北斗MEO卫星辐射剂量探测数据缺失值处理方法

针对北斗MEO卫星辐射剂量探测数据出现连续性缺失的问题,开展缺失值处理方法研究.提出一种叠加正弦波的线性样条回归方法,即引入样条函数,对各数据连续缺失的时间段进行分段处理,每段样条采用叠加正弦波的线性方程填充缺失值.结果表明:利用该方法处理缺失值,每段样条中填充曲线与探测曲线在增长趋势、周期性波动等方面具有较高的一致性;相比前向插值法和线性插值法,其填充值与真实值误差更小,关联性更高.该方法较好地解决了数据连续缺失的问题,形成了完整性好、准确性高的北斗MEO卫星辐射剂量数据集,为后续数据的发布、建模和可视化展示等奠定了基础.      

自相关分析法用于电离层TEC的内插评估

基于2004年实测数据的统计分析,将自相关分析法用于电离层TEC的缺值内插,并进行精度评估.采用上海地区GPS综合应用网和中国地壳运动GPS监测网数据,解算成电离层垂直TEC,对缺值进行了时序内插及评估.结果表明,缺值段内的插值误差一般中间较大,两侧较小,插值误差远小于均方差.将自相关分析法内插结果与线性插值法、抛物线法、三次样条法内插结果进行对比,发现对于缺值较多、变化较复杂的缺值段,其插值精度有明显的提高.采用自相关方法进行内插后,有效减小了由于缺值而引起的局部跳跃变化,可以比较准确地研究TEC变化特性.      

基于VMD-MA的GNSS-MR雪深反演方法

针对利用全球卫星导航系统多径反射(GNSS-MR)技术反演雪深过程中信噪比(SNR)序列趋势项分离不佳和反演结果波动较大的问题，提出一种基于变分模态分解(VMD)和移动平均(MA)的雪深反演方法。VMD算法通过自适应高通滤波有效分离SNR序列的趋势项，MA算法对初始反演结果进行平滑处理从而减少随机波动。选用瑞典KIRU站2021年前5个月GLONASS不同频段的SNR观测值开展实验，研究所提方法的可行性。结果表明：基于VMD算法的反演结果与气象站原位雪深相关系数超过0.95，均方根误差(RMSE)最低约5 cm，较传统算法减少近40%；经MA算法平滑处理后，反演精度进一步提高。考虑到GNSS站和气象站之间的差异性，选取GPS SNR反演结果作为参考数据源，不同参考数据源取得了一致的实验结论,验证了所提方法的可行性和有效性。     

基于试验气动力的纵向机动飞行载荷分析

提出了一种基于非线性风洞试验数据(简称试验气动力)同步进行纵向机动飞行过程和飞行载荷的计算分析方法.通过曲面样条插值将试验气动力的升力系数和俯仰力矩系数引入纵向机动飞行过程的计算,同时基于试验气动力的压力分布进行全机飞行载荷的静气动弹性修正.弹性载荷的计算采用线性气动力影响系数矩阵处理.采用偶极子格网法提供气动力(简称理论气动力).将基于这两种气动力的计算结果进行了对比.结果表明:基于试验气动力的机动飞行过程更为合理;基于理论气动力的载荷随机动飞行过程的变化趋势有可能与基于试验气动力的载荷变化趋势不一致.      

电离层特征参量的自相关原理插值方法

通过选用合适的电离层平稳性参数, 建立相应的正定自相关系数模型, 利用自相关分析原理, 提出了一种针对电离层特征参量历史缺失数据插值处理的新方法. 该方法能够提高Muhtarov 和Kutiev 在1999 年提出的自相关系数法的插值精度, 通常情况下可以把误差降低1 到2 个百分点以上, 有时甚至能降低接近9 个百分点, 在很大程度上改善了对电离层历史缺失数据的插值处理效果. 此外, 本文还对插值误差随季节、太阳活动性和地理纬度等的变化规律进行了分析.      

飞行器轨道的特征点

针对飞行器轨道的数据处理问题,首次提出了轨道的特征点概念。轨道的特征点是飞行器动力突变的真实反映,轨道特征点的客观存在,要求我们在测量数据处理中,在多项式表示轨道时应以特征点为端点,或以特征点为轨道样条表示的当然节点,否则将带来轨道的表示误差,在残差数据中波动现象。介绍了提取轨道特征点的方法,仿真与实际测量数据的处理结果表明：特征点提取方法准确度较镐;特征点为当然节点的样条函数表示轨道能消除节点选     

一种高精度实时GPS卫星钟差预测算法

为获得高精度实时GPS卫星钟差,文章提出一种基于多项式和最小二乘支持向量机(Least Squares Support Vector Machines,LS-SVM)相结合的钟差预报方法.该方法采用国际GNSS服务发布的超快速观测星历建模进行短期预报,首先根据卫星钟的物理特性用附有周期项的多项式模型进行拟合以提取趋势项和周期项,然后用LS-SVM对多项式拟合残差进行建模预报,最后将预报结果加上趋势项和周期项,得到最终的钟差预报值.试验结果表明,所提算法能够实时有效地对GPS卫星钟差进行预报,且精度优于超快速预报星历.     

GPS时间比对数据的Vondrak平滑和三次样条插值处理

介绍了Vondrak平滑方法和三次样条插值方法。利用国家授时中心时间频率基准重点实验室的GPS时间比对数据,先进行预处理和规范化处理,再采用Vondrak平滑方法和三次样条插值方法进行处理,得到的结果表明:在实际中利用Vondrak平滑方法和三次样条插值方法对GPS时间比对数据处理是可行的,减弱了随机噪声的影响。     

单圆轨道扫描的Grangeat改进算法

为减少ICT(Industrial Computed Tomography)重建图像的伪影,研究了Grangeat精确重建算法的原理.基于平板探测器依次通过对投影数据沿行、列一阶偏微分,求Radon导以及两步反投影等步骤仿真实现了Grangeat算法.针对单圆轨道锥束扫描投影数据的不完备性,分析了Radon空间的数据缺失情况,提出了通过近邻插值、线性插值、二次三点插值和一元线性回归插值的方法对Radon空间缺失数据进行插值改进该算法的几种途径.计算机仿真结果证明了改进算法的正确性和可行性.     

超磁致伸缩作动器率相关磁滞环的模糊建模

超磁致伸缩作动器的输入输出特性中存在磁滞非线性现象,它在很大程度上影响了振动主动控制的精度及其稳定性.针对这一非线性特性,提出了基于模糊树模型的建模方法,为了产生适合模糊树建模的数据,首先将原来磁滞环中的一维输入空间映射到高维输入空间,从而将磁滞环一维输入空间的多值函数问题变为高维输入空间的单值函数问题.该方法结构简单,计算量低,对输入数据维数不敏感,通过数值算例表明了该方法的有效性.      

Design and performances of laser retro-reflector arrays for Beidou navigation satellites and SLR observations

Beidou is the regional satellite navigation system in China, consisting of three kinds of orbiting satellites, MEO, GEO and IGSO, with the orbital altitudes of 21500–36000 km. For improving the accuracy of satellites orbit determination, calibrating microwave measuring techniques and providing better navigation service, all Beidou satellites are equipped with laser retro-reflector arrays (LRAs) to implement high precision laser ranging. The paper presents the design of LRAs for Beidou navigation satellites and the method of inclined installation of LRAs for GEO satellites to increase the effective reflective areas for the regional ground stations. By using the SLR system, the observations for Beidou satellites demonstrated a precision of centimeters. The performances of these LRAs on Beidou satellites are very excellent.     

一种鲁棒性增强的机载网络流量分类方法

针对机载网络高度动态、高度不稳定造成流量监测设备难以在有限的监测周期内完成完整数据流负载特征的提取，限制了基于深度学习的流量分类方法的应用问题，提出了一种鲁棒性增强的机载网络流量分类方法。通过数据预处理及缺失样本处理方法将数据流映射为灰度矢量集合，基于完整的数据流训练数据集实现鲁棒性增强的长时递归卷积神经网络（RE-LRCN）分类模型的训练，在线上分类阶段，通过分类模型实现样本缺失数据流负载空间特征及数据流时序特征的提取，并进行数据流分类。通过在数据包缺失的流量测试数据集上的实验结果表明，所提方法可以有效抑制数据包缺失对分类准确性能的恶化。      

基于LSTM循环神经网络的故障时间序列预测

有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆（LSTM）循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。      

人机协作中人的动作终点预测

为实现安全高效的人机协作（HRC）,需要机器人及时对人的动作做出预测,从而积极主动地辅助人工作。为解决在HRC装配场景中机器人对人的动作终点预测问题,提出了一种基于长短时记忆（LSTM）网络的动作终点预测方法。在训练阶段,用人的动作序列与对应的动作终点组成的样本训练LSTM网络,构建动作序列与动作终点之间的映射。在应用阶段,根据人的动作的初始部分对动作终点提前做出预测。通过在装配场景中,对人抓取工具或零件的动作终点进行预测,验证了所提方法的有效性。在观测到50%的动作片段时,预测准确率达到80%以上。      

伪卫星辅助的“北斗”双星系统无源定位方法

目前中国的"北斗"双星定位系统只能实现二维有源定位,大大限制了该系统的应用。针对这种情况,充分利用现有的"北斗"双星系统资源,提出了使用伪卫星来辅助"北斗"双星系统的方案;推导了此系统的定位原理,并且简单分析了系统的时间同步问题;通过数学推导和仿真分析,研究了伪卫星数目以及布局对系统定位精度的影响,得出了伪卫星布局的相应结论。仿真结果表明,此方案是可行的,采用伪卫星来增强"北斗"双星导航系统,可以提高整个系统的可用性、可靠性、稳定性以及测量精度,为现阶段"北斗"双星系统无源定位的应用提出了一种低成本的改进方法。     

基于图卷积网络的卷积神经网络耗时预测算法

通过可学习的预测算法获取卷积神经网络(CNN)在硬件上的推理耗时越来越受到研究者的关注。现有耗时预测算法主要面临2个问题:卷积神经网络设计空间采样复杂度高，数据采集成本高；无法准确预测硬件编译器的算子融合技术对推理耗时的影响。为了解决上述问题，提出了一种基于图卷积网络(GCN)的耗时预测算法, 将整体网络耗时看作多节点耗时补偿的累加，并利用图卷积对结构算子融合产生的耗时影响进行建模。同时，提出一种新型差分训练方案，减少采样空间规模，提高算法的泛化能力。在HISI3559硬件平台上对MB-C连续空间采样模型的耗时预测实验表明:所提算法可将耗时估计的平均相对误差从传统算法的302%降低到5.3%。另外，通过将传统耗时预测算法替换成所提算法进行耗时评估，可以使网络结构搜索算法搜索到耗时更加接近目标的高精度网络。      

基于PSO-BP神经网络的平流层风场短期快速预测

平流层风场环境对临近空间低速飞行器驻空飞行性能有重要影响。研究了基于PSO-BP神经网络的平流层区域风场建模与快速预测方法,根据历史风场数据,采用主成分分析法对数据进行降维处理,通过BP神经网络对风场进行预测建模,利用粒子群优化（PSO）算法对其进行优化,采用Biharmonic样条曲面插值方法构建区域预测风场。以南海地区5年历史风场为对象,对比分析了基于BP神经网络和基于PSO-BP神经网络的风场预测模型,结果表明:使用具有全局寻优特性的PSO算法改进BP神经网络,能够有效避免传统BP神经网络易陷入局部最优的缺点,提高预测精度;通过结合PSO-BP神经网络预测与Biharmonic样条曲面插值,可实现区域风场的预测。研究结果可为临近空间低速飞行器的轨迹规划与区域驻留等任务的高精度区域快速预报风场提供解决途径。      

应用BP神经网络针对高通量质子事件的通量数值预报

质子事件的爆发与太阳软X射线辐射有着很强的相关性,利用GOES卫星的1～8 (A)波段和0.5～4 (A)波段的软X射线数据,选取一些特征参量验证该相关性并应用到质子事件短期预报中.在当前质子事件传输物理机制不完全明确的情况下,在现有的预报质子事件有无的模型基础上,利用BP神经网络,根据软X射线通量水平等预测事件质子峰值通量水平,再对训练后的网络进行检验,检验预测所得结果与实际探测值误差小于一个量级,具备一定实用意义.