基于GRAVES体制的电子篱笆系统设计

电子篱笆体制是空间目标普测的一种重要方式,目前国际上只有美国、法国具有实际探测系统,其中法国体制电子篱笆目前国内外研究较少。文中对法国体制式电子篱笆系统设计进行分析。该雷达系统采用单点频连续波信号形式,采用双基地雷达体制,实现雷达对空间目标轨道信息的获取。对雷达系统工作频率、双基地雷达布站、照射视场选择几个关键参数进行了性能分析、设计和优化,并结合STK和Matlab软件对电子篱笆系统进行仿真。     

高浓啤酒配比系统的模糊控制

本文介绍了高浓啤酒配比系统的模糊控制。主要对该系统的模糊控制作了详细介绍，其中包括系统工艺、高浓啤酒稀释水处理配比系统模糊控制结构以及该系统模糊控制器的设计。     

CuCo_2Be合金表面等离子喷涂Cr_3C_2-NiCr/NiAl复合涂层不同温度下的摩擦磨损特性

选用等离子喷涂技术在CuCo_2Be合金表面制备了Cr_3C_2-NiCr/NiAl复合涂层。以Al_2O_3陶瓷球为对偶材料使用UMT-2摩擦磨损试验机对基体和复合涂层进行不同温度下的摩擦磨损试验,并选用三维轮廓仪、扫描电镜、能谱仪、XRD等分析测试手段详细研究了CuCo_2Be合金及涂层在不同温度下滑动摩擦磨损后的微观形貌以及摩擦磨损特性。结果表明:等离子喷涂获得的复合涂层致密,涂层为层状结构,物相组成呈非晶态。500℃时涂层磨损体积远远小于铜合金磨损体积,具有优良的抗摩擦耐磨损性能;在室温时涂层磨损机制以磨粒磨损为主,磨损较小;随着温度的升高,涂层磨损机制以氧化磨损和粘着磨损为主。     

稀布阵雷达副瓣对消方法研究

研究了稀布阵雷达抗干扰机理,分析了传统基于维纳-霍夫方程的副瓣对消算法和基于数字波束形成的新型自适应副瓣滤波算法,对比了2种算法在稀布阵雷达中应用的优缺点,总结了影响副瓣对消性能的因素,并通过实测数据验证了2种算法的副瓣干扰对消性能。结果表明,相对传统副瓣对消方法,新型副瓣对消方法性能更加稳健,更适用于稀布阵雷达。     

稀布阵综合脉冲孔径雷达阵列优化设计

结合工程实际首先对稀布阵综合脉冲孔径雷达常见布阵方式和布阵特点进行研究,然后对其常规倾斜共面布阵的稀布阵综合脉冲孔径雷达阵列方位仰角二维耦合问题进行分析,提出可以采用随机高度布阵予以解决。文中同时对稀疏阵列方位副瓣较高的问题进行分析,针对不同雷达工作模式,采用粒子群算法对雷达的阵列的半径、相位参数进行了优化,并进行仿真优化验证。     

米波雷达的低角测高分析

雷达在测高过程中受多径效应的影响,而在低仰角情况下测高精度受其影响更大。对这些问题进行了研究,建立了地面反射模型,分析了米波三坐标雷达的测高性能,对其改进测高精度的方法做了一些有益的探索。     

副瓣对消性能受权值计算精度影响分析

自适应副瓣对消（ASLC）是雷达抗有源干扰的有效方法。本文介绍了自适应副瓣对消的原理,结合试验数据对副瓣对消性能进行研究,分析了浮点运算精度对副瓣对消性能的影响。     

岸基米波雷达对海上舰船目标探测性能分析

目前工程设计中雷达低空性能分析使用的VCCALC软件建立的模型假设目标是点目标,没有考虑"过渡距离效应",并不适合岸基米波雷达对海低空性能的探测。本文结合实际建立计算模型,分析米波雷达对低空舰船目标探测能力与雷达架高、目标高度等参数之间的关系,并对在不同架设高度下岸基雷达系统对典型海上舰船目标探测能力进行了仿真。     

稀布阵雷达长相干积累下的干扰抑制设计

首先对稀布阵雷达布阵特点和副瓣性能进行简单分析,指出干扰对消功能对系统工作的重要性,同时指出稀布阵雷达具有长相干积累工作的特点,系统需要结合多普勒滤波和干扰抑制技术完成干扰抑制和地杂波抑制处理。目前鲜有文章对在干扰抑制情况下系统处理流程引起的地杂波扩展问题进行分析(特别是针对稀布阵体制雷达)。结合稀布阵雷达工作特点对稀布阵常规信号处理流程产生的问题进行了分析,并提出了解决办法。最后结合实际数据对研究效果进行验证,取得良好的效果。这些工作将对稀布阵雷达的设计和实际应用具有一定的指导意义。     

基于AdaBoost的类不平衡学习算法

处理类不平衡数据时,少数类的边界实例非常容易被错分。为了降低类不平衡对分类器性能的影响,提出了自适应边界采样算法(AB-SMOTE)。AB-SMOTE算法对少数类的边界样本进行自适应采样,提高了数据集的平衡度和有效性。同时将AB-SMOTE算法与数据清理技术融合,形成基于AdaBoost的集成算法ABTAdaBoost。ABTAdaBoost算法主要包括三个阶段：第一个阶段对训练数据集采用AB-SMOTE算法,降低数据集的类不平衡度;第二个阶段使用Tomek links数据清理技术,清除数据集中的噪声和抽样方法产生的重叠样例,有效提高数据的可用性;第三个阶段使用AdaBoost集成算法生成一个基于N个弱分类器的集成分类器。实验分别以J48决策树和朴素贝叶斯作为基分类器,在12个UCI数据集上的实验结果表明：ABTAdaBoost算法的预测性能优于其它几种算法。