靠性模型,并对模型进行了实际解算,取得了满意的结果。     

珠江三角洲典型区水土中砷的分布

 为了解研究区水土中砷的来源及分布,采集地表水样5组、土壤样32组、地下水样14组进行分析。结果表明研究区地表水已受到砷污染。表层土壤(0~10 cm)中砷全量为198~274 mg/kg,平均全量为237 mg/kg,土壤中砷的形态分布以极难迁移的残渣态为主,各形态平均含量的顺序依次为残渣态＞弱有机结合态＞氧化物结合态＞碳酸盐态＞强有机结合态＞水溶态＞离子交换态。底层土壤(30~40 cm)中砷全量为115~281 mg/kg,平均全量为212mg/kg,土壤中砷的形态也以残渣态为主,土壤中砷的各种形态的平均含量顺序依次为残渣态＞弱有机结合态＞氧化物结合态＞碳酸盐态＞强有机结合态＞离子交换态＞水溶态,底层土壤中砷的各种形态的均量均低于表层土壤。包气带砷全量随深度增加先降低后升高,水溶态、离子交换态以及碳酸盐态的含量均随深度的增加而逐渐降低;而弱有机结合态、氧化物结合态、强有机结合态以及残渣态的含量随深度增加均呈无规律变化。地下水砷含量在00028~0021mg/L之间,均值为00114 mg/L,超标率达429％。地表污水灌溉下渗以及含水介质中原生砷的释放是研究区地下水砷的主要来源。     

基于FPGA设计的实验平台在教学环节的应用

该实验平台基于Altera FPGA的Cyclone器件EP1C6Q240C8,具备较强的扩展性和适用性,用户可结合QuartusII集成开发环境,选用VHDL等语言进行编辑和仿真。可行性及稳定性高、成本低、性能好,能满足教学和科研的需要,对学生创新能力的提高有很大的帮助。     

对110米栏的初步研究

<正> 110米栏比赛是所有短跑及跨栏项目中要求比较高,难度比较大的一种竞技术项目。运动员必须具备良好的速度和优秀的跨栏技术。在整个比赛中还必须全神贯注于栏间节奏。跨栏跑中,合理的节奏是良好技术的标志,是运动员提高跨栏跑成绩的关键。所谓节奏是指在运动过程中,动作所表现的快慢和时间间隔的关系。     

基于网格的无线网络室内协作定位算法

针对室内定位精度低的问题,通过多种无线网络间的协作定位,提出一种基于网格的无线网络室内协作定位算法.与区域单一定位方式不同,该算法将信号覆盖区域划分为网格的形式,获取多种信号信息,以判断网格的可定位性,并为网格内所有网络分配权值,判定是否可进行多种网络的协作定位,给出最优定位组合方案.只须在离线阶段采集室外网络信号,扩充协作定位指纹库,该算法即可直接扩展到室外定位.仿真结果表明:与单一网络定位算法以及等权分配算法相比,提出的方案不仅有效提高了定位精度,而且提高了网络覆盖区域的可定位率.     

基于Markov blanket和互信息的集成特征选择算法

针对大量无关和冗余特征的存在可能降低分类器性能的问题,提出一种基于近似Markov blanket和动态互信息的特征选择算法并将其应用于集成学习,进而得到一种集成特征选择算法。该集成特征选择算法运用Bagging方法结合提出的特征选择方法生成基分类器,并引入基分类器差异度进行选择性集成,最后用加权投票法融合所选基分类器的识别结果。通过仿真实验验证算法的有效性,以支持向量机(support vector machine, SVM)为分类器,在公共数据集UCI上进行试验,并与单SVM及经典的Bagging集成算法和特征Bagging集成算法进行对比。实验结果显示,该方法可获得较高的分类精度。     

基于H/A/α分解的全极化HRRP目标识别方法

针对现有基于H/A/α分解提取全极化高分辨率距离像（high range resolution profile, HRRP）特征的方法都没有考虑度量尺度对所提取特征性能影响的问题,提取了平均度量尺度下的特征子集,给出联合动态互信息概念用于选择最优平均度量尺度,并剔除特征子集中的冗余特征;在此基础上,结合Bagging和Boosting算法,提出一种宽带全极化雷达目标识别方法;最后在多类飞机目标HRRP样本集上验证了该方法的有效性。     

基于自适应t分布变异的粒子群特征选择方法

在分析粒子群优化（particle swarm optimization, PSO）的基础上,提出了一种基于自适应t分布变异的简化粒子群特征选择方法。针对PSO容易陷入局部收敛的缺陷,通过对群体极值进行自适应t分布变异,使其跳出局部收敛。为了解决随机选择初始群体可能会延长搜索时间这一问题,将互信息引入到算法中。通过计算特征与类别的相关性来确定每个特征的入选概率,根据概率值生成一个近似最优粒子,使粒子群一开始就沿着比较合理的方向搜索,从而缩短进化时间。最后,以支持向量机（support vector machine, SVM）为分类器,通过仿真实验验证了算法的可行性和有效性。