水下发射对机枪膛口温度场影响的数值分析

为了解不同发射环境下机枪的膛口温度场分布特性,对12.7 mm机枪在空气和水中射击所形成的膛口温度场进行了数值模拟和对比分析。数值计算借助Fluent软件,并利用User Defined Function(UDF)和动网格技术。计算结果表明,机枪水下密封式发射时,弹丸出枪口就开始减速,火药燃气在弹后减速、聚集而温度升高,使得燃气初始喷射温度达到2653 K,比空气中发射时(2236 K)高417 K。受弹丸运动和气液界面的共同影响,在弹丸出膛70μs时形成马赫盘,而空气中发射时弹丸出膛200μs才初步形成马赫盘。与空气中发射相比,水下发射时形成的激波核心区较小,但核心区温度更高;其中压缩波中最高温度接近3200 K,比空气中发射时相应区域约高1500 K。通过拟合水下密封式发射时膛口形成的马赫盘位置随时间变化曲线,发现其位置与时间在弹丸出膛200μs内满足指数变化规律。     

一种变形翼的气动特性数值模拟研究

为研究可变形翼在动态变形过程中的气动特性,文中利用数值模拟软件FLUENT中的动网格技术,模拟了可变形翼在不同变形速度下的变展长、变后掠和变翼型等变形过程的气动特性.结果显示翼的不同变形方式和变形速度对翼的气动特性产生不同的影响,变展长受变形速度的影响不大,而变后掠和变翼型对变形速度比较敏感.分析结果对可变形飞行器的研究具有重要的意义.     

相位编码信号在精确制导中的应用

相位编码信号是一种脉冲压缩雷达信号,它能够很好地解决作用距离和分辨能力之间的矛盾,具有抗干扰能力强、跟踪精度高等优点,因此在雷达系统中得到了广泛应用。但是由于相位编码信号属于多普勒敏感信号,从而限制了相位编码信号的应用范围,本文利用模糊函数概念选择雷达发射信号波形以适应具体战场应用环境要求,提出了利用惯导数据辅助解决相位编码信号的多普勒敏感问题的思路,并在实际系统中得到了验证。     

单脉冲雷达接收机幅相均衡算法与DSP实现

针对现代单脉冲雷达进行目标角度测量过程中,接收机和差通道幅相不平衡面临的自动增益均衡(AGB)和自动相位均衡(APB)等问题,探讨了数字AGB和APB的基本原理,给出了采用高速实时数字信号处理器和时分复用技术实现单脉冲雷达接收机数字AGB和APB设计方案.     

反应装甲爆轰压力对穿甲弹运动速度的影响

文中研究了反应装甲爆轰产物压力对穿甲弹运动速度的影响。通过理论计算得到爆轰压力对穿甲弹的速度几乎没有影响．说明影响穿甲弹姿态及速度变化主要由反应装甲飞板和弹的碰撞造成的。     

基于VxWorks和DM642的雷达图像采集压缩卡的研制

介绍一种新型的高分辨率雷达图像采集压缩卡的设计与实现方法。内容主要包括硬件电路设计、DSP软件编程、JPEG2000图像压缩算法的应用、VxWorks下驱动程序等。最后给出了该卡测试结果。     

推力矢量飞机间接自适应飞行重构控制系统研究

文中根据间接自适应算法提出了一种可用于推力矢量飞机的新型控制系统结构，同时将自修复功能融入其中。应用这种控制系统对推力矢量飞机在单舵面故障情况下飞行情况进行了仿真，结果说明此新型飞控系统对故障具有极强的鲁棒性和重构性能。     

基于SIMULINK的导弹控制系统设计与仿真

介绍了某型空对空导弹的飞行控制系统，论述了该系统的功能、基本组成，详细分析了经典的自动驾驶仪辅以高度控制的方法。并介绍了用MATLAB（SIMULINK）对导弹控制系统进行设计和仿真的步骤和方法，仿真结果表明了该方法的有效性。     

基于多核DSP的星载SAR干扰信号生成算法优化

针对星载合成孔径雷达(SAR)的特点,提出了一种基于多核数字信号处理器(DSP)的欺骗式干扰实时产生算法优化方法,该方法使用了哈希查找表、动态/静态计算分离等技术,并针对DSP芯片硬件架构进行算法优化,达到了实时生成星载SAR欺骗式干扰信号的目的,为星载SAR 欺骗式干扰信号实时产生提供了技术手段,并为其他基于DSP的数字信号处理算法提供了一种可行的优化思路。文中针对算法设计与工程实现中影响实时性的关键问题进行分析,并针对典型合成孔径雷达进行验证,证明了该方法的有效性与实时性。     

Metric and classification model for privacy data based on Shannon information entropy and BP neural network

Aiming at the requirements of privacy metric and classification for the difficulty of private data identification in current network environment, a privacy data metric and classification model based on Shannon information entropy and BP neural network was proposed. The model establishes two layers of privacy metrics from three dimensions. Based on the dataset itself, Shannon information entropy was used to weight the secondary privacy elements, and the privacy of each record in the dataset under the first-level privacy metrics was calculated. The trained BP neural network was used to output the classification result of privacy data without pre-determining the metric weight. Experiments show that the model can measure and classify private data with low false rate and small misjudged deviation.