【摘 要】
:
雷达反隐身技术在现代立体化战争中的作用日益凸显,该文首先分析了雷达隐身机理,紧接着从低频反隐身、大功率孔径积反隐身及双/多基地反隐身三方面分析了传统的雷达反隐身技术,并结合隐身目标作战新特性,研究了网络化协同探测反隐身技术.
【机 构】
:
中国电子科技集团公司第三十八研究所,安徽合肥230088
论文部分内容阅读
雷达反隐身技术在现代立体化战争中的作用日益凸显,该文首先分析了雷达隐身机理,紧接着从低频反隐身、大功率孔径积反隐身及双/多基地反隐身三方面分析了传统的雷达反隐身技术,并结合隐身目标作战新特性,研究了网络化协同探测反隐身技术.
其他文献
如今互联网正在高速发展,信息的传播方式不断发生转变,网络上的信息量也在急速膨胀,虽然降低了网民获取资源的门槛,但为网络中不良文化的滋生和传播提供了条件.如今大量青少年触网且上网年龄不断低龄化,但青少年各方面不够成熟,辨别是非能力差,缺乏自我保护能力,法律意识薄弱,很容易受到负面影响.现今在计算机视觉领域中,图文内容识别技术发展迅猛,识别准确率高、速度快、成本低.图像识别技术能够有效地应用于青少年上网监护过程中,达到高效监护的效果.
对于正多边形和心脏线图形的生成,本文给出了新的递推公式,并以该公式为基础构造了正多边形和心脏线的生成算法;该算法在等分角度的设定下,计算正多边形每对顶点需要2次乘法运算,计算心脏线每对点需要4次乘法运算,算法避免了大量的三角函数运算因而效率较高.用VB编写程序对算法进行了验证,算法具有一定的实用价值.
进入21世纪以来,我国城轨车辆的运用频率越来越高,但受基础作业设备、人员技能水平等因素的影响,城轨车辆管理较为落后,存在着管理模式不统一、维护手段单一、智能化不足等问题.本文针对城轨车辆管理中存在的问题,对智能运维技术在城轨车辆管理中的运用进行了研究,希望能够实现列车全寿命周期管理,确保城轨车辆的正常运行.
传统的数据压缩方法在处理数据时负荷较大,响应频率较低,因此需要研究基于灰色GM模型进行数据压缩处理.首先对压缩数据接口模块进行设计,并运用GM模型进行数据压缩,最后对处理结果进行建模分析,由此完成数据压缩处理.为验证设计方法的有效性,进行对比实验,证明设计方法相较于传统方法具有更高的响应频率.
针对手机用户有线上图书推荐以及图书购买的需求,本文以Axure作为运行环境,采用输出为RP以及HTML文件为模板,进行多页面图书购买界面设计,实现用户可以在本网站进行图书详情的查看,以及购买图书.
智慧教室是在当今教育改革的背景下出现的一种新型教学方式,实现教育及教学资源的重新整合,能够提高教学资源的利用率,科学地对相关的教学资源进行共享建设.在互动过程中营造良好的学习氛围,实现理实一体化教学.作为智慧校园的重要组成部分,智慧教室系统的建设是必然前提,该文通过对智慧教室的研究现状做出具体分析,对基于物联网技术的智慧教室系统的建设内容,给出了具体描述,并结合建设内容以及核心系统提出了相关看法.
集群作业管理系统作为高性能计算领域的核心技术,伴随着计算机技术的发展进步逐渐成为计算机学科的热点研究领域.作为集群系统软件的重要组成部分,集群作业管理系统可以根据用户的需求,统一管理和调度集群的软硬件资源,保证用户作业公平合理地共享集群资源,提高系统利用率和吞吐率.传统作业管理系统大多需要以命令行的方式进行管理,用户需要熟练掌握多种调度器命令.Slurm是一种可用于大型计算节点集群的高度可伸缩和容错的集群管理器和作业调度系统,被世界范围内的超级计算机和计算集群广泛采用.本文以Slurm作业调度器为例,对其
病理语音是患者神经系统受损导致发音运动不协调所产生的语音.现有病理语音分析方法大多数采用频域语音特征如梅尔倒谱系数,并且识别模型也大多采用支持向量机模型.因此,提出一种时频特征短时傅里叶变换系数与梯度提升决策树的病理语音识别模型.首先,使用自建的脑卒中构音障碍数据集,提取语音的时频特征短时傅里叶变换系数.随后,结合梯度提升决策树算法进行分类识别.实验结果表明,提出的声学特征能够胜任脑卒中构音障碍识别任务.与梯度提升决策树分类器结合后,音节级别的准确率为68.5%,上升到说话人级别后准确率达到88.2%.
在传统的院前急救模式中将引入移动医疗,通过4G网络、大数据分析、物联网等技术把急危重症患者的生命体征、心电图、急救医生对患者的等级测评、初步诊断、抢救现场等信息从急救现场及移动的救护车内实时传输到医院急诊科,获取到信息后可针对性地组织院内专家团队远程会诊并指导急救医生现场操作,这对于重症患者,大大提高了患者的急救成功率.新兴技术的应用可将院前急救、院内一体化救治有机地融合在一起,实现信息互联互通,对于缩短急救时间,降低急救死亡率起到了关键作用.
针对现有算法对高密度椒盐噪声滤波不足的问题,本文提出一种去除高密度椒盐噪声的中值滤波算法.该算法首先对椒盐噪声图像进行噪声检测,把图像分为噪声点和信号点;然后只对噪声点利用噪声像素周围的信号点进行中值滤波处理.实验结果表明,本算法比其他算法具备更好地去噪能力和细节保护能力,尤其在高密度(如90%)噪声情况下,本算法获得的峰值信噪比(PSNR)比其他算法要高最少5dB左右.