气相色谱法测定莪术挥发油中榄香烯含量

以SE-30毛细管色谱柱为分析柱,正十六烷为内标物质,采用程序升温气相色谱法测定莪术挥发油中榄香烯的含量。在榄香烯质量浓度为0.50~3.00 mg/mL范围内呈线性关系,线性方程为Y=0.899 6C-0.000 7(r=0.998 8),加样回收率为104.3%,日内及日间精密度RSD≤5.00%(n=5)。     

一种混合的机动群目标分离检测跟踪算法

为了改善雷达对分离后群目标的跟踪性能,提出了一种混合的群目标分离检测与外形估计算法。该算法首先利用单个随机矩阵计算群外形尺寸,然后根据其数值变化分析群的态势;当检测到群分离后,利用k-均值聚类算法对各分群进行聚类,采用最小二乘法将各分群的有效量测拟合成多个椭圆,最后进行航迹关联。该算法的特点是:基于聚类思想处理分群量测,并采用多个椭圆描述群目标的形状;相比于传统随机矩阵算法,估计结果收敛较快。仿真结果表明,相比于传统单个随机矩阵,该混合算法能够估计分离后的群目标形状;相比于半正定规划求解群形状参数,该混合算法的单次蒙特卡洛仿真时间减少了2个量级,证明了算法的有效性。     

基于神经网络的多功能雷达行为辨识方法

针对多功能雷达行为状态复杂多变、难以识别的问题,构建了多功能雷达行为数据集,提出了一种基于神经网络的雷达行为辨识方法。首先对数据进行预处理,提取多功能雷达的参数特征与行为状态特征,并建立两者间的映射关系。然后通过基于贝叶斯准则的变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的脉冲数组样本。最后通过数据推理丰富数据库,为数据驱动的智能识别方法提供可靠的数据准备,增强神经网络的泛化能力。针对处理后的雷达行为数据集的特点,设计BP神经网络进行训练与测试。仿真实验结果表明:训练完成的网络模型在识别过程中一定程度上克服了噪声变量等干扰的影响,正确率可以达到89%。     

基于内插采样技术的高精度时间间隔测量方法

针对当前时间间隔测量方法中存在的问题,提出了一种基于内插采样技术的高精度时间间隔测量方法。该方法将对原理误差的测量转变为对基准信号相位的测量,完全克服了传统时间间隔测量方法的测量原理误差,并且解决了测量范围与测量精度的矛盾,能够完成实时测量。理论分析与计算机仿真结果均表明该方法是切实可行的。