目标瞬态电磁脉冲散射特性研究综述

本文综合论述了瞬态电磁场的特性及其基本性质,介绍了研究瞬态电磁场所采用的方法,如奇点展开法、束函数法等,并分析了瞬态电磁脉冲应用于目标识别方面的前景。同时,阐述了有载窄脉冲与无载窄脉冲的区别和联系。最后突出说明了有载窄脉冲与无载窄脉冲是相辅相承的,有着密不可分的联系。     

指示仪表校验管理系统设计

用先进的程控数字合成源和微机智能管理相结合的技术，开发Windows95/98下的系列校验管理软件，能使指示仪表的智能化校验成为现实。     

最优火力分配方案的一种空间表述方法

以向量空间观念来审视作战问题,通过对目标的突防概率的认识,创造性地定义了火力分配矢量及其范数,建立了相应的赋范空间.首次建立了最优火力分配问题在赋范空间中的描述模型,并在理论上证明了解的存在性,从而把防空作战中的火力分配问题转化为赋范空间中的最小范数问题,为研究战争中的火力分配问题奠定了理论基础.     

基于混合型专家系统的目标综合识别模型

鉴于目标识别在防空信息处理中的重要性 ,在对目标信息进行综合利用的基础上 ,利用人工智能原理 ,研究把专家系统、神经网络和证据推理相结合用于目标识别 ,建立了目标综合识别的专家系统模型 ,模拟专家识别思维。给出了知识库的构造方法及推理机制。该模型通过人工神经网络 ,实现了知识的并行处理和自动获取 ,具有自学习功能 ;再学习机制可对系统进行及时调整 ,增加或修改知识库的知识 ,具有很好的人机界面和实用性 ,对目标的综合应用识别具有很好的借鉴作用。     

目标特征提取技术

本文主要论述基于模式识别方法的目标特征提取和识别系统，并在微机上建立了应用软件包。该技术由以下几个模块组成：文件管理模块、直方图统计模块、滤波处理模块、目标分割模块、目标边缘提取模块、目标特征提取模块以及几何变换模块等。该技术集成目前一些已发表的典型算法，对不同的目标和背景图像进行处理测试，选择出对特定目标和背景情况的最优算法组合。作者在该软件包基础上已开发出电视跟踪系统的仿真软件包。该技术对型号立题和型号预研有一定的理论指导意义，在医学、民用方面也有应用前景。     

因子分析—分光光度法同时测定三组份芳香类化合物模拟混合体系

测定了α-萘酚、α-萘胺和2,7-二羟基萘混合体系的紫外光谱,用目标因子分析成功地确定了混合体系的物种数、物种种类以及各物种的含量。讨论了波长范围、波长间隔选择对分析结果的影响。平均回收率α-萘酚为94.84％,α-萘胺为108.29％,2,7-二羟基萘为101.66％。并将结果同偏最小二乘法做了比较。     

民机虚拟维修训练方法研究

维修训练方法的研究主要研究如何根据训练目标以及受训者的知识水平与特点,为其提供合适的训练内容,以支持受训者进行维修训练。本文中将以基于案例的推理技术为理论基础,在分析训练目标与训练任务以及学员知识水平的基础上,生成维修训练策略流程,从而支持学员完成维修训练。     

构建重庆可持续发展型畅通城市

着眼于重庆市区的交通现状,结合未来几年内重庆的交通规划建设,提出了可持续发展理念下畅通城市的内涵。为推动"畅通重庆"的建设与发展,对目前重庆市城市交通供求特征、现状进行了分析评价,准确把握当前城市交通的主要问题。在科学发展观的指导下,根据构建和谐社会、节约型社会等各个方面要求,提出合理的交通发展策略,通过对机场、水运、铁路、公路规划方案的实施,形成了一个完整的城市交通系统,确定交通设施和交通管理规划,以达到畅通城市的要求。     

基于最小二乘滤波起始的机动目标被动跟踪方法

针对仅有量测角的机动目标跟踪给出了基于最小二乘法的滤波器起始方法。该方法减少了伪量测估计方法的估计偏差,同时克服了基于最大似然估计算法计算复杂和容易陷入局部极值点的不足。该起始算法与交互式多模型(IMM)算法相结合实现了对机动目标的被动跟踪。计算机仿真验证了该方法的有效性。     

A role for spatiotemporal scales in modeling

Bogen and Woodward's distinction between data and phenomena raises the need to understand the structure of the data-to-phenomena and theory-to-phenomena inferences. I suggest that one way to study the structure of these inferences is to analyze the role of the assumptions involved in the inferences: What kind of assumptions are they? How do these assumptions contribute to the practice of identifying phenomena? In this paper, using examples from atmospheric dynamics, I develop an account of the practice of identifying the target in the data-to-phenomena and theory-to-phenomena inferences in which assumptions about spatiotemporal scales play a central role in the identification of parameters that describe the target system. I also argue that these assumptions are not only empirical but they are also idealizing and abstracting. I conclude the paper with a reflection on the role of idealizations in modeling.