-
摘要: 制导炮弹是由常规火炮发射，在飞行过程中进行搜索、导引和控制，能够对目标实施精确点打击的制导武器.制导炮弹转速的精确测量是实现精确制导和控制的基础.对制导炮弹转速测量技术进行了综述，首先，论述了制导炮弹的发展现状，接着分析了制导炮弹转速测量的必要性，并且阐述了制导炮弹转速测量的特点；然后，对现有旋转弹转速测量的方法和手段加以总结，并指出了适用于制导炮弹的转速测量及信息处理方法，包括利用磁阻传感器和高动态振动陀螺测量制导炮弹转速的原理以及关键技术；最后，指出了制导炮弹转速测量技术今后的研究方向和研究重点.Abstract: Guided projectile fired by the conventional artillery is one of the guided weapons which can strike the targets accurately by searching, guiding and controlling during the flight. Accurate spin rate measurement for guided projectile is the key to precise guidance and control. The spin rate measurement technology for guided projectile is summarized as follows. Firstly, the development situation of the guided projectile is discussed, then the necessity of measuring guided projectile spin rate is analyzed and measurement characteristics are explained. After that, spin rate measurement methods for spinning projectile are summarized. Meanwhile, spin rate measurement and information processing methods for guided projectile based on magnetoresistive sensor and high dynamic vibratory gyroscope are described. Finally, future research direction and focus of spin rate measurement technology for guided projectile are suggested.
-
近年来,随着社交网络和电子商务的飞速发展,微博、Twitter、即时信息、商品评价等短文本形式的文字充斥着互联网.这些短文本包含了用户的潜在需求、兴趣点、意图倾向等,如何能够从这些短文本中获取信息从而更好地为用户提供服务成为关键.然而,这些短文本通常都有长度限制,如微博字数限制在140字以内,短消息限制在70字以内,如何能够从只言片语中挖掘出目标信息成为了一大挑战.在使用传统的向量空间模型 (Vector space model,VSM)将短文本数字向量化时,该向量会很稀疏[1],特别是在测试阶段,由于训练数据的不充分,会造成很多有用特征因未被模型捕获过而被忽略的情况,因此使用传统的文本分类方法将导致分类结果不理想.
为了充分利用短文本所蕴含的信息,已有很多相关研究.一种方案是计算短文本之间的相似性,文献[2]提出使用外部数据作为一个桥梁,如果预测文档和训练文档同时和某一外部文档相似,那么领域标签信息也应该一样,但搜集的外部数据必须和实验数据相关;文献[3]提出使用搜索引擎返回的结果来衡量两个词语之间的相似度,但是需要等待搜索引擎返回结果,比较耗时,不利于在线实时应用;文献[4]提出使用固定的资源维基百科作为知识库进行搜索.另一种解决方案是在短文本稀疏特征的基础上扩展相关语义特征,文献[5]提出使用Lucene[6]对维基百科建立索引,在原有特征基础上增加Lucene返回的搜索结果作为额外特征;文献[7]提出使用短文本隐藏的主题作为额外特征集,在相关数据上使用LDA(Latent Dirichlet allocation)[8]获得主题模型,针对短文本首先进行推理得到主题特征,与原始特征融合用于训练和分类.上述研究都是基于利用外部相关数据对原始文本进行相似度估计或者特征扩展,并且取得了不错的效果,但是对外部数据的相关性要求较高,而这些相关数据通常是根据领域知识,人工干预下进行收集的,在实际应用中获取相关领域的外部数据有时比较困难.上述方法最终将文本转换为空间向量,统计特征的共现权重,简单来说是一种计数原理.随着神经网络模型在自然语言处理中的广泛应用,文献[9]提出将词矢量作为输入特征,利用卷积神经网络进行模型训练.为了得到句子层级的矢量表示,文献[10]提出将变长文本训练为固定维度的段落矢量(Paragraph vector)的概念,文献[11]提出动态卷积神经网络,不依赖于句法解析树,而是利用动态k-max pooling提取全局特征.
基于文献[7],为了摆脱对外部相关数据的过度依赖,本文从句子语义层面出发,深度挖掘短文本所表达的语义.本文利用词矢量作为输入特征表征语义.词矢量是指将词语映射成空间中的一个低维实数向量,向量之间的距离描述了词与词之间的语义关系,语义相近的词语在空间中成群出现,提高了文字表示的泛化能力.为了更好地利用词矢量,本文提出了概率语义分布模型,利用词矢量来表征语义分布,在一定程度上避免了数据的稀疏性问题,实验结果表明,本文所提出的方法准确率相对于传统的分类器提高了17.7%.
本文结构如下:第1节简要介绍连续空间词矢量,第2节描述了本文提出的概率语义分布模型,第3节介绍了在概率语义分布模型的假设下,本文提出了一种基于通用语义背景模型的短文本分类方法,第4节为实验及结果分析,第5节给出总结.
1. 连续空间词矢量
近几年,越来越多的学者开始关注利用低维实数向量来表征一个词、短语或者句子.例如,LSA (Latent semantic analysis)[12]和 LDA模型将文本映射成主题模型里的一个低维向量.随着神经网络的广泛应用,人们可以利用神经网络对大规模语料进行语言模型训练,同时能够得到描述语义和句法关系的词矢量.其中,文献[13]提出的Skip-gram模型便是一种能够高效得到词矢量的训练模型,通过训练无标注语料将每个词映射成低维实数向量,每一维都代表了词的浅层语义特征[14].同时,文献[15]发现上述模型训练得到的词矢量能够通过余弦距离描述词与词之间的语义和句法关系,并且相同的余弦距离表征了同样关系,例如,向量"Man"与向量"King"之间的距离近似于向量"Woman"与向量"Queen"之间的距离.因此,本文利用词矢量上述特性,结合短文本的特点,提出了概率语义分布模型,应用于短文本分类中.
2. 概率语义分布模型
不同于传统的文本分类算法,本文认为短文本是在贝叶斯框架下各个领域里的一个抽样.本文假设短文本数据产生于一个概率语义分布模型,不同领域数据来自于不同的语义分布模型,并且我们可以利用已知的文本数据去估计这些模型.得到这些模型之后,对于新的测试数据,计算来源于各个模型的概率,根据贝叶斯原理选择类别标签作为预测结果.
假设训练数据包含一系列的短文本文档,D={d1,d2, $d_3,\cdots,d_n$ },di表示一条短文本,共n条训练数据,分别属于C={c1,c2, $c_3,\cdots,c_m$ },cj为领域标记,共m个领域.本文假设同一领域短文本文档产生于同一个语义分布模型(模型参数为λ).一条短文本数据di的产生,首先根据先验概率p(cj|λ)选择语义分布模型,然后根据该领域模型的模型参数p(di|cj;λ)产生文档di.因此文档di的产生概率为p(di|λ):
$p({{d}_{i}}|\lambda )=\sum\limits_{j=1}^{m}{p}({{c}_{j}}|\text{ }\lambda )p({{d}_{i}}|{{c}_{j}};\lambda )$
(1) 类似于一元语言模型,认为短文本中词与词之间是互相独立的,不依赖于前文信息,dik表示短文本di中位置为k的单词,|di| 表示文本中单词的个数,则有
$p({{d}_{i}}|{{c}_{j}};\text{ }\lambda )=\prod\limits_{k=1}^{|{{d}_{i}}|}{p}({{d}_{ik}}|{{c}_{j}};\text{ }\lambda )$
(2) 假设已通过训练数据计算得到模型参数 $\widehat{\text{ }\lambda }$ ,针对测试数据,可以分别计算各个分布模型产生该数据的概率.根据贝叶斯原理,由式(1) 和(2) 得到
$\begin{array}{*{35}{l}} p({{c}_{j}}|{{d}_{i}};\hat{\lambda }) & =\frac{p({{c}_{j}}|\hat{\lambda })p({{d}_{i}}|{{c}_{j}};\hat{\lambda })}{p({{d}_{i}}|\hat{\lambda })}=\text{ } \\ {} & \frac{p({{c}_{j}}|\hat{\lambda })\prod\limits_{k=1}^{|{{d}_{i}}|}{p}({{d}_{ik}}|{{c}_{j}};\hat{\lambda })}{\sum\limits_{l=1}^{|C|}{p}({{c}_{l}}|\hat{\lambda })\prod\limits_{k=1}^{|{{d}_{i}}|}{p}({{d}_{ik}}|{{c}_{l}};\hat{\lambda })}\text{ } \\ \end{array}$
(3) 根据上述提出的概率语义分布模型假设,本文认为可以选择合适的模型去近似描述每个领域内的词语分布.由于混合高斯模型能够描述任意形状的概率分布,因此本文选用混合高斯模型.由于训练数据的不充分,直接使用混合高斯模型进行多高斯训练时会产生欠拟合,因此本文在混合高斯模型的基础上提出了一种基于通用语义背景模型的短文本分类方法.
3. 基于通用语义背景模型的短文本分类
在实际应用中,由于自然语言表达的灵活性,获取足够多的标注数据是一件费时费力的事情,如何能够充分利用已有数据进行短文本分类成为关键.在图像处理、说话人识别系统中,高斯混合-通用背景模型[16-17]便是一种能够在训练数据不足的情况下,由一个通用的背景模型根据少量的训练数据自适应到目标模型上,并且取得了很好效果.因此,借鉴于高斯混合-通用背景模型,在概率语义分布模型的假设下,首先利用混合高斯构建通用概率语义背景分布模型,然后根据训练数据自适应得到目标领域概率语义分布模型,如图 1所示.
图 1 基于通用语义背景模型的短文本分类Fig. 1 Short text classification based on universal semantic background model3.1 词汇特征
在连续空间词矢量表示中,通过向量之间的空间距离来表征词与词之间的特定关系,并且文献[18]指出从大量无标记文本数据训练得到的词矢量要比随机初始化的矢量性能要好.在短文本分类中,我们应该首先训练得到词矢量.然而,词矢量的训练通常需要耗费很长时间,并且已有许多学者将训练好的词矢量进行了开源.本文的实验直接使用文献[19]提供的词矢量词典,该词典是利用大概十亿单词数量的谷歌新闻数据训练得到的维度为300的词矢量.
3.2 高斯混合模型
高斯混合模型(Gaussian mixture model,GMM)作为一种通用的概率模型,只要高斯数足够大,便能有效地模拟多维矢量的连续概率分布,因而很适合去表征语义分布.高斯混合模型是一系列高斯分布的加权组合.一个由M个高斯分量组成的高斯混合密度函数是M个高斯密度函数的线性加权和:
$p({{d}_{i}}|\lambda )=\sum\limits_{k=1}^{M}{{{w}_{k}}}{{p}_{k}}({{d}_{i}})\text{ }$
(4) 上式中 λ 为GMM模型参数,pk(di), $k = 1,\cdots,M$ 是高斯分量密度函数. wk, $k = 1,\cdots,M$ 是各个高斯分量的权重,满足 $\sum_{k=1}^{M} w_k=1$ .每个高斯分量的概率密度函数公式 $p_k(d_i)$ 表示如下:
$\frac{1}{{{(2\pi )}^{\frac{D}{2}}}|{{\Sigma }_{k}}{{|}^{\frac{1}{2}}}}\text{exp}\{-\frac{1}{2}{{({{d}_{i}}-{{\mu }_{k}})}^{\text{T}}}\Sigma _{k}^{-1}({{d}_{i}}-{{\mu }_{k}})\}\text{ }$
(5) 这里 $\mu_k$ 是第k个高斯分量的均值矢量, $\Sigma_k$ 为相应的协方差矩阵,D是特征矢量的维度. 这样,GMM模型便可以由以下参数集合表示:
$\lambda =\{{{w}_{k}},{{\mu }_{k}},{{\Sigma }_{k}}\},\quad k=1,2,\cdots ,M$
(6) 使用GMM对概率语义分布建模主要基于两个出发点: 1) GMM的高斯分量能够描述一定词矢量的分布; 2) 线性加权的高斯密度函数可以逼近任意形状的概率分布,因此选用GMM对语义分布进行描述.
3.3 最大后验模型自适应
利用高斯混合模型在无标注文本数据上训练得到通用概率语义背景分布模型,再用带有标记的训练数据进行模型自适应得到目标模型.最大后验概率(Maximum a posteriori,MAP)是一种典型的贝叶斯估计,它首先计算训练数据相对于通用背景模型的各个统计量,然后用一个相关系数将通用背景模型参数与相关统计量联合,得到目标模型.给定通用背景模型: $\lambda = \{w_k,\mu_k,\Sigma_k \},~k = 1,2,\cdots,M$ ,以及某一特定领域内的短文本训练数据 $D_{c_j}=\{d_{c_1},\cdots,d_{c_i},\cdots,d_{|c_j|} \}$ ,对每一条训练数据计算其在各高斯分量上的占有率,即后验条件概率:
\begin{equation}p(k|d_{c_i}) =\frac{w_kp_k(d_{c_i})}{\sum\limits_{j=1}^{M}w_jp_j(d_{c_i})}\end{equation}
(7) 然后便可计算出与权重相关的零阶统计量nk,与均值相关的一阶统计量 $E_k(d)$ 以及与协方差矩阵相关的二阶统计量 $E_k(d^2) $ :
\begin{equation}n_k = \sum_{c_i=1}^{|c_j|}p(k|d_{c_i}) \end{equation}
(8) \begin{equation}E_k(d) = \frac{1}{n_k}\sum_{c_i=1}^{|c_j|}d_{c_i}p(k|d_{c_i})\end{equation}
(9) \begin{equation}E_k(d^2) = \frac{1}{n_k}\sum_{c_i=1}^{|c_j|}d_{c_i}^2p(k|d_{c_i})\end{equation}
(10) 用以上计算得到的统计量对通用背景模型的各个高斯分量的权重、均值和协方差进行自适应,得到新的模型参数:
\begin{equation}w_k^* = \left[\frac{\alpha_k^wn_k}{T}+(1-\alpha_k^w)w_k\right]\gamma \end{equation}
(11) \begin{equation}\mu_k^* = \alpha_k^mE_k(d)+(1-\alpha_k^m)\mu_k \end{equation}
(12) \begin{equation}\sigma_k^{2*} = \alpha_k^\nu E_k(d^2) +(1-\alpha_k^\nu)(\sigma_k^2+\mu_k^2) -(\mu_k^*)^2 \end{equation}
(13) 其中 $\gamma$ 用来平衡高斯分量的权值,以保证更新后各分量的权值和为1. $\{\alpha_k^w,\alpha_k^m,\alpha_k^\nu\ \}$ 是调整新旧模型参数平衡的自适应系数,通常使用同一个自适应系数.为了能够确定上述参数,本文在训练集上使用5折交叉验证来确保参数的可靠性.
4. 实验结果与分析
为了验证所提出方法的有效性,本文利用文献[7]提供的短文本数据,首先验证背景模型和高斯数对分类性能的影响,其次与基线系统进行比较,最后验证所提出的方法对训练数据的依赖性.
4.1 实验数据与评价标准
本文选择文献[7]提供的网页搜索片段数据作为实验数据,网页搜索片段数据集是将特定领域词送入谷歌搜索引擎得到的搜索结果片段,为了保证领域的特定性,通常选取前20~30个片段作为引用数据.例如计算机类,选取60个计算机领域的词语,分别送入谷歌搜索引擎,每次抽取搜索结果的前20条数据作为训练数据,则可以得到1200条数据,数据分布如表 1.为了区分训练数据和测试数据,在生成测试数据时所使用的领域词不同于训练数据.如表 2所示,无论是英文单词未经提取词干还是经过提取词干(Porter stemming)[20]之后,都会有超过40%的未登录词(未登录词通常是指未在词典中出现的词[21])出现在测试集中,这极大地增加了分类的难度.
表 1 网页搜索片段数据分布Table 1 Statistics of web snippets data编号 领域 训练数据 测试数据 1 商业 1200 300 2 计算机 1200 300 3 文化与艺术 1880 330 4 教育与科技 2360 300 5 技术 220 150 6 健康 880 300 7 社会政策 1200 300 8 体育 1120 300 共计 10060 2280 表 2 未登录词分布Table 2 Statistics of unseen words原始单词 词干 训练数据 26 265 21 596 测试数据 10 037 8 200 未登录词 4 378 3 677 未登录词的比例 43.62% 44.84% 在实验过程中,本文使用精度(Precision,P)、召回率(Recall,R)、F1值和准确率(Accuracy,A)作为评价标准.
4.2 实验
4.2.1 参数设置
如何选择背景数据进行通用背景语义模型训练以及不同的背景模型对性能如何影响,混合高斯模型中的高斯数如何确定,这些参数都需要通过实验进行验证.本文选择: 1) 相关数据:去掉标注的训练数据作为背景数据;2) 通用数据:选取语言资源联盟 (Linguistic Data Consortium)提供的新闻数据[22],本文仅选取标签 Headline下的文本;3) 混合数据:相关数据和通用数据的混合,分别作为背景数据进行背景模型训练,实验结果如图 2所示.
当我们不断增加高斯数时,混合高斯能够很好地拟合特征分布,但是当高斯数过高时,由于数据的稀缺,会出现过拟合现象,正如图 2中当使用训练数据1) 进行背景模型训练时,高斯数达到256时无法拟合出混合高斯模型.在图 2中,直接使用无标注的训练数据进行通用背景模型训练,在低维混合高斯下能够快速地提高分类性能,但是由于数据有限,无法进行高维高斯拟合,高斯数为128时准确率达到78.6%;使用通用数据,由于数据量较大,能够进行高维高斯拟合,并且在高维混合高斯的情况下能够达到直接使用训练数据的分类性能,高斯数为8时准确率达到最高75.83%;当使用无标注的训练数据+通用数据时,高斯数为16,短文本分类准确率达到最高值80%.
4.2.2 与基线系统相比
为了验证本文所提方法的有效性,本文选择以下方法作为基线系统:
1) TF*IDF + SVM/MaxEnt:特征值采用TF*IDF进行计算,利用支持向量机(Support vector machine,SVM)或最大熵(MaxEnt)作为分类器.
2) LDA + MaxEnt:在文献[7]中,利用LDA对文本进行主题特征提取,与文本特征进行合并,利用MaxEnt进行分类模型的训练.
3) Wiki feature+SVM: 对维基百科数据1进行去除网页标签、网页链接等预处理之后,使用Lucene对其建立索引,对每一条短文本实验数据进行检索.在检索结果中,类似文献[5]中提出的方法,将维基百科数据的标题作为额外的文本特征扩充到原始短文本数据中.不同于文献[5]中所描述的聚类任务,我们将融合后的文本用于短文本分类.
1http://download.wikipedia.com/enwiki
4) Paragraph vector +SVM:文献[10]提出了一种无监督的方法,利用定长数学向量表征不定长文本.该模型认为当前词语的选择不仅由上下文决定,还由隐藏的文本矢量共同决定.该隐藏文本矢量可以看做为文本的隐藏主题[23].
5) LSTM (Long short term memory):对文献[24]中提出的LSTM模型进行修改,组成结构为单一的LSTM层、均值池化层(Average pooling layer)和 逻辑回归层(Logistic regression layer),使其能够进行文本类别预测[23].
在传统的文本分类方法中,通常是利用词袋模型(Bag of words,BoW)将文本离散化,计算特征权重,转换为向量空间模型中的特征权重向量,每个词被转换为字典中的索引数字.这种方法降低了计算复杂度,但是对于未登录词的处理能力大幅度降低.
由于在训练的过程中,分类模型未捕捉到未登录词对分类结果的贡献能力,在测试阶段,未登录词通常会被忽略.尤其是在该测试集中会出现超过40%的未登录词,这极大地增加了分类难度.因此,在表 3中传统的文本分类方法SVM和MaxEnt性能均不是很高.以维基百科作为搜索库,利用Lucene的搜索结果进行原始短文本扩展,在一定程度上降低了特征稀疏性,对分类性能有所提升.本文的方法利用词矢量将文本向量化,词矢量体现了一定的语言泛化能力,充分利用了训练数据里的每一个有用词语,使得准确率相对传统方法提高了17.7%,并且如表 4所示每一领域的分类结果 F1 值均优于传统的分类结果.在Paragraph vector和LSTM这两种模型中,都使用到了词矢量,但都未能有效地捕获到语句中的语义信息.
表 3 与基线系统对比实验结果(%)Table 3 Experimental results of the proposed method against other methods (%)方法 Accuracy TF*IDF+SVM 66.14 TF*IDF+MaxEnt 66.80 LDA+MaxEnt 82.18 Wiki feature+SVM 76.89 Paragraph vector+SVM 61.90 LSTM 63.00 本文的方法 80.00 文献[7]提到的方法需要根据领域知识额外准备大概470000篇维基百科数据,共计3.5GB的相关数据进行主题模型训练,增加了收集数据的难度.本文在使用混合数据时准确率达到80%,略低于文献[7]中的82.18%,但是本文有效地避免了收集相关数据的困难.本文选用维基百科数据,对其进行去除网页标签、链接等预处理之后,用于LDA主题模型训练和词矢量训练.在主题模型训练过程中,主题数目选择为50、100、200、300、400等,在训练集上利用五折交叉验证确定最优主题数.针对词矢量的训练,使用开源工具 word2vector2训练得到维度为300的词矢量.在使用相同外部数据的情况下,本文方法取得79.93%的性能,略高于基于LDA+MaxEnt方法的79.89%.从这一点可以看出,在使用外部数据进行主题模型训练时,外部数据与实验数据的相关性,是影响主题特征贡献能力的一个重要因素.因此,当面对一个新的分类任务时,文献[7]中的方法需要根据领域知识重新挑选大量相关语料进行主题模型训练,从一定程度来讲,本文的方法更易实现.
2http://word2vec.googlecode.com/svn/trunk
表 4 SVM、MaxEnt和本文方法的实验结果Table 4 Evaluations of SVM,MaxEnt and the proposed methodSVM MaxEnt 本文的方法 领域 P (%) R (%) F1 P (%) R (%) F1 P (%) R (%) F1 社会政策 77.61 52.00 0.6228 70.75 50.00 0.5859 86.36 70.37 0.7755 计算机 73.75 63.67 0.6834 72.26 66.00 0.6899 80.31 87.29 0.8365 教育与科技 41.98 82.00 0.5553 45.93 82.67 0.5905 81.60 68.23 0.7432 体育 85.19 76.67 0.8070 86.08 78.33 0.8202 84.54 89.93 0.8715 健康 89.01 56.67 0.6925 86.94 64.33 0.7395 76.35 85.57 0.8070 技术 76.53 50.00 0.6048 72.84 39.33 0.5108 58.82 93.33 0.7216 商业 70.37 57.00 0.6298 68.05 60.33 0.6396 73.99 67.33 0.7051 文化与艺术 62.27 81.52 0.7060 62.86 78.48 0.6981 88.15 77.85 0.8268 4.2.3 训练数据大小对分类效果的影响
为了验证本文方法对训练数据的依赖性,本文将训练数据保持原领域数据的分布比例不变平均分成10份,每次增加1份进行试验,在同一测试集上进行测试,得到10组实验结果,如图 3所示.由于SVM和MaxEnt的分类效果相差不大,因此仅选择了MaxEnt作为基线系统.随着训练数据的减少,测试集中未登录词的比重会逐渐加大,MaxEnt的分类效果变化幅度较大,对训练数据的依赖性比较大.在训练数据稀缺的情况下(仅占原训练数据的1/10) ,本文方法能够将正确率从47.06%提高到71.54% (相对提高52%).从另一角度说明如何充分利用词汇信息成为分类的关键,而这也是本文方法的关键.
为了进一步检验训练数据对本文方法的影响,本文继续将训练数据数量缩小,如图 4所示.在仅有100条训练数据的情况下,本文所提出的方法准确率能够达到51.4%,高于MaxEnt在1000条训练数据下的47.06%,这对于获取训练数据比较困难的应用来说,可以大大地降低对训练数据的依赖性.
5. 结论
本文摒弃了传统的文本向量空间表示模型,提出概率语义分布模型,认为短文本是来自于概率语义模型的一个抽样,利用词矢量将文本数字化,通过无标记数据构建通用语义背景模型,利用训练数据进行自适应得到目标模型.实验结果验证了本文所提出方法的可行性,利用能够表征语义和句法关系的词矢量有效地降低了训练数据不充分所带来的影响,短文本分类性能明显优于传统的文本分类方法,降低了对训练数据的依赖性.虽然本文的实验结果略低于基于主题模型的短文本分类系统的结果,但明显优于基于SVM和最大熵的分类算法,并且本文的方法无需准备大量的相关数据,在一定程度上本文方法更易实现.
-
图 1 磁阻传感器和钟形振子式角速率陀螺测量弹丸转速示意图
Fig. 1 Schematic diagram of spin rate measurement with magnetoresistive sensor and bell-shaped vibratory angular rate gyroscope
-
[1] 杨树兴, 赵良玉, 闫晓勇. 旋转弹动态稳定性理论. 北京: 国防工业出版社, 2014. 1-10Yang Shu-Xin, Zhao Liang-Yu, Yan Xiao-Yong. Dynamic Stability of Spinning Missiles. Beijing: National Defense Industry Press, 2014. 1-10 [2] 张振辉. 末制导炮弹与火炮身管相互耦合机理及适配性技术[硕士学位论文], 南京理工大学, 2012Zhang Zhen-Hui. The Intercoupling Mechanism and Suitability Technology between Terminal Guided Projectile and Gun Tube [Master dissertation], Nanjing University of Science and Technology, 2012 [3] Ilg M D. Guidance, Navigation, and Control for Munitions [Ph.D. dissertation], Drexel University, Philadelphia, 2008 [4] 牟宇, 程振轩, 王江. 制导炮弹技术现状与发展方向. 飞航导弹, 2008, (7): 33-37 http://www.cnki.com.cn/Article/CJFDTOTAL-FHDD200807015.htmMou Yu, Cheng Zhen-Xuan, Wang Jiang. Technology status and development tendency of guided projectile. Aerodynamic Missile Journal, 2008, (7): 33-37 http://www.cnki.com.cn/Article/CJFDTOTAL-FHDD200807015.htm [5] 史博, 赵志宁, 白宝健. 末制导炮弹发展概况和趋势. 价值工程, 2012, 31(13): 314-315 http://www.cnki.com.cn/Article/CJFDTOTAL-JZGC201213235.htmShi Bo, Zhao Zhi-Ning, Bai Bao-Jian. Review and development trend of terminal guided projectile. Value Engineering, 2012, 31(13): 314-315 http://www.cnki.com.cn/Article/CJFDTOTAL-JZGC201213235.htm [6] Nulk R A, Pastricky H L, Morrison P A. Copperhead semiactive laser guidance system development. Journal of Guidance, Control, and Dynamics, 1979, 2(5): 374-381 doi: 10.2514/3.55892 [7] 方艳艳, 柴金华. 美俄激光末制导炮弹的对比分析. 制导与引信, 2004, 25(3): 12-18 http://www.cnki.com.cn/Article/CJFDTOTAL-ZDYK200403003.htmFang Yan-Yan, Chai Jin-Hua. Contrast analysis in the laser terminal guidance ammunition round of America and Russia. Guidance & Fuze, 2004, 25(3): 12-18 http://www.cnki.com.cn/Article/CJFDTOTAL-ZDYK200403003.htm [8] 祁载康. 制导弹药技术. 北京: 北京理工大学出版社, 2005. 1-40Qi Zai-Kang. Technology of Guidance Ammunition. Beijing: Beijing Institute of Technology Press, 2005. 1-40 [9] 张晓玲, 华菊仙. 新型制导炮弹:射程更远、射后不管. 现代军事, 2006, (8): 58-60 http://www.cnki.com.cn/Article/CJFDTOTAL-XDJI200608013.htmZhang Xiao-Ling, Hua Ju-Xian. New guided projectile with longer range and regardless after shooting. Modern Military, 2006, (8): 58-60 http://www.cnki.com.cn/Article/CJFDTOTAL-XDJI200608013.htm [10] 舒金龙, 陈良瑜, 朱振福. 末制导炮弹的研制现状及发展趋势. 系统工程与电子技术, 2003, 25(4): 443-446 http://www.cnki.com.cn/Article/CJFDTOTAL-XTYD200304014.htmShu Jin-Long, Chen Liang-Yu, Zhu Zhen-Fu. Research and development of the terminal guided shell. Systems Engineering and Electronics, 2003, 25(4): 443-446 http://www.cnki.com.cn/Article/CJFDTOTAL-XTYD200304014.htm [11] 王强, 王刚, 赵莹. 国外末制导迫弹的发展综述. 四川兵工学报, 2014, 35(5): 20-23 http://www.cnki.com.cn/Article/CJFDTOTAL-CUXI201405007.htmWang Qiang, Wang Gang, Zhao Ying. Development and research of foreign terminally guided mortar projectile. Journal of Sichuan Ordnance, 2014, 35(5): 20-23 http://www.cnki.com.cn/Article/CJFDTOTAL-CUXI201405007.htm [12] 苗昊春, 杨栓虎. 智能化弹药. 北京: 国防工业出版社, 2014. 8-10Miao Hao-Chun, Yang Shuan-Hu. Intelligentlized Ammunition. Beijing: National Defense Industry Press, 2014. 8-10 [13] Abruzzo B A, Recchia T G. Online calibration of inertial sensors for range correction of spinning projectiles. Journal of Guidance, Control, and Dynamics, 2016, 39(8): 1922-1928 doi: 10.2514/1.G001809 [14] Fowler L, Rogers J. Performance optimization of guided projectiles using design of experiments. Journal of Spacecraft and Rockets, 2016, 52(6): 1603-1613 http://cn.bing.com/academic/profile?id=2319011356&encoded=0&v=paper_preview&mkt=zh-cn [15] 英文Vasudevan S, Suchy P, Birch M C. Methods For Extended-Range, Enhanced-Precision Gun-Fired Rounds Using G-Hardened Flow Control Systems, U. S. Patent 9395167, July 2016.文献 [16] 尹建平, 王志军. 弹药学. 北京: 北京理工大学出版社, 2012. 355-356Yin Jian-Ping, Wang Zhi-Jun. Ammunition Theory. Beijing: Beijing Institute of Technology Press, 2012. 355-356 [17] 张振辉, 杨国来, 葛建立. 末制导炮弹膛内过载影响因素数值分析. 四川兵工学报, 2012, 33(9): 33-35 http://www.cnki.com.cn/Article/CJFDTOTAL-CUXI201209013.htmZhang Zhen-Hui, Yang Guo-Lai, Ge Jian-Li. Influential factors numerical analysis of acceleration in bore for terminal guided shell. Journal of Sichuan Ordnance, 2012, 33(9): 33-35 http://www.cnki.com.cn/Article/CJFDTOTAL-CUXI201209013.htm [18] 王星来, 岳凤英, 孙笠森. 弹载惯性测量系统抗高过载技术. 火力与指挥控制, 2013, 38(4): 165-168 http://www.cnki.com.cn/Article/CJFDTOTAL-HLYZ201304042.htmWang Xing-Lai, Yue Feng-Ying, Sun Li-Sen. Study on anti-high-g technology of missile body attitude measurement system. Fire Control & Command Control, 2013, 38(4): 165-168 http://www.cnki.com.cn/Article/CJFDTOTAL-HLYZ201304042.htm [19] 韩艳. 制导炮弹飞行姿态的陀螺/磁阻传感器组合测量方法研究[硕士学位论文], 南京理工大学, 中国, 2010Han Yan. Investigation on Combined Measurement of Guided Projectile's Attitudes Based on Gyro/Magnetometer [Master dissertation], Nanjing University of Science and Technology, China, 2010 [20] 胡陈君. 弹载小型抗高过载微惯性测量系统设计[硕士学位论文], 中北大学, 中国, 2015Hu Chen-Jun. Design of Micro Inertial Measurement System for Miniature Projectile-based Equipments against High Overload [Master dissertation], North University of China, China, 2015 [21] Fresconi F, Rogers J. Flight control of a small-diameter spin-stabilized projectile using imager feedback. Journal of Guidance, Control, and Dynamics, 2015, 38(2): 181-191 doi: 10.2514/1.G000815 [22] Shi Z J, Zhao L Y, Peng J Z. Coning motion instability of a spinning missile induced by aeroelasticity. In: Proceedings of the 2016 AIAA Atmospheric Flight Mechanics Conference. California, USA: AIAA, 2016. [23] Yang S X, Yan X Y, Xiong F F. Trend of the artillery rocket and the problems related to control. In: Proceedings of the 29th Chinese Control Conference. Beijing, China: IEEE, 2010. 6-13 [24] Harkins T, Davis B, Brown G, Fresconi F, Hathaway W, Hathaway A, Lovas A. New means for observing and characterizing projectile dynamics in free-flight experiments. In: Proceedings of the 2008 AIAA Guidance, Navigation and Control Conference and Exhibit. Honolulu, Hawaii: AIAA, 2008. [25] Fresconi F, Cooper G, Celmins I, DeSpirito J, Costello M. Flight mechanics of a novel guided spin-stabilized projectile concept. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 2012, 226(3): 327-340 doi: 10.1177/0954410011408385 [26] 黄涛. 弹丸转速的传感器测量方法. 弹箭与制导学报, 2002, 22(4): 69-70 http://www.cnki.com.cn/Article/CJFDTOTAL-DJZD200204018.htmHuang Tao. The method of measuring the projectile rotating speed with sensors. Journal of Projectiles, Rockets, Missiles and Guidance, 2002, 22(4): 69-70 http://www.cnki.com.cn/Article/CJFDTOTAL-DJZD200204018.htm [27] 施浣芳, 高洪尧. 摄影法测弹丸自旋速率. 西安工业大学学报, 1991, 11(3): 76-80 http://www.cnki.com.cn/Article/CJFDTOTAL-XAGY199103013.htmShi Huan-Fang, Gao Hong-Yao. Photograph measure projectile spin rate. Journal of Xi'an Technological University, 1991, 11(3): 76-80 http://www.cnki.com.cn/Article/CJFDTOTAL-XAGY199103013.htm [28] 杨文, 裴东兴, 张瑜, 祖静. 弹丸动态参数测量的方法研究. 传感技术学报, 2015, 28(10): 1467-1470 http://www.cnki.com.cn/Article/CJFDTOTAL-CGJS201510008.htmYang Wen, Pei Dong-Xing, Zhang Yu, Zu Jing. Study on projectile dynamic parameters measurement. Chinese Journal of Sensors and Actuators, 2015, 28(10): 1467-1470 http://www.cnki.com.cn/Article/CJFDTOTAL-CGJS201510008.htm [29] 孙发鱼, 李科杰. 利用无线电引信测量长路径弹丸转速的应用研究. 北京理工大学学报, 2001, 21(2): 243-246 http://www.cnki.com.cn/Article/CJFDTOTAL-BJLG200102026.htmSun Fa-Yu, Li Ke-Jie. The application research on measuring long-distance projectile rotating speed using radio fuse. Journal of Beijing Institute of Technology, 2001, 21(2): 243-246 http://www.cnki.com.cn/Article/CJFDTOTAL-BJLG200102026.htm [30] 刘灿, 孟立凡, 苏淼. 基于短波信号的远程火箭弹转速探测方法的研究. 电子测试, 2008, (11): 21-25 http://www.cnki.com.cn/Article/CJFDTOTAL-WDZC200811007.htmLiu Can, Meng Li-Fan, Su Miao. Research on detection of the rotating speed of a long range rocket projectile based on shortwave signals. Electronic Test, 2008, (11): 21-25 http://www.cnki.com.cn/Article/CJFDTOTAL-WDZC200811007.htm [31] 沈大伟, 边玉亮, 范锦彪. 基于弹载测试仪的高速旋转弹丸膛内转速测试. 探测与控制学报, 2016, 38(3): 94-97 http://www.cnki.com.cn/Article/CJFDTOTAL-XDYX201603021.htmShen Da-Wei, Bian Yu-Liang, Fan Jin-Biao. High-speed rotating projectile in-bore speed testing. Journal of Detection & Control, 2016, 38(3): 94-97 http://www.cnki.com.cn/Article/CJFDTOTAL-XDYX201603021.htm [32] 杨文, 于文松, 裴东兴, 张瑜, 祖静. 弹载弹丸参数测试技术的研究. 电子器件, 2016, 39(3): 667-670 http://www.cnki.com.cn/Article/CJFDTOTAL-DZQJ201603032.htmYang Wen, Yu Wen-Song, Pei Dong-Xing, Zhang Yu, Zu Jing. Study on the missile projectile parameter test technology. Chinese Journal of Electron Devices, 2016, 39(3): 667-670 http://www.cnki.com.cn/Article/CJFDTOTAL-DZQJ201603032.htm [33] 赵伊宁, 冷雪冰. 基于微多普勒分析的末制导炮弹转速测量. 弹箭与制导学报, 2015, 35(1): 159-161 http://www.cnki.com.cn/Article/CJFDTOTAL-DJZD201501040.htmZhao Yi-Ning, Leng Xue-Bing. Spin-rate measurement of terminal homing projectile based on micro-Doppler analysis. Journal of Projectiles, Rockets, Missiles and Guidance, 2015, 35(1): 159-161 http://www.cnki.com.cn/Article/CJFDTOTAL-DJZD201501040.htm [34] 桂延宁, 杨燕. 基于太阳方位角原理的炮弹飞行姿态遥测. 兵工学报, 2003, 24(2): 250-252 http://www.cnki.com.cn/Article/CJFDTOTAL-BIGO200302025.htmGui Yan-Ning, Yang Yan. Telemetering for the attitude of projectile in flight based on the principle of solar aspect angle. Acta Armamentarii, 2003, 24(2): 250-252 http://www.cnki.com.cn/Article/CJFDTOTAL-BIGO200302025.htm [35] 唐寿江. 遥测技术在弹药检测中应用研究. 科技传播, 2012, (22): 218-219 http://www.cnki.com.cn/Article/CJFDTOTAL-KJCB201222164.htmTang Shou-Jiang. Research on telemetry technology in the detection of the ammunition. Information Technology, 2012, (22): 218-219 http://www.cnki.com.cn/Article/CJFDTOTAL-KJCB201222164.htm [36] 曹咏弘, 范锦彪, 祖静. 基于薄膜线圈的高自旋弹丸转速测试方法研究. 弹箭与制导学报, 2011, 31(1): 204-206 http://www.cnki.com.cn/Article/CJFDTOTAL-DJZD201101060.htmCao Yong-Hong, Fan Jin-Biao, Zu Jing. Study on test method of rotational speed of high spinning projectile based on thin film coil. Journal of Projectiles, Rockets, Missiles and Guidance, 2011, 31(1): 204-206 http://www.cnki.com.cn/Article/CJFDTOTAL-DJZD201101060.htm [37] Allik B, Ilg M, Zurakowski R. Ballistic roll estimation using EKF frequency tracking and adaptive noise cancellation. IEEE Transactions on Aerospace and Electronic Systems, 2013, 49(4): 2546-2553 doi: 10.1109/TAES.2013.6621835 [38] Schuler A R, Grammatikos A, Fegley K A. Measuring rotational motion with linear accelerometers. IEEE Transactions on Aerospace and Electronic Systems, 1967, AES-3(3): 465-472 http://cn.bing.com/academic/profile?id=2034414386&encoded=0&v=paper_preview&mkt=zh-cn [39] 路永乐, 潘英俊, 黎蕾蕾, 刘宇, 彭慧. 采用双轴加速度计的旋转弹运动姿态角速率测量方法. 中国惯性技术学报, 2015, 23(2): 160-164 http://www.cnki.com.cn/Article/CJFDTOTAL-ZGXJ201502005.htmLu Yong-Le, Pan Ying-Jun, Li Lei-Lei, Liu Yu, Peng Hui. Measurement method of projectile's heading and pitching angle velocities based on biaxial accelerometer. Journal of Chinese Inertial Technology, 2015, 23(2): 160-164 http://www.cnki.com.cn/Article/CJFDTOTAL-ZGXJ201502005.htm [40] Fresconi F, Harkins T. Experimental flight characterization of asymmetric and maneuvering projectiles from elevated gun firings. Journal of Spacecraft and Rockets, 2012, 49(6): 1120-1130 doi: 10.2514/1.A32200 [41] Leach R K. Solar Reference Flight Roll Position Sensor, U. S. Patent H746, February 1990. [42] 李荃. 美国"铜斑蛇"制导炮弹. 现代兵器, 1984, (8): 21-26 http://www.cnki.com.cn/Article/CJFDTOTAL-XDBQ198408006.htmLi Quan. Copperhead guided projectile of America. Modern Weaponary, 1984, (8): 21-26 http://www.cnki.com.cn/Article/CJFDTOTAL-XDBQ198408006.htm [43] Ohlmeyer E J, Fraysse J W, Pepitone T R. Guidance, navigation and control without gyros: a gun-launched munition concept. In: Proceedings of the AIAA Guidance, Navigation, and Control Conference and Exhibit. Monterey, California: AIAA, 2002. [44] Dowdle J R, Thorvaldsen T P, Kourepenis A S. A GPS/INS guidance system for navy 5-in. projectiles. In: Proceedings of the 1997 AIAA Guidance, Navigation, and Control Conference. New Orleans, LA: AIAA, 1997. [45] Davis B S. Telemetry-based instrumentation for mortar systems. In: Proceedings of the 2003 Mortars Conference. 2003. 1-13. [46] Davis B S, Harkins T E, Burke L W. Flight test results of miniature, low cost, spin, accelerometer, and yaw sensors. In: Proceedings of the 35th AIAA Aerospace Sciences Meeting and Exhibit. Reno, NV: AIAA, 1997. [47] 杜韩东. 单组舵控火箭弹气动布局与控制策略研究[硕士学位论文], 中北大学, 中国, 2011Du Han-Dong. A Study on Aerodynamic Configuration and Control Strategy of Single Group Rudder Control Rocket [Master dissertation], North University of China, China, 2011 [48] 杨青. 高速旋转弹转速速度参数测试技术研究[硕士学位论文], 中北大学, 中国, 2010Yang Qing. Research on the Test Technology of Parameters of Rotation Speed/Velocity of High-speed Rotating Missile [Master dissertation], North University of China, China, 2010 [49] 王伟, 赵清, 吕晓永, 李欣. 具有输入非线性的MEMS振动陀螺零点校正方法. 自动化学报, 2014, 40(10): 2171-2178 http://www.aas.net.cn/CN/abstract/abstract18492.shtmlWang Wei, Zhao Qing, Lv Xiao-Yong, Li Xin. Zero adjustment of MEMS vibratory gyroscope with nonlinear input. Acta Automatica Sinica, 2014, 40(10): 2171-2178 http://www.aas.net.cn/CN/abstract/abstract18492.shtml [50] 彭孝东, 张铁民, 李继宇, 陈瑜. 基于传感器校正与融合的农用小型无人机姿态估计算法. 自动化学报, 2015, 41(4): 854-860 http://www.aas.net.cn/CN/abstract/abstract18659.shtmlPeng Xiao-Dong, Zhang Tie-Min, Li Ji-Yu, Chen Yu. Attitude estimation algorithm of agricultural small-UAV based on sensors fusion and calibration. Acta Automatica Sinica, 2015, 41(4): 854-860 http://www.aas.net.cn/CN/abstract/abstract18659.shtml [51] 史金光, 韩艳, 刘世平, 刘猛. 制导炮弹飞行姿态角的一种组合测量方法. 弹道学报, 2011, 23(3): 37-42 http://www.cnki.com.cn/Article/CJFDTOTAL-DDXB201103009.htmShi Jin-Guang, Han Yan, Liu Shi-Ping, Liu Meng. An approach of combination measurement for flight attitude angles of guided projectile. Journal of Ballistics, 2011, 23(3): 37-42 http://www.cnki.com.cn/Article/CJFDTOTAL-DDXB201103009.htm [52] 苟秋雄, 刘明喜, 李虎军. 基于磁阻传感器的末制导迫击炮弹滚转姿态初始对准技术研究. 弹箭与制导学报, 2008, 28(3): 45-48 http://www.cnki.com.cn/Article/CJFDTOTAL-DJZD200803012.htmGou Qiu-Xiong, Liu Ming-Xi, Li Hu-Jun. Research of terminal-guide mortar bomb roller attitude initial alignment technique based on magnetic resistance sensor. Journal of Projectiles, Rockets, Missiles and Guidance, 2008, 28(3): 45-48 http://www.cnki.com.cn/Article/CJFDTOTAL-DJZD200803012.htm [53] Rouger P. Guidance and control of artillery projectiles with magnetic sensors. In: Proceedings of the 45th AIAA Aerospace Sciences Meeting and Exhibit. Reno, Nevada: AIAA, 2007. [54] 马国梁, 李岩, 葛敬飞. 磁阻传感器测量旋转弹滚转姿态的原理分析. 弹道学报, 2012, 24(1): 32-36 http://www.cnki.com.cn/Article/CJFDTOTAL-DDXB201201008.htmMa Guo-Liang, Li Yan, Ge Jing-Fei. Principle analysis for roll attitude measurement of spinning projectile using magnetic resistance sensor. Journal of Ballistics, 2012, 24(1): 32-36 http://www.cnki.com.cn/Article/CJFDTOTAL-DDXB201201008.htm [55] Byun Y S, Jeong R G, Kang S W. Vehicle position estimation based on magnetic markers: enhanced accuracy by compensation of time delays. Sensors, 2015, 15(11): 28807-28825 http://www.freepatentsonline.com/y2015/0032295.html [56] Markevicius V, Navikas D, Zilys M, Andriukaitis D, Valinevicius A, Cepenas M. Dynamic vehicle detection via the use of magnetic field sensors. Sensors, 2016, 16(1): 78 doi: 10.3390/s16010078 [57] Harkins T E, Hepner D J. MAGSONDE: a device for making angular measurements on spinning projectiles with magnetic sensors, Technical Report No.ARL-TR-2310, Army Research Laboratory Aberdeen Proving Ground, USA, 2000 http://cn.bing.com/academic/profile?id=1975359268&encoded=0&v=paper_preview&mkt=zh-cn [58] 汤健, 柴天佑, 丛秋梅, 苑明哲, 赵立杰, 刘卓, 余文. 基于EMD和选择性集成学习算法的磨机负荷参数软测量. 自动化学报, 2014, 40(9): 1853-1866 http://www.aas.net.cn/CN/abstract/abstract18454.shtmlTang Jian, Chai Tian-You, Cong Qiu-Mei, Yuan Ming-Zhe, Zhao Li-Jie, Liu Zhuo, Yu Wen. Soft sensor approach for modeling mill load parameters based on EMD and selective ensemble learning algorithm. Acta Automatica Sinica, 2014, 40(9): 1853-1866 http://www.aas.net.cn/CN/abstract/abstract18454.shtml [59] Nam S R, Kang S H, Kang S H. Real-time estimation of power system frequency using a three-level discrete Fourier transform method. Energies, 2014, 8(1): 79-93 doi: 10.3390/en8010079 [60] Copp D A, Sanfelice R G. A zero-crossing detection algorithm for robust simulation of hybrid systems jumping on surfaces. Simulation Modelling Practice and Theory, 2016, 68: 1-17 doi: 10.1016/j.simpat.2016.07.005 [61] 尚剑宇, 张晓明, 黄建林, 崔星, 刘俊. 常规弹药转速测量时频分析方法研究. 传感技术学报, 2012, 25(7): 951-956 http://www.cnki.com.cn/Article/CJFDTOTAL-CGJS201207018.htmShang Jian-Yu, Zhang Xiao-Ming, Huang Jian-Lin, Cui Xing, Liu Jun. Time-frequency analysis method in rotating speed measurement of conventional ammunition. Chinese Journal of Sensors and Actuators, 2012, 25(7): 951-956 http://www.cnki.com.cn/Article/CJFDTOTAL-CGJS201207018.htm [62] Balazs P, Bayer D, Jaillet F, Sondergaard P. The pole behavior of the phase derivative of the short-time Fourier transform. Applied and Computational Harmonic Analysis, 2016, 40(3): 610-621 doi: 10.1016/j.acha.2015.10.001 [63] Suen Y, Xiao S Q, Hao S M, Zhao X X, Xiong Y G, Liu S Y. Time-frequency representation measurement based on temporal Fourier transformation. Optics Communications, 2016, 376: 86-91 doi: 10.1016/j.optcom.2016.05.017 [64] 尚剑宇, 张晓明, 黄建林, 李永慧, 郝智利, 刘俊. 常规弹药转速测量方法仿真研究. 弹箭与制导学报, 2012, 32(4): 99-102 http://www.cnki.com.cn/Article/CJFDTOTAL-DJZD201204026.htmShang Jian-Yu, Zhang Xiao-Ming, Huang Jian-Lin, Li Yong-Hui, Hao Zhi-Li, Liu Jun. The simulation on rotating speed measurement method of conventional ammunition. Journal of Projectiles, Rockets, Missiles and Guidance, 2012, 32(4): 99-102 http://www.cnki.com.cn/Article/CJFDTOTAL-DJZD201204026.htm [65] Rabiner L R, Schafer R W, Rader C M. The chirp z-transform algorithm. IEEE Transactions on Audio and Electroacoustics, 1969, 17(2): 86-92 doi: 10.1109/TAU.1969.1162034 [66] 尚剑宇. 旋转弹用免驱动三轴MEMS陀螺角速率提取算法研究[硕士学位论文], 中北大学, 中国, 2013Shang Jian-Yu. Angular Rate Extraction Algorithm Research based on No Drive Triaxial MEMS Gyroscope used for Rotating Missile [Master dissertation], North University of China, China, 2013 [67] Martin W, Flandrin P. Wigner-Ville spectral analysis of nonstationary processes. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1985, 33(6): 1461-1470 doi: 10.1109/TASSP.1985.1164760 [68] Zammel K, Ellouze N. Wigner ville representation of voiced speech signal: quasi-harmonic model vs. sinusoidal model. In: Proceedings of the 2nd International Conference on Advanced Technologies for Signal and Image Processing (ATSIP). Monastir, Tunisia: IEEE, 2016. 643-646 [69] Stockwell R G. A basis for efficient representation of the S-transform. Digital Signal Processing, 2007, 17(1): 371-393 doi: 10.1016/j.dsp.2006.04.006 [70] Agrawal S, George N V, Prashant A. GPR data analysis of weak signals using modified S-transform. Geotechnical and Geological Engineering, 2015, 33(5): 1167-182 doi: 10.1007/s10706-015-9893-5 [71] Chen T, Yang N. Study on the underground storage of hazardous waste of the micro-seismic signal based on the S-transform time-frequency analysis. Procedia Environmental Sciences, 2016, 31: 426-431 doi: 10.1016/j.proenv.2016.02.087 [72] 邓志红, 付梦印, 张继伟, 肖烜. 惯性器件与惯性导航系统. 北京: 科学出版社, 2012. 102-107Deng Zhi-Hong, Fu Meng-Yin, Zhang Ji-Wei, Xiao Xuan. Inertial Device and Inertial Navigation System. Beijing: Science Press, 2012. 102-107 [73] 陶溢. 杯形波动陀螺关键技术研究[博士学位论文], 国防科学技术大学, 中国, 2011Tao Yi. Study on Key Technologies of Cupped Wave Gyroscope [Ph.D. dissertation], National University of Defense Technology, China, 2011 [74] Liu N, Su Z, Li Q. Design and experiment of a novel bell-shaped vibratory gyro. Sensors and Actuators A: Physical, 2016, 238: 37-50 doi: 10.1016/j.sna.2015.10.036 [75] Lin Z, Fu M Y, Deng Z H, Liu N, Liu H. Frequency split elimination method for a solid-state vibratory angular rate gyro with an imperfect axisymmetric-shell resonator. Sensors, 2015, 15(2): 3204-3223 doi: 10.3390/s150203204 [76] Gusinsky V Z, Lesyuchevsky V M, Litmanovich Y A, Musoff H, Schmidt G. Optimization of a strapdown attitude algorithm for a stochastic motion. Navigation, 1997, 44(2): 163-170 doi: 10.1002/navi.1997.44.issue-2 期刊类型引用(6)
1. 王秀英，李庆. 改进NSGA2在炼钢-连铸调度中的应用研究. 控制工程. 2020(03): 424-429 . 
百度学术2. 轩华，王薛苑，李冰. 带批和离散机柔性流水车间问题的混合异步次梯度优化的拉格朗日松弛算法. 计算机集成制造系统. 2020(04): 1001-1010 . 百度学术3. 甄景燕. 炼钢区域智能调度研究与应用. 冶金管理. 2020(07): 246+248 . 百度学术4. 蒋胜龙，郑忠. 考虑不确定加工时间的炼钢—连铸过程柔性调度方法. 计算机集成制造系统. 2019(01): 103-114 . 百度学术5. 庞新富，姜迎春，俞胜平，李海波，高亮，车震海. 人机协同的柔性作业车间炼钢—连铸重调度方法. 计算机集成制造系统. 2018(10): 2415-2427 . 百度学术6. 甄景燕，尹国强，王舒军，曹阳. 炼钢动态调度系统及其应用. 冶金自动化. 2017(03): 23-26 . 百度学术其他类型引用(21)
-
下载:
下载:
计量
- 文章访问数: 2076
- HTML全文浏览量: 633
- PDF下载量: 1718
- 被引次数: 27
