基于近似观测和最小熵约束的SAR稀疏自聚焦方法

当采样率较低以及重建散射点数量较多时, 基于两步优化的稀疏自聚焦方法收敛速度较慢且容易陷入误差较大的局部最优解, 导致自聚焦失败。针对此问题，提出了一种基于近似观测和最小熵约束的稀疏自聚焦方法。首先, 为解决测量矩阵规模大、内存占用高的问题, 构建了一种基于近似观测的稀疏自聚焦模型, 在聚焦图像的傅里叶变换域引入误差相位。然后, 在采用最大似然估计器估计误差相位时增加了最小熵约束, 同时采用相位梯度自聚焦法提供误差相位的初始解, 有效降低了迭代次数并使迭代结果更接近全局最优解。机载合成孔径雷达的实测数据成像结果表明, 与常规自聚焦方法相比, 所提方法具有更快的收敛速度和更稳定的自聚焦性能。     

等离子体合成射流激励器的流场特性分析

等离子体合成射流作为一种新型的主动流动控制技术,是针对传统合成射流激励强度差而设计的。利用Fluent 6.3软件,采用结构化网格,对等离子体合成射流激励器流场进行了二维非定常数值模拟,研究单次放电激励器流场的演化规律,并且比较了不同放电时间尺度对激励器出口速度的影响。研究表明:等离子体合成射流激励器能够产生高速射流,最大速度达到439 m／s,大大增加了流场湍流度;激励器放电时间越长,出口峰值速度越大。计算结果表明等离子合成射流激励器能够应用于高速流动控制。     

综合算法及其特点

给出了综合算法的定义并讨论了它与球形算法及不动点算法相比的优点．     

地形测图中地理精度的分析与探讨

从地形图的地理精度及用图的需要对地形的综合取舍进行了分析与探讨,同时也讨论了地形图的整体精度与局部精度的关系问题．     

拉布拉多海一年平整冰厚度SAR反演算法

在利用实测一年平整冰厚数据和同步全极化RADARSAT-2 SAR影像、全面分析不同SAR极化参数对海冰厚度敏感度的基础上,发现Alpha角最高;从理论上证实利用两者相关性反演冰厚的可行性,将所得经验方程用于冰厚反演,其结果与实测数据吻合较好;与现有常用方法的反演结果进行对比表明,新方法误差较小;Alpha角可以用于一年平整冰厚度反演,证明全极化SAR海冰信息反演冰厚确有优势。     

体量经济的内涵及其科学基础

基于自然资源禀赋和区域发展需求,科学评价区域发展的现状和潜力,优化调控区域发展的空间、规模和开发强度是目前研究的热点问题之一。本文在区域综合承载力的基础上,构建了体量经济这一区域发展全新理念。从分析体量经济的构成入手,构建了设定发展容量、选择适宜阈值、提出容纳能力的内涵体系,揭示了体量经济的地域性、复杂性、普适性和系统性等特征;生态发展公式是体量经济的核心,能够对体量经济的容量、阈值和能力进行定量表达和分析,并对现状开展评价和对未来场景进行预测。体量经济不仅是区域生态文明发展的衡量红线,还是制定区域发展方向、战略和功能的重要基础,更是指导区域生态经济布局的重要依据。     

一种补偿因子区域不变的CS成像算法

为提高星载合成孔径雷达（SAR）成像的实时性,减小补偿因子的运算量,提出了一种补偿因子区域不变的Chirp Scaling（CS）成像算法. 这种改进的CS算法根据补偿因子的相位误差确定一个更新步长,在每个步长内更新一次补偿因子,即相邻单元内的数据与相同的补偿因子相乘. 利用这种改进的CS算法对点阵目标和实测目标进行了仿真验证,得到的SAR图像质量与传统CS算法的结果相差很小. 这种补偿因子区域不变的CS成像算法在满足精度的前提下使得补偿因子的运算量成倍减小,大大减小了实时成像的压力,能够有效降低星上实时处理系统的规模,从而降低系统功耗.      

洁净钢夹杂物形态控制

钢中夹杂物的性质主要决定于强脱氧元素的相对含量。为获得具有良好变形能力的塑性夹杂物,必须采用低铝铁合金合金化,然后用适宜组成的合成渣,通过渣-铜、夹杂物-钢之间建立的局部反应平衡控制钢液中强脱氧元素含量,达到控制夹杂物成分的目的。以弹簧钢为例,根据热力学理论．分析了炼钢工序中可能影响夹杂物组成的各种工艺因素,为夹杂物形态控制的实践提供理论依据。     

模糊综合评判在多目标优化设计中的应用

叙述模糊综合评判方法及其在机械设计多目标问题中的应用,指出“型”与“量”两方面的优化处理相结合才能获得真正的最优解。最后以滑动轴承的多目标优化设计为例来说明模糊综合评判的应用过程。     

基于合成地震记录的正演模拟方法在确定油藏面积中的应用

合成地震记录是石油勘探开发中的关键技术之一,是联系地震资料和测井资料的桥梁,是构造解释和岩性储层地震解释的基础。通过合成地震记录将地质层位标定到地震剖面上,在井资料与地震资料之间建立准确的对应关系。本文提出一种基于合成地震记录的正演方法,应用这一方法对地震记录对比分析可以明确地震波形的地质意义,确定含油砂层空间展布,预测圈闭的有效面积。