【摘 要】
：
针对防空导弹发控车车载测试系统恶劣的电磁工作环境，文章综合运用了多种硬件和软件的抗干扰技术，分析了某型导弹发控车车载测试系统实际工作环境电磁干扰来源，并且详细阐述了车
【机 构】
：
空军驻华北地区军事代表室,北京航天测控技术开发公司
论文部分内容阅读
针对防空导弹发控车车载测试系统恶劣的电磁工作环境，文章综合运用了多种硬件和软件的抗干扰技术，分析了某型导弹发控车车载测试系统实际工作环境电磁干扰来源，并且详细阐述了车载测试系统抗干扰设计中的难点问题，提出了一种提高车载测试系统现场抗干扰能力的综合实用方案；通过实际应用表明，该综合方案提高了车载测试系统的抗干扰特性，解决了部队应急抢修现场复杂电磁环境对导弹发控车测试造成的影响，保证了测试的正确性和可靠性。
其他文献
传统人工神经网络的输入均为向量形式,而图像由矩阵形式表示,因此,在用人工神经网络进行图像处理时,图像将以向量形式输入至神经网络,这破坏了图像的结构信息,从而影响了图像处理的效果。为了提高网络对图像的处理能力,文中借鉴了深度学习的思想与方法,引进了具有矩阵输入的多层前向神经网络。同时,采用传统的反向传播训练算法(BP)训练该网络,给出了训练过程与训练算法,并在USPS手写数字数据集上进行了数值实验。
基于Image Quilting算法,基于块匹配的误差提出了一种基于自相似匹配的改进方法,其有效提高了缝合速度及合成质量,对不同纹理样本都能取得较好的合成效果。该算法首先根据样本图像大小动态确定匹配块的大小;之后通过自相似匹配的原理设置了缝合块的边界匹配误差,保留了缝合块的边界信息;在缝合过程中使用贪心算法选取相似性最高的块作为下一个待缝合的块,通过局部最优合成效果合成最终纹理图像。实验结果表明,
车道检测是辅助驾驶和自动驾驶的重要研究内容。针对现有车道检测算法的鲁棒性和复杂度较难均衡等问题,提出一种基于多帧叠加和窗口搜索的快速车道检测算法。首先,通过逆透视变换(IPM)把指定的感兴趣区域(ROI)转换成鸟瞰图,结合多帧叠加的方法把RGB图像转化成二值图。其次,根据近视场中的像素密度分布,计算当前帧的车道线起始点,并采用滑动窗口搜索的方法提取整个车道线。最后,根据车道线的特征,选择不同的车道
面对Internet的快速发展以及Web上的海量信息资源,用户如何快速并准确地定位到需要的信息成为了一个亟待解决的问题,面向知识推荐服务的选课决策由此产生。面向知识推荐服务
由于视觉注意预测能够快速、准确地定位图像中的显著区域,因此将视觉注意中的频域信息融入显著性目标检测中,从而有效地在复杂场景中检测显著性目标。首先,采用改进的频域检测方法对图像进行视觉注意预测,将该频域信息融入Focusness特征中计算得到频域信息聚焦特征,并将此特征与颜色特征进行融合得到前景显著图。然后,对RBD背景进行优化,得到背景显著图。最后,对前景显著图、背景显著图进行融合。在ESSCD,
针对现有的激光陀螺热致零偏补偿方法在精度方面存在不足的问题，设计了一种在神经网络基础上改进的热致零偏补偿算法，利用神经网络求取更加准确的热拟合系数，从而有效抑制热致零
从低成本、高精度、宽范围电压、频率测量技术，特别是变频设备测量的需求出发，提出了一种基于在线可编程技术AT89S52的宽频带、宽电压范围的测试系统；它可以独立运行实时测量，也
针对行人检测算法中缺少空时信息融合、检测区域过大等问题,提出了一种联合似物性检测和基于通道协方差信息的改进算法。该算法首先对图像进行二进制梯度归一化的似物性检测,并形成行人检测候选区域,缩小检测区域;然后提取待测目标的空间和时间特征;最后基于协方差信息构造一种融合空时特征的检测器,以提高检测精度。在公开的数据集INRIA和Caltech上的实验结果表明:该算法的性能优于目前主流的行人检测算法。
相比于传统的降维算法,深度学习中的栈式自编码器(Stacked Autoencoder,SAE)能够有效地学习特征并实现高效降维,然而对输入特征极其敏感。第二代离散曲波变换(Discrete Curvelet Transform,DCT)能够提取出人脸的各向信息(包含边缘和概貌特征),确保SAE的输入特征充分,从而弥补了其不足。因此,提出了一种基于Curv-SAE特征融合的人脸识别降维算法,即对人