从《男人还剩下什么》看毕飞宇小说的男性立场

在被称为"写女性心理最好的男作家"的毕飞宇的小说创作中,也有一群平庸无为的男性形象。短篇小说《男人还剩下什么》是他关注男性生存状态的特写,是他创作中的沧海遗珠,以独特的价值展示着他对于男性生存现状的探究。一方面,他通过对男性形象感情世界的挖掘,展现出当下男性感情世界"失语"的状态:爱的能力与人性纯真的丧失,雄性力量的失落;另一方面,他以第一人称的叙事方式和反讽调侃式的个性标识语言,表现男性主体精神。同时,他又在一定上超越了男性立场,让读者感受到男作家的特质以及普世的人文关怀。     

非均匀转动目标ISAR成像及横向定标

当目标在平面内非均匀转动时，传统算法不能获得包含定标信息且聚焦良好的ISAR像。为解决这一问题，提出了一种非均匀转动目标的转动参数估计方法。该方法首先通过一维搜索对角加速度与角速度的比值进行估计，并根据估计结果对原始距离像序列进行非均匀采样，补偿角加速度引起的相位误差，从而得到聚焦的ISAR像；然后根据成像质量准则对重采样距离像序列的角速度进行一维搜索，估计出角速度，进而实现ISAR像的横向定标。仿真结果表明:该算法通过2个一维搜索能得到非均匀转动目标聚焦的、横向定标的ISAR像。     

基于奇异值分解的复杂转动目标成像

目标在三维空间复杂转动时,传统的逆合成孔径成像算法得不到聚焦的二维像。通过对复杂转动目标等效散射中心相位变化的分析,提出了一种基于奇异值分解的成像算法。该算法首先估计多个散射中心的相位历程,获得相位矩阵|然后对相位矩阵进行奇异值分解,并根据奇异值之间的关系对目标是在三维空间转动还是在二维平面内转动进行判断。根据判断结果分别进行处理：当目标在平面内转动时得到目标的二维像|当目标在三维空间转动时得到失真的三维散射中心模型。仿真及实测数据处理结果验证了所提算法的有效性。     

基于深度学习的弹道目标智能分类

针对弹道目标微动分类前需平动补偿及典型雷达散射截面积(radar cross-section, RCS)序列分类需构造人工特征的问题,提出利用弹道目标微动特性和RCS相结合的弹道目标智能分类算法。首先,建立弹道目标运动模型并分析得到方位角和俯仰角,从而获取RCS序列,在此基础上利用小波变换得到时频图并构建数据集;然后,通过卷积神经网络(convolutional neural network, CNN)提取时频图像特征序列并与RCS序列融合成高维特征;最后,利用具有容错能力的双向长短期记忆网络充分学习序列之间的相关性以实现目标分类。仿真结果表明,该算法比卷积神经网络和支持向量机的分类精度分别提高5%和2%以上,分类速度比卷积神经网络和双向长短期记忆网络分别提高1.5倍和2.5倍,实现了更高精度的快速智能分类。     

组网雷达弹道目标三维微动特征提取

研究弹道目标中的滑动型散射中心三维微动特征提取问题。分析滑动型散射中心的特点,介绍一种基于半周期时延相乘的散射中心微动特征提取方法,建立滑动型散射中心和理想散射中心微动的数学联系,利用组网雷达的多视角特性,从回波信号中提取参数,通过构造多元非线性方程组,以提取的参数作为变量,求解目标三维微动参数和部分结构特征。仿真实验验证了该方法的有效性。     

采用ISAR像估计弹道目标微动特征的方法

逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像序列可以反映弹道目标在微动周期内的姿态变换及结构特征,本文在此基础上提出一种利用ISAR像序列估计弹道目标微动特征的方法。首先基于relax算法提取较强的散射点,并采用距离多普勒方法成像,然后利用灰度匹配算法对ISAR图像进行匹配,以提高微动周期估计精度。通过分析散射点在成像平面上的投影关系从而建立散射点空间坐标与目标微动特征之间的联系,并根据散射点在ISAR图像序列上的相对位置差值与散射点空间坐标的表达式,估计目标的微动参数。最后,仿真验证该方法的可行性与有效性,仿真结果表明该方法估计精度较高。     

弹道中段目标回波平动补偿与微多普勒提取

该文针对弹道目标回波微多普勒过大或过小时平动补偿和微多普勒提取问题,提出了一种时域处理方法.该方法通过多级延迟共轭相乘处理实现平动补偿,通过调整延迟时间实现微多普勒缩放,并根据信号能量差异使用Hough变换进行各信号分量的逐次分离和微多普勒的逐次提取.理论分析和仿真实验均表明:本文方法可以有效进行多分量弹道目标复合运动回波信号平动补偿和微多普勒提取,显著提高雷达探测微动结构的能力.