基于完全互补码波形的非零多普勒目标检测

本文将完全互补码(Complete Complementary Code, CCC)应用于多输入多输出(Multiple Input Multiple Output, MIMO)雷达目标探测中，针对具有非零多普勒的多目标检测问题，提出一种基于广义普洛黑-修-莫尔斯(Generalized Prouhet-Thue-Morse, GPTM)序列和二项式系数加权的信号处理方法。该方法分别在发射端和接收端进行处理，在发射端采用GPTM序列设计方法调整脉冲的发射顺序，以降低由多普勒引起的距离旁瓣；在接收端通过二项式设计(Binomial Design, BD)方法为各接收脉冲加上不同权重，扩大目标多普勒附近的清洁区。为综合上述两次处理的优势，将两次处理得到的距离多普勒谱进行逐点最小化处理，得到最终的距离多普勒谱，然后进行有序恒虚警检测。仿真结果表明，本文所提的信号处理方法具有良好的旁瓣抑制效果和多普勒分辨率，能够有效检测出非零多普勒目标。     

热轧压下率对车用大厚度比镁铝合金板组织和力学性能的影响

选择厚度为0.2 mm的6063铝合金与厚度为5.0 mm的AZ80镁合金进行组坯,设定厚度比为20,分析各热轧压下率下、以热轧方式制得的大厚度比镁铝合金板的组织和力学性能。研究结果表明:当热轧压下率达到45%或更高时,镁铝合金板形成了结合性能优异的界面,镁基体内形成了均匀分布的细小晶粒;提高热轧压下率后,基体中的晶粒尺寸不断减小,此时形成了更小的晶粒尺寸离散系数,更多晶粒被压碎,晶粒分布状态也比较均匀;提高热轧压下率后,获得了更高屈服强度的大厚度比镁铝合金板,材料发生了更明显的加工硬化,而抗拉强度则先增大再下降,当热轧压下率达到55%时,获得了最大的抗拉强度;当热轧压下率达到65%时,韧窝数量明显增多,表明镁合金通过动态再结晶转变获得了更强的韧性。屈服应力呈现明显波动的状态,热轧压下率为35%时,获得了最高的屈服强度,65%热轧压下率下的屈服强度最低,逐渐提高热轧压下率后,屈服应力也不断减小。     

漫谈十三五交通规划中的风险防控与低碳易达问题

编者按“十三五规划”是上海新一轮的城市规划，这一轮规划在交通领域有哪些值得重点关注的方面？围绕这个问题，近期本刊采访了上海交通运输研究中心主任陆锡明，他重点谈到了交通十三五规划在过程中的“风险防控”与目标上的“低碳易达”问题，这是以往的几个五年规划中所忽略的。     

现金流波动性对企业价值的影响研究

在公司金融理论领域,公司价值的影响因素得到了广泛的关注,其中经营和盈利状况是关键性指标。由于上市公司管理层存在自身激励进行盈余管理,应计会计使得公司所面临的经营和盈利波动被掩盖,市场往往通过识别现金流的波动状况给予公司相应的估值。文章以2003—2012年沪深上市公司可得财务数据为样本,通过构建混合截面数据并进行多元回归分析对现金流波动性与企业价值之间的关系进行了探索,结果表明现金流波动率与企业价值显著负相关,现金流波动率每提高1%,公司价值对应降低0.07%。因此,在信息披露制度日益完善的今天,上市公司管理层应当通过风险管理手段降低现金流波动率,从而提高公司的市场价值。     

小型双级活塞推料离心机主要运行参数设计

针对小型化工厂废水处理中,双级活塞推料离心机固液分离产能过大,从而要求设计生产能力在300 kg/h～500 kg/h,残余含湿率≤5%的双级活塞推料离心机的问题,研究了影响生产能力的推料行程、滤饼厚度、推料次数以及影响残余含湿率的分离因数、分离时间等相关参数。采用了P-40双级活塞推料离心机的实际运行和分离效果参数,应用换算法对P-25小型双级活塞推料离心机的推料行程、推料次数、转鼓过滤长度、转鼓转速等运行参数进行了设计,确定了转鼓直径。研究结果表明:生产能力和残余含湿率在理论上可满足用户的要求;P-25双级活塞推料离心机在实际运行中生产能力达到300 kg/h～550 kg/h,残余含湿率在4.5%～5%之间,达到了预期效果。     

基于神经网络和遗传算法的锭子弹性管性能优化

为得到减振弹性管对下锭胆的支承弹性和锭子高速运动下的稳定性等性能的最优匹配效率,依据减振弹性管的等效抗弯刚度及底部等效刚度系数公式,利用MatLab数值分析软件构建弹性管抗弯刚度和底部挠度数学模型。首先,结合Isight优化软件基于径向基神经网络构建其近似模型,且使精度达到可接受水平,并以模型的关键结构参数弹性模量、螺距、槽宽、壁厚为设计变量,结合遗传算法对弹性管抗弯刚度和底部挠度进行多目标优化设计,得到Pareto最优解集和Pareto前沿图,确定出减振弹性管结构工艺参数的优化方案。通过对优化数据进行分析发现,该方案在保证减振弹性管弹性的同时,其底部振幅明显减弱。     

扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。