火箭飞行数据的两种滤波方法对比

传统的火箭飞行数据处理方法是使用α-β-γ数字滤皮离线处理，对飞行数据采样信号的第1点、第2点不进行滤波估值，第3点开始逐个进行估值、预测、校正。该方法需要消耗大量的时间，并且滤波后信号的残留噪声仍然较多。针对此问题，经过大量的数值实验和理论分析，发现用小波方法实时处理火箭飞行数据效果较好，比较两种结果，证明无论是滤波后信号的残留噪声还是消耗的时间上小波方法都优于α-β-γ滤波，且实现了数据的实时处理功能，应用前景好。     

多码DS／CDMA传输自适应系统的序列优化

为了优化多码DS／CDMA系统性能，提出了一种自适应序列优化及功率控制方法，通过优化系统扩频码设计，使系统能有效地克服多径多址干扰，降低系统传输功率。此方法中，为提高接收端用户的信号干扰噪声比(SINR)，提出了一种快速收敛的优化序列设计算法，通过优化发送扩频序列和接收解扩序列，降低了多址干扰，提高了多径分集增益；通过调整发射功率，使接收端达到设定服务质量要求，是一种有效的多码DS／CDMA传输自适应方法。     

战斗机起飞噪声测试及特性分析

目标特性的研究是智能武器系统进行目标识别的基础。主要对某型战斗机在起飞阶段产生的噪声信号进行了测试方面的探讨，介绍了测试系统的原理和各部分的功能，并分析了其时域和频域特性，具有一定参考价值。     

Matched field noise suppression： Principle with application to towed hydrophone line array

Discrete noise source suppression in underwater acoustic channel has attracted great attention in recent years. The paper proposes a new principle for dealing with the problem. This new principle is called matched field noise suppression (MFNS). Based on a previous work of the authors group, a full understanding about how a discrete noise source shows effects on the performance of a towed hydrophone line array has been obtained. In light of that finding,MFNS is proposed, which explores and utilizes the characteristics of the noise transmission channel to achieve much greater suppression of the noise in comparison with existing approaches. MFNS combines the concept of matched field processing (MFP) and optimal sensor array processing (OSAP) together to suppress the discrete noise source and to maintain an optimal beam for receiving far-field wanted plane wave signals. A MFNS beam-former is deduced in constraint with signal plane-wave response being unit and noise matched field response being zero. A dosed-form solution of the weight vector for the beam-former is given. Computer simulation results agree well to the theoretical analysis.     

基于多传感器观测下的带乘性噪声系统的最优滤波融合算法

多传感器系统由于具有较高的精度及可靠性日益受到研究者的重视。本文针对多传感器观测下的带乘性噪声系统，分别给出了集中式与分布式滤波融合算法。这2种算法在数学上完全等价，在线性最小方差意义上均是最优的。但对于工程实际问题，分布式的融合策略在计算、可靠性、故障的检测与隔离等方面更具有优势。文中举例验证了这2种融合算法的有效性。     

交通噪声预测的神经网络模型

运用 Matlab语言编程 ,构造预测交通噪声的 LM算法 BP神经网络模型 ,把预测因子 (轻、重型车流量、平均车速、受声点距路肩距离、敏感点高差 )作为样本输入到网络模型 ,噪声等效声级作为样本输出 ,反复训练网络 ,通过增加隐含层节点数、改进算法 ,以降低误差 ,缩短训练时间。     

多束高斯叠加模型光束与超高斯光束传输特性比较

基于Wigner分布函数和强度矩方法，研究了多束高斯叠加模型光束(MGB)的光束特性，推导出了M^2因子和束宽的解析表达式。对多束高斯叠加模型光束(MGB)和超高斯光束(SGB)的传输变换特性作了比较研究，结果表明，具有相同M^2因子的MGB和SGB光束在广义菲涅耳数相同的平面上具有十分相似的横向光强分布，尽管其束宽和传输距离可能不相同。     

基于小波分解的色噪声预测

研究色噪声的预测．将小波分析理论与神经网络建模预测基本原理相结合，提出了基于小波分解的神经网络预测方法．通过对年平均太阳黑子数典型统计模型的预测，验证了该方法的预测效果．将该预测方法用于色噪声的预测研究，通过改变对色噪声的采样速率，分析了色噪声预测的可能性和效果．研究结果表明，色噪声是可以预测的；对其预测的误差随采样率的提高而减小；基于小波分解的神经网络预测方法的预测精度优于线性神经网络预测方法．     

微波放大器Rn-Gn噪声模型阻抗变换测量方法

为了使接收微波放大器在工作频段上具有较小的噪声，讨论了如何使用M-Lane方法，结合自行研制的精密阻抗变换器，得到微波放大器Rn-Gn噪声模型中包括最小噪声系数Fmin在内的4个参数，使设计的放大器工作在匹配状态，Fmin可达到2．32dB，测量时间也大大缩短，结果稳定，为进行微波放大器低噪声设计提供了一个快速准确的方法。     

正确理解高斯定理

高斯定理在大学物理中仅表示为积分形式 ,应从它的教学意义去认识物理意义 ,同时又必须从它的物理含义上认识它的数学应用 ,这对清楚、全面了解静电场是至关重要的