一种强杂波背景下弱小目标长时间相参积累方法

伴随无人机技术的发展，低空慢速小目标面临杂波强和目标回波弱的问题，同时相控阵雷达需要兼顾空域警戒等多种任务，需要将弱小目标的多次观测信号进行积累检测。文中提出一种基于线性约束最小方差法（LCMV）稀疏基压缩感知（LCMV-CS）的相参积累技术，实现弱小目标多次观测信号片段相参积累，同时实现对强杂波的抑制处理。仿真条件不等间隔积累损失≤1dB，解决常规FFrll相参积累栅瓣的问题，同时抑制强地物杂波40dB，利用实录数据验证该方法可以有效抑制强杂波的同时提升目标信噪比。

让竹笛演奏艺术在小学音乐课堂中传承

竹笛是民族传统的器乐,作为炎黄子孙应该使之发扬光大。本文从四个方面探讨了如何让竹笛演奏艺术在小学音乐课堂中传承的问题。

基于混合核深度适配网络的HRRP目标识别

为了改善基于卷积神经网络(CNN)的雷达目标识别模型的泛化能力,本文将深度适配网络(DAN)方法引入到高分辨一维距离像(HRRP)目标识别中。为了进一步提高DAN方法的性能,创新性地提出了混合核函数MMD代替传统DAN中的多核MMD,设计了基于混合核函数的MMD损失函数。本文使用服从瑞利分布的海杂波来干扰目标域数据。网络模型中使用一维CNN提取特征,使用混合核函数DAN来减少源域和目标域间特征分布的差异。实验表明,相对常规迁移学习方法和DAN方法,在海杂波影响下该方法可将目标域数据识别率提高15%左右,显著提高了模型的泛化性能和鲁棒性。

基于压缩感知和深度学习的分类识别技术

雷达对空飞机目标分类可实现雷达装备获得敌机属性和类别信息,对于现代战争其重要性显得尤为突出。针对复杂电磁环境下的飞机目标分类问题,结合防空雷达的特点建立3类(固定翼、螺旋桨和直升机)飞机旋转部件调制回波模型,并理论分析了不同类型飞机目标的微动特征差异。仿真分析在复杂电磁环境下干扰对微动频谱的影响。引入压缩感知方法进行干扰条件下的微动特征稀疏恢复,采用堆栈自编码学习(SAE)方法构建深层神经网络对目标进行自动特征提取和分类识别;实录数据验证表明,本文特征提取和识别方法在干扰比例41%时识别正确率能达到75%。

激光冲击强化和时效处理对AZ80镁合金形变孪晶及析出相的影响

采用固溶+激光冲击强化(LSP)+时效方法,研究了AZ80镁合金轧板和铸态组织参数(形变孪晶和析出相)和残余应力演变,以及时效处理对其影响。结果表明,固溶+LSP处理后轧板强化层内形成高密度孪晶的形变带,铸态合金高密度形变孪晶产生于晶界附近,均产生于应力集中和高能区域,产生一次或多次孪晶,呈平行或交叉孪晶。时效后连续析出大量的颗粒状β相,其优先于形变带内、孪晶界面或片状孪晶内析出,与晶粒尺寸相关。时效后轧板和铸态冲击表面残余压应力分别为由-100.8 MPa和-68.9 MPa转变为-67.8 MPa和-35.9 MPa,即应力松弛为32.7%和48.7%。LSP次表层硬化效果明显,其时效强化效果较弱。残余压应力及其热稳定性是影响高密度形变孪晶的形成主要因素之一。