Waveform diversity based sonar system for target localization

A new monostatic army system taking advantage of diverse waveforms to improve the performance of underwater target localization is proposed.Unlike the coherent signals between different elements in common active array,the transmitted signals from different elements here are spatially orthogonal waveforms which allow for array processing in the transit mode and result in an extension of array aperture.The mathematical derivation of Capon estimator for this sonar system is described in detail.And the performance of this orthogonal-waveform based sonar is analyzed and compared with that of its phased-array counterpart by water tank experiments.Experimental results show that this sonar system could achieve 12 dB-15 dB additional array gain over its phased-array counterpart,which means a doubling of maximum detection range.Moreover,the angular resolution is significantly improved at lower SNR.     

可视动目标逐步求精分割技术研究

运动目标识别跟踪系统中 ,目标分割是至关重要的处理环节。由于目标阴影、碎块等因素 ,估计精度受到影响 ,甚至导致跟踪的失败。提出了目标形状波动度的概念 ,并将其作为目标识别特征 ,利用最大似然估计准则 ,对目标初始区进行逐步求精估计。该算法简练实用 ,能有效地提高估计精度 ,为确保目标可靠性跟踪提供了新的手段。     

XB-SIM*: A Simulation Framework for Modeling and Exploration of ReRAM-Based CNN Acceleration Design

Resistive Random Access Memory(ReRAM)-based neural network accelerators have potential to surpass their digital counterparts in computational efficiency and performance. However, design of these accelerators faces a number of challenges including imperfections of the Re RAM device and a large amount of calculations required to accurately simulate the former. We present XB-SIM, a simulation framework for Re RAM-crossbar-based Convolutional Neural Network(CNN) accelerators. XB-SIM can be flexibly configured to simulate the accelerator's structure and clock-driven behaviors at the architecture level. This framework also includes an Re RAM-aware Neural Network(NN) training algorithm and a CNN-oriented mapper to train an NN and map it onto the simulated design efficiently. Behavior of the simulator has been verified by the corresponding circuit simulation of a real chip. Furthermore, a batch processing mode of the massive calculations that are required to mimic the behavior of Re RAM-crossbar circuits is proposed to fully apply the computational concurrency of the mapping strategy. On CPU/GPGPU, this batch processing mode can improve the simulation speed by up to 5.02 or 34.29. Within this framework, comprehensive architectural exploration and end-to-end evaluation have been achieved, which provide some insights for systemic optimization.     

比相单脉冲雷达目标角闪烁建模与仿真

探讨了复杂目标的多点模型建模问题,给出了采用相位梯度法计算模型进行角闪烁仿真的结果,并与比相单脉冲雷达的真实测角偏差进行了比较,指出比相单脉冲雷达所测角同角闪烁存在区别,通过分析二者之间的联系,提出用比相单脉冲雷达和、差通道回波计算角闪烁的方法。     

干湿循环和吸力对非饱和下蜀土力学特性影响的试验研究

为研究干湿循环和吸力共同作用对非饱和下蜀土力学特性的影响,选取镇江某边坡的下蜀土为研究对象,通过非饱和直剪试验,对不同干湿循环次数及吸力水平下下蜀土力学特性的变化规律进行了研究.结果 表明:随着干湿循环次数的增加,下蜀土表面裂隙明显增加并具有不可逆性;下蜀土的抗剪强度经短暂增大后逐渐降低,并在第4次干湿循环作用后趋于稳...     

一个基于Multi-Agent的统一身份认证系统

针对目前统一身份认证在异构系统上实现困难的问题,结合分布式人工智能的Agent技术,提出了一种基于多Agent的统一身份认证系统,讨论了系统的Agent设计、部署、数据安全性等问题.     

电荷掺杂和C1掺杂聚吡咯、聚呋喃、聚噻吩的导电性理论研究

利用Gaussian 03程序包中的密度泛函理论在B3LYP/6-31G(d)水平下,对未掺杂、电荷掺杂和C1掺杂的聚吡咯、聚呋喃、聚噻吩进行几何全优化,并对它们的几何结构、自旋密度、自然键轨道(NBO)、前线轨道能进行了理论分析.结果表明,电荷掺杂能使聚合物键长趋于平均化,其极子分布几乎遍及了整个分子链而C1原子掺杂对聚合物的影响主要集中在与C1原子相邻的C原子上,极子分布局域在C1原子附近的大约7个碳原子上,掺杂能够明显增强仃电子共轭性,降低能隙,从而增强导电性.     

润叶加料工序料液有效利用率的计算方法

为在生产过程中实现对料液有效利用率进行在线监测,把握料液有效利用率的实际情况,寻找提高料液有效利用率的方法,通过对润叶加料入口物料状态、料罐料液状态及润叶加料出口物料状态进行研究,分析出口流量、流量稳定时间、料液实际质量、加料前物料质量、含水率以及生产时间的关系,建立了润叶加料料液有效利用率的计算方法,并将该方法计算得到的有效利用率与1, 2–丙二醇作为标记物的方法进行F检验。结果表明:料液有效利用率的计算值与测量值之间差异无统计学意义(P>0.05),计算结果可代表实测值。该方法可应用于料液有效利用率的在线监测,为润叶加料工序的工艺优化,设备缺陷改进,过程料液吸收情况等提供数据支持。     

基于颗粒尺度DEM直接数值模拟的喷动流化床颗粒运动特性

采用离散元方法,对喷动流化床内的气固流动进行了三维直接数值模拟.气相场采用欧拉方法,固相场采用拉格朗日方法;对每一个颗粒考虑了碰撞力、携带力和重力;颗粒碰撞采用软球模型;气固耦合采用双向耦合.模拟中跟踪了每个颗粒的运动,获得了颗粒轴向速度、平均速度、颗粒浓度和颗粒平均碰撞频率随操作参数的变化规律.结果表明喷动气速度、流化气速度、颗粒平均速度、颗粒浓度和颗粒平均碰撞频率存在关联性:喷动气速度增加,颗粒在喷射区和环形密相区的平均速度增加,浓度减小,平均碰撞频率减小;流化气速度增加,颗粒速度、浓度和碰撞频率与喷动气速度增加具有相同的变化规律,但环形密相区的变化更为明显.     

一种新的支持向量机树学习模型

针对特征空间维数较高时,混淆交叉支持向量机树中间节点的学习结果可能包含冗余特征信息的情况,考虑各维特征之间的相互关系以及各数据点之间的相互关系对数据的分类影响,提出一种基于有监督局部线性嵌入的支持向量机树学习模型.考虑每个中间节点上需要不同的特征信息进行局部决策,分别对每个中间节点(包括根节点)上的样例进行有监督局部线性嵌入学习.实验以手写阿拉伯数字识别问题为例验证和分析了模型的结构和分类识别性能,与其他学习模型的对比结果表明,该模型能在有监督局部线性嵌入学习的基础上,以更精简的结构获得与其他学习模型可比的识别精确率.