W51云核的CH3CN, CH3OH, HCOOCH3和13CS的柱密度和丰度

用美国Berkeley-Illinois-Maryland Association毫米波射电干涉阵在2.7 mm和3.3 mm波段对W51云核进行了观测, 给出了CH₃CN (J=6-5, K=0,1,2,3,4), CH₃OH (15_-2-15₁ E), HCOOCH₃-A (7_1,6-6_1,5), HCOOCH₃-E (7_1,6-6_1,5)和¹³CS (2-1)及2.7 mm (110 GHz)连续谱的成图观测结果. 根据观测谱线的强度, 计算了W51云核的不同区域的CH₃CN, CH₃OH, HCOOCH₃和¹³CS的总柱密度和丰度.     

印度发射世界上首颗教育卫星

据英国“新科学家”网站报道，2004年9月20日，随着印度一颗专用于远程教育卫星的成功发射，那些地处偏远乡村的数百万印度文盲不久将获得接受教育的机会。据印度空间研究组织(ISRO)称，这颗卫星是世界上首颗专用于教育的卫星。该卫星重2吨，耗资2000万美元，是由位于孟加拉湾印度一个小岛上的Satish Dhawan卫星发射中心     

复杂网络中的社团结构分析算法研究综述

许多实际网络中都存在着社团结构.为了寻找大规模复杂网络中的社团结构,人们提出了很多算法.本文综述了近几年来比较有代表性的一些算法.首先介绍了计算机科学中最有名的谱平分法和Kernighan-Lin算法,然后介绍了社会学中具有代表性的分裂算法和凝聚算法,并着重分析了最新提出来的一种寻找网络中彼此重叠的社团结构的派系过滤算法.最后指出了进一步的研究方向.     

飞机旋转叶片回波频谱特征分析

飞机目标发动机叶片的周期性旋转运动导致目标散射回波中出现周期性运动部件调制频谱分量,在某些姿态下该频谱分量幅度呈sinc(x)包络状,并不对称分布于机体多普勒频谱分量一侧。为揭示这一现象,在对旋转叶片组建立电磁散射模型和对风扇目标进行试验测量基础上,分析了叶片长度、倾斜角和扭角等结构参数对周期性运动部件调制频谱分量分布规律的影响。结果表明叶片扭角是导致该现象出现的主要原因。     

直扩信号伪码周期及序列的估计算法

为了解决直扩信号伪码周期和序列估计的难题,提出了功率谱二次处理结合信号子空间分解的方法。该方法首先利用功率谱二次处理手段估计出直接序列扩频(DS-SS)信号的伪码周期,在此基础上采用信号子空间分解对DS-SS信号伪码序列进行盲估计。为了用信号子空间分解法对伪码序列实施精确估计,在其后加上了r1校正方法。计算机模拟结果表明,该方法在输入信噪比小于-14 dB时还能良好地工作。     

气动式水下发射装置的可调节发射阀仿真研究

为实现气动式水下武器发射装置对不同武器出管速度的调节，提出了使用新型可调节发射阀的气动式水下武器发射装置的实现方案。根据该方案建立了内弹道教学模型，并进行了系统仿真。仿真结果表明：所提出的实现方案是可行的。     

冲击信号处理芯片设计、实现及应用

基于可编程门阵列(FPGA)完成了三通道冲击信号处理芯片的设计与实现。芯片采用流水运算完成最大绝对冲击加速度响应谱计算。由于冲击信号采样频率可在线更改,因此该芯片可以满足不同冲击信号处理器对峰值检测误差的要求和处理器功耗的限制。采用该芯片设计的数据预处理器已成功用于各种试验。试验表明,该芯片能实时完成三路冲击信号处理并将处理结果代替冲击波原始测量数据输出,能在大幅度压缩冲击信号传输带宽的同时,减小冲击信号峰值检测误差,扩大信号测量动态范围,并为识别数据“真”“伪”创造了条件。     

基于多普勒谱的多目标鉴别技术

多目标鉴别是雷达信号处理中迫切需要解决的技术难题。针对Chirp脉冲雷达体制及其相参积累处理的原理和特点,利用多个目标的多普勒谱分布特性,提出了应用CLEAN算法的多普勒谱旁瓣抑制技术实现多目标鉴别。仿真结果表明了这种技术的有效性,且在信噪比较低的情况下仍然非常稳健。     

基于组合策略的Lyapunov指数谱的计算

分析了基于BP神经网络模型的Lyapunov指数谱计算法存在的不足,提出了一种新的基于组合策略的混沌时间序列Lyapunov指数谱计算方法.由于该方法能够同时逼近给定目标函数的非线性部分与线性部分,因而具有更高的计算精度.最后将新方法应用于Henon映射Lyapunov指数谱的计算中.通过分析与比较,表明该方法具有更高的计算精度及更强的实用性.     

基于SVM和EMD 包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的调制特征和传统包络分析法的缺陷以及现实中难以获得大量典型故障样本的实际情况,提出了一种基于支持向量机(Support Vector Machine,简称SVM)和经验模态分解(Empirical Mode Decomposition,简称EMD)包络谱的滚动轴承故障诊断方法.该方法首先对原始信号进行经验模态分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后求出包含主要故障信息的若干个IMF分量的包络谱,最后定义包络谱中各种故障特征频率处的幅值比为特征幅值比,将其作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型.实验分析结果表明了该方法的有效性.