LPI雷达数字信号处理系统匹配滤波器的设计与实现

简要介绍了一种新研制成功的低截获概率雷达高速数字信号处理系统。由于采用了海杂波对消、高速数字匹配滤波器、高速FFT滤波器和τ-fd两维一次判决技术，大大缩短了捕获高速目标的时间，提高了动态性能。侧重对高速数字匹配滤波器的设计、解决多普勒失谐的方案进行较详细的论述。     

新型农村合作医疗接口程序的开发与实践

为减轻农民医疗费用负担,缓解农民"因病致贫,因病返贫"问题,党中央、国务院决定到2010年在全国建立基本覆盖农村居民的新型农村合作医疗制度.文章结合邯郸市肥乡县中医院实例,介绍了新型农村合作医疗接口程序的开发设计思想和实现方法.     

SAR成像中加权处理的改进研究

点目标回波信号经过匹配滤波后，输出压缩脉冲包络近似为辛格函数的形状，在主瓣两侧存在逐渐递减的旁瓣，抑制旁瓣是合成孔径雷达成像研究的重要内容，而加权技术是实现抑制旁瓣的重要途径。在分析传统加权技术的基础上，对其进行了改进，并用改进的加权方法对点目标回波信号及成像过程进行了计算机仿真；结果表明，该方法与传统加权技术相比，没有展宽主瓣宽度，且具有较好的旁瓣抑制能力。     

聚能装药垂直侵彻橡胶复合装甲的变形研究

基于Bernoulli方程推导了橡胶穿孔半径以及运动速度的变化规律,对聚能装药垂直侵彻橡胶复合装甲的作用过程进行了分析。在此基础上结合流变学理论,对橡胶复合装甲的面板和背板的变形进行了研究,建立了一种计算复合装甲变形的工程计算模型。通过数值仿真和试验的方法对理论模型进行了验证。结果表明：橡胶复合装甲的变形与橡胶的体积流率、初始压力以及材料本身特性有关。在距离射流轴线半径20mm~80mm范围内,理论、仿真与试验三者所得到的面板的变形结果吻合较好。运用所建立的模型,可以较为精确的反映面板变形规律。     

基于改进Prony算法的RFI抑制处理方法研究

研究了以正弦波建模为基础的超宽带合成孔径雷达(ultrawide band syntheticapertureradar,UWB SAR)抑制射频噪声干扰(radiofrequencyinterference,RFI)的方法;详细研究了复噪声中正弦参数估计的统计性能,给出了模型中各参数估计的克拉美 罗限;分析了基于Prony法的准最优算法和迭代最大似然法2种参数估计方法,通过改进传统的Prony算法,改善了RFI信号参数的估计性能。最后,通过仿真实验,验证了所研究抑制算法的有效性。     

水蒸气/氧流化床两段煤气化制备低焦油合成气工艺实验

由下行床热解和提升管（或输送床）气化组合形成的流化床两段气化将煤气化反应过程解耦为煤热解和半焦气化两个反应阶段,热解产物完全进入气化反应器,利用其中的高温环境和输送的半焦催化作用分别实现焦油的热裂解与催化裂解,完成低焦油气化。利用该流化床两段气化的10 kg/h级实验室工艺实验装置,以榆林烟煤为原料、水蒸气/氧气作为气化剂,变化过量氧气系数ER、蒸汽炭比S/C、热解及气化温度等参数,研究水蒸气/氧流化床两段煤气化制备低焦油合成气的特性。结果表明,流化床两段气化系统可实现稳定运行（实验3 h以上）,在ER=0.36和S/C=0.15时,热解和气化的代表温度分别稳定在735℃和877℃,合成气的CO、CO₂、H₂、CH₄、C _n H _m 和N₂含量分别为14.33%、10.07%、18.39%、9.89%、1.82%和45.50%,相应的合成气产量达到1.8 m³/kg,低位热值8.99 MJ/m³,焦油含量0.437 g/m³,展示了制备低焦油合成气的技术特征。对于实际的长时间连续运行,更高的气化温度将使流化床两段气化具有更好的低焦油特性。     

强磁场对聚能射流稳定性作用机制

基于静态穿深实验以及闪光X光摄像实验,开展不同作用时序下磁场对聚能射流稳定性作用机制的研究.根据所得实验结果,分析相同炸高、不同时序控制作用下磁场耦合作用对聚能射流侵彻威力的影响.结合聚能射流与侵彻通道形态之间的关系,获得不同工况下与强磁场耦合后聚能射流对靶板的侵彻孔形形态特性,并通过孔形特性来判断强磁场对聚能射流稳定...     

栈式降噪自编码器在波形单元识别中的应用

为提高多功能雷达(Multi-Function Radar,MFR)波形单元的识别准确率和鲁棒性,提出一种栈式降噪自编码器(Stacked Denoising Autoencoders,SDAE)与支持向量机(Support Vector Machine,SVM)相结合的波形单元识别方法.首先摒弃传统依赖脉冲序列分析技术对MFR信号进行处理的方法,通过分析波形单元结构并借助参数间的联合变化特征,提出一种MFR波形单元分段识别模型,将传统对脉冲序列的识别转化为对MFR波形单元的识别;然后在该模型的基础上引入SDAE,对训练样本数据、SDAE隐含层神经元节点进行加噪处理,并利用这些加噪后的样本数据训练优化SDAE网络模型,提取出样本数据的深层稳健特征;最后引入SVM算法,借助SDAE挖掘出的样本深层特征,实现SVM模型的优化,得到最终的波形单元识别模型(SDAE-SVM).仿真实验表明:提出的波形单元识别方法在相同样本数目和测试误差的条件下,与SVM算法相比,能够取得较高的识别准确率,具备更优越的识别效果.证实MFR波形单元识别模型是有效的,且通过SDAE网络的引入,使得SDAE-SVM方法能够自主地挖掘原始信号的深层特征,提高波形单元识别的鲁棒性和准确率.     

自适应阵列抗干扰性能的解析定量分析

自适应阵列抗干扰性能常用输出信干噪比(Signal-to-Interference and Noise Ratio,SINR)损失、抗干扰改善因子(ECCM Improvement Factor,EIF)等来衡量,但目前尚缺乏解析的定量分析.为此,采用归纳法理论推导了均匀线阵条件下输出SINR损失、EIF等指标的解析表达式,定量获取了自适应阵列抗干扰性能.仿真实验验证了理论分析结果的有效性及快拍数对自适应阵列抗干扰性能的影响.     

基于遗传算法的SFAM训练样本序列的确定

训练样本集输入序列的确定直接关系到简单自适应谐振匹配网络(SFAM)作为分类器的执行性能,已有确定算法包括随机序列仿真算法、投票决策算法和最大-最小序列算法。基于遗传算法作为一种全局搜索算法的特点,本文提出用遗传算法实现SFAM训练样本集最优输入序列确定的方法,并以加州大学Irvine分校机器学习数据库作为实验样本库,实验结果表明,该算法比投票决策算法和最大-最小序列算法对提升SFAM网络分类器的分类精度和降低训练时间更为有效。