微波技术的过去,现在和未来

微波技术的进展与数字电子学领域相比较,虽然在许多方面似乎是逐渐发展的,但是当人们用历史的观点来看时,可以清楚地看出它的进展仍然是迅速的。微波技术已经发生了巨大的变化。它改变着微波技术和以此为基础的微波设备,且这种变化日益频繁。在这样的情况下,人们都打算对微波技术的前景作一估价,为此,就我们预见所及和有限的篇幅作如下探讨。     

阿斯派德导弹系统

将近六十年代末,意大利空军发觉自己面临着双重需要:一方面需要为它的星座式截击机装备新式空对空导弹,另一方面需要为它的空军基地提供防御系统(当时主要靠     

基于RLLE算法的脑力负荷分类研究

近年来,随着人工智能领域技术的不断发展,脑机接口(Brain-Computer Interface,BCI)吸引了更多学者的关注。实时监测高强度脑力工作者的脑力负荷水平并其任务做出动态调整是保护国家财产和操作人员安全的重要手段。研究表明由脑电图(Electroencephalogram,EEG)提取的特征功率谱密度对于脑力负荷的变化比较敏感,但由于其维数过高,容易造成数据灾难。传统的主成分分析（Principal Component Analysis,PCA）算法会损失部分非线性特征。局部线性嵌入（Locally Linear Embedding,LLE）是常用的非线性降维算法,但该算法对噪声的敏感性高,降维结果受参数影响较大。稳健局部线性嵌入算法RLLE（Robust Locally Linear Embedding）,在LLE优化权重矩阵时添加了正则项优化,不仅增强了模型的抗噪能力,也解决了解模型过程中可能会出现的矩阵病态和奇异性问题。该算法中的参数k在使用时经常选取较小的值以更好地捕捉数据集的局部结构,并大大减少了模型的计算时间。但脑电数据具有维数高,复杂度高的特点。选取小的k值不仅会导致模型对噪声异常敏感,也会使模型忽略重要的大邻域结构从而影响降维结果的准确性。本实验在使用该算法时,结合模型精度和计算时间选取了更合理的k值区间,使模型在保持高效的同时具有更强的抗干扰能力,并可以提供更全面的信息来描述数据集,使得嵌入结果更加准确。实验结果表明,经过RLLE降维后的数据使用支持向量机（Support Vector Machine, SVM）分类精度普遍高于经过PCA的降维方式,具有更强的抗干扰能力。     

法国积极发展九十年代反飞机武器

西方未来地空武器系统的发展方向还不清楚。不过,现在看来用美国的爱国者系统来代替现有的近程和中程导弹系统显然是太贵了。毫无疑问,现有的地空武器将落后于未来威胁的发展,到本世纪末就会没用了。至于低空威胁,由于现有的设备比较先进,还会再延用一段时间。然而到1995年或2000年就必须更新了。到目前为止,新武器系统的多国发展计划一个接一个地失败,这就促