脉冲激光在3种大气模型下传输的热晕与湍流效应研究

基于中纬度地区夏季、冬季、热带地区3种大气模型下的实验数据,通过最小二乘法拟合,分别得到了大气的吸收系数随海拔高度变化的函数式,建立了序列脉冲激光在地对空传输的热晕和湍流效应模型,编写了四维程序.通过数值分析的方法,定量地研究了这3种大气模型下的热晕和湍流综合效应.结果显示:高功率脉冲激光束在热带地区传输的热晕和湍流效应比中纬度地区强烈;脉冲激光在夏季传输的热晕和湍流效应要比冬季强烈.     

基于小波包方法的超声速气膜气动光学效应相干结构

当高速成像制导导弹在大气中飞行时,其光学窗口承受着严重的气动加热。超声速气膜冷却方法可以有效地隔离外部加热,但是超声速气膜流动会引起光束退化,降低图像质量。为了研究超声速气膜气动光学效应,本文构建了主流马赫数为3.4,设计喷流马赫数为2.5,实际测得喷流马赫数为2.45的超声速气膜实验装置。利用基于纳米粒子的平面激光散射技术获得了高时空分辨率流场图像,并对气膜冷却流动的密度场进行重构,利用光线追迹法获取了对应密度场的光程差。通过将光程差分布和K-H涡对比后发现,光程差的波谷位置对应于涡卷的中心,而光程差的波峰对应于涡卷中心之间的连接部分。但是,随着涡结构的发展破碎,对应关系不再成立。根据超声速气膜NPLS流场图像结果,利用分形原理获取的分形维数结果,将其沿流向划分为三个区域,其对应平坦度分别为3.4,2.9,3.6,验证了区域2更适合进行相干结构提取。     

气动光学自适应校正研究进展

自1982年Gilbert明确提出气动光学问题以来的理论和实践研究表明:气动光学畸变已严重影响机载/弹载激光能量系统及激光信息系统的性能。但是,由于气动光学畸变的高时间、高空间频率特征,现有的反馈控制自适应光学系统控制带宽尚不能满足高频气动光学波前畸变实时校正对系统带宽的需求。通过梳理近30多年来人们致力于气动光学自适应校正所做的机理、测量、校正等方面的标志性研究工作,以明确气动光学研究的问题、现状及未来的研究思路,从而为广大气动光学研究者提供理论和技术参考。     

微波辅助离子液体法对纤维素的均相改性研究

以离子液体1-丁基-3-甲基咪唑氯盐（BMIMCl）为溶剂,采用微波辐射代替常规的加热技术,对纤维素进行均相改性研究。首先进行微波辐射下纤维素在离子液体中的溶解,研究微波辐射温度和溶解时间的影响;其次进行纤维素与氯乙酰氯在微波辅助离子液体中的均相乙酰化研究,利用FT-IR、1H-NMR对聚合物进行了表征,探讨微波辐射功率、反应温度、反应时间和氯乙酰氯用量对纤维素取代度的影响。结果表明,微波加热有利于纤维素溶解和酯化,辐射时间和温度提高均会增加纤维素溶解量,酯化剂用量和微波辐射时间对反应影响较大。     

单轴各向异性晶体中寻常光和非寻常光的关系

基于光束在单轴各向异性晶体传播的矢量理论,根据能量交换现象,对寻常光和非寻常光的关系进行了讨论,得出了两个方程,并对其可解性进行了讨论.基于该矢量理论,推导出了一个关于寻常光和非寻常光传播的一个可能的矛盾;注意到矛盾能否成立取决于满足相应波函数条件的方程组是否存在可行性解,即问题转化成了一个数学问题;模拟了高斯光束在单...     

小目标态势下旋翼飞机红外辐射特性表征及其反演方法

目标红外辐射特性的研究对红外探测距离的预测和评估具有重要的意义。分析了基于红外图像的面目标红外辐射特性反演方法用于反演点目标特性时的局限和不足。通过对红外图像上点目标的提取,结合辐射基本理论,推导了目标辐射亮度、像元数和目标整体辐射强度之间的关系,提出了一种针对小目标态势下旋翼飞机的红外辐射特性反演算法,并利用该算法对某型旋翼飞机的红外辐射强度进行了反演计算,得到了不同观测角度下3~5 μm波段红外辐射强度分布。结果表明,该方法可以实现远距离小目标红外辐射强度的反演,对于红外侦察系统的作用距离评估具有一定的意义。     

漳州市消防违法行为实证分析

按照《中华人民共和国消防法》(2009年版)规定的10类51种消防安全违法行为,对福建省漳州市2009年5月1日至2011年11月15日各级公安机关消防机构查处的消防安全违法行为进行分类统计,通过对实证数据的深入分析,总结归纳消防安全违法行为产生的原因及倾向性,并提出预防和消除消防安全违法行为的建议,供各地参考。     

基于深度学习可变长度语音片段的情感识别

通过将深度神经网络直接应用于频谱图,提出了一种用于可变长度语音段的情感识别方法.频谱图包含对情绪识别有用的对话语言信息.从频谱图中提取这些信息,并通过将卷积神经网络(CNN)与递归神经网络(RNN)相结合来完成情感识别任务.与传统的将句子分割成更小的固定长度段的方法相比,该方法可以解决语音分割过程中引入的准确性降低问题.实验结果表明,该方法在加权精度(WA)和不加权精度(UA)上均优于定长神经网络.     

基于信息增益和随机森林分类器的入侵检测系统研究

目前,许多误用检测系统无法检测未知攻击,而异常检测系统虽然能够精确检测未知攻击,但由于入侵检测固有的特性,入侵事件与正常事件类间存在极大的不平衡性,这导致很难利用机器学习的方法高效地进行入侵行为检测.为此,提出了一种基于信息增益和随机森林分类器的入侵检测系统.为了解决类之间的不平衡性,对训练数据集应用了合成少数过采样算法.提出了一种基于信息增益的特征选择方法,并用于构建一个数据集的特征约减子集.首先,利用随机森林算法从训练集中建立入侵模型,构建误用检测模型,通过网络连接的特征来匹配检测已知攻击.然后,利用信息增益的特征选择方法,根据特征约减获得的特征,将不确定性攻击的网络连接数据通过随机森林进行聚类,进而实现未知攻击的检测.实验采用的NSL-KDD入侵检测数据集是KDDCUP99数据集的增强版本.由于入侵检测固有的特性,NSL-KDD数据集设计时类间存在极大的不平衡性.实验结果表明,结合合成少数过采样算法以及基于特征选择的信息增益的随机森林分类器对少数类别异常检测率可达到0.962.