应用回归分析的数据关联算法

针对复杂电磁环境下目标跟踪需要兼顾实时性和精确性的问题,应用测量领域的数据处理方法,提出了回归分析的数据关联算法.首先,利用对滤波曲线的两点回归分析,逐一预测各观测到达时刻的置信区间,筛选出关联点;接着,以系统处理周期为分组标准,对筛选序列进行成组观测数据回归分析;最后,计算出观测融合点,并用该点更新滤波器新息.该算法不仅能将复杂的关联转变成测量点迹动态更新过程,而且优化了同步化处理步骤.仿真实验表明:回归分析算法与联合概率数据关联算法相比,在直线运动场景下,两者的均方根误差及轨迹丢失率相近,且随着目标数目的增多,前者在平均占用CPU时间上的优越性更加突出;在曲线运动场景下,两者跟踪误差相当,前者占用CPU时间仅为后者的1/6.     

基于素质教育的中学地理教学改革与方法创新

结合中学地理教学目标、教材特点和当代中学生学习环境的变化,提出了基于素质教育的中学地理教师应具备的素质和技能:教师是复合型研究性人才;具有终身学习理念;具有科学方法论做指导;具有跨学科知识结构体系.根据目前中学地理教学的现状和问题,提出了基于素质教育的中学地理教学改革和方法创新的途径:自觉运用哲学理论和逻辑方法;软化学...     

利用蜜罐技术架构网络战训练虚拟靶场环境

从蜜罐技术的分类与功能出发,结合网络战虚拟靶场环境建设的目标,探讨了蜜罐技术在虚拟靶场中运用的具体设计与构建.讨论了用蜜罐技术架构网络战虚拟靶场环境的设计要素,给出了相应的模块结构图.在目前流行的蜜罐技术基础上,利用相关工具软件设计了用一个蜜网构成的网络战虚拟靶场环境.     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络（strengthening condition generative adversarial network,SCGAN）+卷积神经网络（convolutional neural network,CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

连续混沌系统任意目标点的控制

通过构造适当的Lyapunov函数,实现对连续混沌及超混沌系统任意目标点的控制.     

一类非齐次核的最佳Hilbert型积分不等式的搭配参数条件

首先利用权函数方法,考虑如何确定搭配参数,使具有非齐次核G(xλ1 yλ2)(λ1λ2>0)的Hilbert型积分不等式具有最佳常数因子;其次给出最佳搭配参数的充分必要条件及快速判定最佳常数因子的判别式;最后讨论最佳搭配参数在积分算子理论中的应用.     

单频电磁辐射对雷达的干扰规律

为了提高雷达电磁防护能力,揭示单频电磁辐射对雷达的干扰规律,首先基于雷达测距原理,通过电路非线性失真分析,初步掌握阻塞干扰和假目标干扰规律;而后开展效应试验,对干扰规律进行补充和完善.结果表明带内单频电磁辐射易对受试雷达造成干扰,假目标临界干扰场强明显低于阻塞干扰,最敏感处的差值可达30 dB,但敏感带宽要比阻塞干扰窄...     

舰船目标雷达视景仿真研究

针对舰船目标雷达视景仿真中舰船目标实体建模和雷达视景仿真两个主要模块,在分析各个模块实现方法及原理的基础上,提出基于积木式模型结构细化分割的建模方法,探讨了三维动态海洋场景开发的方法和基于Vega的舰船目标雷达视景仿真流程.仿真结果表明建模和仿真方法具有可行性,仿真产生的雷达图像与实际图像较为接近,并符合实际成像条件下的成像规律.     

基于时间-距离-多普勒像的编队目标架次检测

针对实际编队目标在距离上的分布特性和目标多普勒频率的变化规律,利用联合时频变换代替传统傅立叶变换,建立目标时间-距离-多普勒立体像,提出一种基于立体像的目标架次检测方法。该方法不仅能给出清晰的瞬时距离-多普勒像,而且能反映目标距离-多普勒像的时间演变特性,较好地解决了目标在距离上的分布和多普勒像的模糊。实测回波数据验证了该方法的有效性,成功地实现了4架编队飞机目标的架次检测。     

理工科学生英语口语现状分析及对策

着力从客观方面总结并分析理工科学生张不开口说英语的主要原因,提出语言本身如词汇、语音及语调、语法与语用等方面的应对策略,旨在有目的地提高大学英语教学。