数据流聚类算法在数据处理中的应用

基于监测数据进行分析,采用特殊投影和拟合的数据流聚类算法,该算法结合拟用算法和滑动窗口技术进行聚类预处理,掌握数据流的变化趋势。此外,通过桥梁健康监测仿真实验,得出拟合数据具有更高的精确性,分段拟合的数据R2接近1,m为0.890 4＜0.5,解决了高维数据流的降维问题,缩短了数据处理时间,且提高效率39.1以上,占用空间仅为6.7%。     

用实测方法求取某型高炮跟踪解算模型

某型高炮模拟训练器对该型高炮操作手进行与实战相仿的各种训练,工作时取代炮位计算机的各项功能。在某型高炮跟踪解算模型不可知的情况下,实测记录跟踪圆环在不同的身管角速度和击发距离档下的运动数据,利用线性参数模型最小二乘辨识的原理编制程序进行直线拟合,找出它的运动规律,形成近似的跟踪解算模型。该型高炮模拟训练器的工作程序引用了此近似模型,并经实践证明此跟踪解算模型与实际模型高度接近,完全可以满足模拟训练的需要。     

空间目标的短时三维几何重构方法

通常空间自旋目标的3维(3D)重构都是通过对散射点轨迹进行矩阵分解的方法得到的,散射点轨迹是从雷达序列图提取并关联得到的。由于散射点提取与关联误差的存在,3D重构会出现精度下降,甚至失败的问题。另一方面,转台目标的散射点轨迹符合圆属性,这与几何投影理论认为散射点投影轨迹的椭圆属性相违背。为解决以上问题,该文提出了基于短时的空间目标3D重构算法。首先对提取的散射点轨迹进行2维圆属性拟合,使其轨迹光滑,更接近理论曲线。然后采用多视角的方法估计雷达视角(LOS),通过乘以雷达视角构成的系数,将圆属性轨迹曲线转变成椭圆属性轨迹曲线。通过对散射点椭圆属性轨迹进行矩阵分解的方法获得目标的3D结构。最后通过2个实验验证了该文所提算法的有效性。     

基于matlab的环境数据曲线拟合在某子母弹引信机构仿真中的应用

以某子母弹为对象 ,分别论述不同的离散曲线的解析式近似表达方法 ,最后以不同方法的拟合结果作为仿真模型的输入 ,得到仿真结果进行分析     

基于相位相关和模板匹配的亚像素图像配准参数估计

针对图像配准中的亚像素参数估计问题,提出了一种相位相关和模板匹配相结合的方法。该方法先采用相位相关法进行粗配准,找到整像素平移;然后运用模板(窗口)匹配和基于最小二乘的曲面拟合法实现亚像素图像配准参数估计。通过实验表明该方法可以充分利用FFT的高效运算,达到亚像素精度。     

基于椭圆斑点序列图像估测清晰成像的方法

采用透镜成像的单目视觉测量模型进行位移测量时,需要知道清晰成像斑点的中心坐标.当物体发生位移时,为了获取清晰成像斑点,需要调整透镜位置,使其服从透镜成像规律.但是由于透镜制造缺陷,其焦点不是理想的一个点,而是一段小区域,当成像接近清晰时,通过微动调整透镜位置,成像清晰程度基本不变,这就是成像的不敏感区域,又称死区,因此...     

基于地形融合分类的分区二维恒虚警检测器

在非均匀杂波背景下,由于恒虚警( CFAR)检测器与杂波背景幅度分布不匹配,导致检测器性能出现剧烈下降。针对此问题,提出了一种基于地形融合分类的分区二维CFAR检测器。首先提出一种基于拟合优度( GoF)的地形融合分类算法来对非均匀杂波背景下的地形进行分类编号,同时记录各地形的幅度分布及幅度分布参数;再根据地形编号及记录的幅度分布选择相匹配的CFAR处理窗实现分区二维CFAR;最后利用实测数据验证了该地形融合分类算法的有效性,并用半实测、实测数据对所提出CFAR检测器性能进行了仿真验证,结果表明相比传统二维CFAR检测器,所提出的CFAR检测器在非均匀背景下性能有明显提高。     

非视距误差的TDOA/AOA混合定位算法

在非视距（NLOS）误差时,无线网络的目标定位性能急剧下降。提出一种针对NLOS误差的TDOA/AOA混合定位算法,首先利用量测值多项式拟合的Wylie鉴别算法辨别出具有NLOS误差的基站,根据NLOS附加时延的统计特性估计出附加时延的均值和方差,并重构到达时间差（TDOA）测量值;然后采用基于泰勒级数展开的TDOA/AOA混合定位算法,得出无线网络联合目标定位的位置估计值。仿真结果证实,该方法在存在NLOS误差下能有效提高无线网络的目标定位精度。     

小批量生产配合公差设计与控制

结合产品装配过程中配合件的修配现象,分析小批量生产工件尺寸分布特点,探讨小批量生产配合公差的设计与控制。     

X射线能谱分析中对铁的百分含量修正的理论推导和实验测定

在KYKY-1000B扫描电镜上进行X射线能谱分析时,常出现附加的铁峰。本文从理论上对产生附加铁峰的原因作出了解释,并推导出附加铁峰强度和样品原子序数的函数关系的解析表达式,同时对附加的铁的百分含量进行了实验测量。由实验数据拟合得出的实验曲线和理论分析得出的表达很好地符合。