【摘 要】
：
叙利亚军事行动是俄军新世纪以来首次远离本土展开的远程作战行动,也是以俄空天军为主参与实施的海外远程作战行动.以此次俄空天军远程作战行动为背景,聚焦俄空天军远程作战
论文部分内容阅读
叙利亚军事行动是俄军新世纪以来首次远离本土展开的远程作战行动,也是以俄空天军为主参与实施的海外远程作战行动.以此次俄空天军远程作战行动为背景,聚焦俄空天军远程作战能力建设,从装备技术、作战训练和人才培养三个方面分析了俄空天军远程作战能力建设的主要内容和特点,并从完善情报侦察系统、优化指挥控制体系、推进海外基地建设和改进技术装备性能等方面科学评判了俄空天军远程作战能力建设的发展趋势.
其他文献
本文将对工艺鉴定流程进行研究,分析工艺质量和工艺可靠性方面可能存在的问题,针对性给出工艺制程优化、物料管控优化等整改措施,以达到改良PCBA工艺质量的目的。
当今,随着人口老龄化的不断加剧,老年人健身康复问题得到重视,据中国国家统计局数据调查,我国人口老龄化进程将在2040年达到顶峰,拐杖的智能多样化势在必行。为此,本项目基于51单片机,设计了一款适用于老年人的安全健身的智能康复拐杖,使其具备光感照明功能、障碍物检测功能、计步定位功能、姿态监测功能、多传感提醒功能等,可以进行个性化组装,有基础的人机交互系统,其成本低廉、使用简单、便捷有效,能够为老年人康复健身提供有效的数据化依据和基本保障,令其出行更加安全。
本文结合为某研究所定制研发的自动综合测试系统项目,首先从需求出发对该系统软件进行了概要设计,然后从测试程序执行的各个步骤探讨了多通道收发组件测试系统软件的具体优化方法和思路,主要在测试序列设计过程中从系统校准、被测件控制、仪器控制、数据处理等方面研究了提高收发组件测试效率的方法,全面覆盖需求的同时兼顾效率优先原则来完成设计。
历经多年的发展,无人机(UAV)从无到有,相关技术也日益完善。同时,人们对无人机提出了越来越高的要求,需要无人机承担的任务越也来越复杂。单架无人机所具备的性能早已不能匹配各种新任务的要求,因此,多无人机协同编队成为了无人机技术最重要的发展趋势。相较于单个无人机,编队协同能够借助于多架无人机编队飞行,扩大作业范围、提高作业效率以及安全性,也使得无人机得到更加广泛的运用。
当代吸气式高超声速研究成为热潮,促进了该领域的巨大进步,从而使得吸气式高超声速推进系统有着非常广泛的应用前景。吸气式高超声速飞行器工作环境的特殊性导致其能量管理、利用与常规航空器存在巨大差异,不能采用常见的能量管理方式。总结了吸气式高超声速飞行器能量管理理论的现状,说明介绍了吸气式高超声速飞行器机载能量管理技术的发展现状,在此基础上,总结了吸气式高超声速飞行器能量管理与利用技术未来可能的发展方向。
高等院校电力系统是否正常运行直接影响学校的教学及科研能否正常开展。配电网是电力系统中起电能分配作用的关键环节,对其运行状态监测具有重要意义。传统配电网监测通过工作人员定时、定点巡检完成,存在劳动强度大、工作效率低等不足。结合无线通信技术,设计了基于PLC的大学校园配电网远程监控系统,一定程度上能降低工作人员劳动强度、提高工作效率,甚至实现无人值守。
混合预编码对于提高多用户毫米波大规模多输入多输出(MIMO)系统的性能至关重要,但目前基于全连接结构与子连接结构的混合预编码分别存在高能耗与性能损失严重的问题。该文综合考虑系统的频谱效率与能量效率,提出混合动态连接结构,并设计该结构下的混合预编码算法。该算法通过最大化信干噪比(SINR)的增量来设计混合动态连接结构的模拟域预编码,然后基于等效信道运用块对角化(BD)设计数字域预编码抑制多用户多流干
现有的基于雷达传感器的手势识别方法,大多先利用雷达回波对手势的距离、多普勒和角度等信息进行参数估计,得到各种数据谱图,然后再利用卷积神经网络对这些谱图进行分类,实现过程较为复杂。该文提出一种基于串联式1维神经网络(1D-ScNN)的毫米波雷达动态手势识别方法。首先基于毫米波雷达获取动态手势的原始回波,然后利用1维卷积和池化操作对手势特征进行提取,并将这些特征信息输入1维Inception v3结构。最后在网络的末端接入长短期记忆(LSTM)网络来聚合1维特征,充分利用动态手势的帧间相关性,提高识别准确率和
工程教育理念的关键是成果导向教育(Outcome based education,简称OBE)、以学生为中心和持续改进。课程组在工程教育理念的指导下,针对高等教育系统改革环境下宽口径、大类招生的特点,紧跟电子信息类专业培养方案构建了符合专业特点的电路分析实验课程体系:基本电路理论知识点采用虚实结合的方式对比理解;设计综合实验教学案例,利用“远程实境实验”技术克服传统长学时实验时间和空间的限制,加强学生解决复杂工程问题的能力;并入科研热点,增加第四种基本电路元件—忆阻器,完善知识体系,实现创新能力的培养。
本文提出了一种基于Bootstrap方法和核极限学习机的风电功率区间预测方法。基于Bootstrap抽样方法获取多组数据样本,建立风电出力和风电出力影响因素之间的多个非线性映射模型,用核极限学习机来实现拟合回归;采用PSO算法优化核极限学习机模型参数;用Bootstrap方法对多组数据所建立的模型的预测方差进行估计,并根据其方差和置信度建立预测区间。本文根据实际的算例验证了所建立模型的有效性和可靠性。