机载综合孔径辐射计用于目标探测的性能分析

探讨了机载综合孔径辐射计的技术参数与探测目标的最大探测距离之间的关系,推导了综合孔径辐射计微波辐射图像对比度的计算公式,给出了综合孔径辐射计探测目标最大距离的计算方法,研究了积分时间累积对探测距离的影响.以T型天线阵列为例,对机载综合孔径辐射计探测亮度温度对比度为200 K左右的金属目标的性能进行了分析,计算结果表明:该机载综合孔径辐射计能够以150 m/s的飞行速度探测到距离10 km远处半径为4 m的金属圆目标.     

构建学校体育与健康课程目标的研究

从构建学校体育与健康课程目标的依据、学校体育与健康的目标体系和学校体育与健康课程实施的策略三个方面认证了新课程标准的优点以及在推广过程中所遇到的实际问题和解决方法。充分考虑学校体育与健康课程目标的多元性、层次性、阶段性和实施途径的多样性,制定出适合社会所需的、符合个体特点的、切实可行的体育与健康课程的教学目标。     

翻译手段在现代英语教学中的使用

翻译作为一种教学方法或手段,在英语教学中有着悠久的传统,但随着翻译法的种种弊端在语言教学发展中的突显,翻译手段屡遭诟病,被认为过分依赖母语而妨碍了外语习得。然而,从语言学习的角度看,翻译无疑是一种认知策略,即以母语为基础,理解或输出第二语言。在英语教学中,使用翻译手段适当地进行两种语言之间的转换对于促进学生的语言能力发展是有益的。     

面向防空的空袭目标流时间特性分析

为使防空兵力运用更具针对性和科学性,通过对不同突击模式空袭目标流定性及定量分析,运用巴尔姆流描述空袭目标流特性,建立了不同突击模式空袭目标流时间间隔分布模型。仿真应用表明该模型能为防空兵力运用决策提供定量分析依据,亦对空防对抗作战模拟仿真具有一定参考价值。     

表限量的“才”与“只”及“才＋只”语序的一种解释

本文首先通过语义分析指出“才”与“只”在表数量义时语法意义和语义指向都不相同,“才”在语义上凸显“跟预期的数量相比较,实现的数量少”,在语义指向上具有前后双指性;而“只”在表量时单纯表限定,语义指向是单向后指的。进而文章借鉴优选论的理念和操作方法验证出“才／只”并用是合语法的,且“才＋只”是优势语序。文章同时表明,语义指向源和语义指向标的之间不允许出现其他同类指向源成分,这至少在汉语中是一条优势原则。     

新型相参极化捷变雷达信号研究

为了提高雷达系统对抗电子干扰的能力,提出了一种新型相参极化捷变雷达信号.通过采用正交极化天线系统,雷达接收机可以首先获取目标的空间和极化信息,然后基于全极化捷变雷达体制,实现对目标的多极化照射,最后对接收到的信号进行极化信息处理、目标检测和跟踪.讨论了具体的信号处理算法,并给出了一种极化捷变条件下的双平面角跟踪方法.仿真实验结果表明:极化信息的引入改善了雷达系统的性能.     

基于信度函数的冲突证据组合新方法

为了有效地处理冲突证据,提出了一种基于信度函数的新方法.设计了一个证据信度函数,并用此函数来计算证据之间的后验权重分配.给出了先验权重和后验权重的合成方法,从而得到最终权重分配.采用最终权重对现有证据进行加权平均,并采用Dempster-shafer组合规则进行融合,从而得到最终融合结果.与其他方法相比,该方法考虑的因素更全面、适用性更强.实例表明,该方法能够比其他方法更快、更有效地识别出目标.     

传感器网络下目标追踪实验设计

文中设计了一种无线传感器网络下的移动目标追踪实验,介绍如何在模拟器上实现网络节点部署、组织和追踪移动目标。实验中移动物体依据真实出租车轨迹、高斯马尔科夫模型或随机路点模型进行移动;网络中节点则依照粒子滤波算法进行目标追踪和数据采集。该实验作为《无线传感器网络》课程的配套实验,有利于学生更好地理解基础理论知识,并且能锻炼学生在无线传感器网络模拟器上的实际编程能力。     

高斯-谢尔光束通过湍流大气任意粗糙目标的散射统计特性

基于广义惠更斯-菲涅耳原理和任意粗糙目标模型,考虑大气湍流对激光从发射机到目标和从目标到接收机的影响,研究部分相干高斯-谢尔光束经任意粗糙目标散射后的统计特性.我们假设相位结构函数占优,推导了接收场处互相关函数的表达式,平均强度以及波前相干长度大小,并对此进行数值模拟.结果表明,接收面的平均强度与粗糙面的横向相关长度与表面高度均方根有关;接收场的波前相干长度与湍流强度、表面粗糙度、传播距离和光源相干度有关.     

机场跑道的图像监测系统设计与实现

以图像处理技术为基础,依托VS2010平台,利用OpenCV函数库开发了机场外来物FOD(foreign object debris)监测系统。从硬件、系统工作流程两方面提出了建立机场监控塔、监控中心和应急中心3个服务平台的方案。基于图像技术,设计了以自动阈值分割技术结合背景差分法、三帧法的目标识别模块和以Camshift为关键技术的目标跟踪模块,实现了前景目标识别和多目标跟踪两大功能。测试结果显示,目标识别准确率和精确度均较高,且受环境影响小,系统可靠性高。