基于可变滑动窗口与3σ准则的脉冲星信号去噪算法

针对地面接收射电观测脉冲星信号较弱、信噪比较低的问题,提出了基于可变滑动窗口与两层3σ准则的信号去噪算法。该算法引入可变滑动窗口,对信号进行分步连续处理,同时在筛选噪声时使用两层3σ准则算法,解决了噪声遗漏及过度去噪问题。为证明算法可靠性与实用性,利用佳木斯66 m观测站实测数据进行算法验证,针对J1939+2134与J1744—1134脉冲星的实测数据进行分析处理。结果表明,该算法能够对脉冲星数据进行有效去噪,普遍提高信噪比约10dB。     

基于热仿真的泵压式多次起动发动机热控设计

某上面级主发动机采用常温可贮存液体推进剂,采用泵压式供应方案,依靠起动箱式多次起动系统使发动机具备多次起动工作能力,在轨工作2天。为使发动机温度环境满足工作要求,对发动机进行了热控设计,热控方案采用被动热控措施为主、主动电加热措施为辅以及起动前排放的综合措施。发动机热控设计基于热网络仿真分析法,通过建立整机热分析模型预示发动机任务剖面温度变化,为发动机提供合理的热控设计方案。     

宇航用双极器件和光电耦合器位移损伤试验研究

文章针对器件的位移损伤效应,利用质子加速器产生的质子及反应堆中子对化合物器件和硅器件位移损伤进行试验研究,得到了GaAs光电耦合器的电流传输比(CTR)和硅晶体管电流增益hFE的退化率随等效剂量的变化规律。研究结果表明,在质子70 MeV以上高能量范围,对于硅器件适用的位移损伤等效原理对于GaAs化合物器件则不再适用,需要修正。根据试验数据,给出了经验的修正系数。     

共轴倾转旋翼性能计算方法

共轴倾转旋翼飞行器是一款可折叠机翼的高速旋翼飞行器。本文建立了适用于共轴倾转旋翼飞行器直升机模式、倾转过渡模式和固定翼飞机模式的旋翼性能计算方法,并对比风洞试验数据验证了共轴倾转旋翼轴流状态的性能和共轴双旋翼前飞状态的性能。在此基础上,分析了共轴倾转旋翼在倾转过渡状态各性能参数的变化规律、上下旋翼诱导速度的分布情况、上下旋翼之间的干扰面积和干扰因子的变化趋势。结论表明:相同来流速度下,当倾转角增大,共轴倾转旋翼的拉力系数减小,功率系数先增大后减小,上下旋翼的受干扰面积和干扰因子均增大。     

航母编队网络化协同反导装备体系建设探讨

随着信息技术的发展,航母编队建设网络化协同作战体系,成为提高其作战能力的必由之路。在借鉴美军网络化作战装备体系建设的基础上,对航母编队网络化协同反导作战装备体系的构成和主要功能进行了阐述,并对未来向着"以网络为中心"的发展方向进行了探讨。     

运载火箭新一代测量系统发展设想与关键技术分析

回顾了我国运载火箭测量系统的发展历程,以设计要素为依据,对运载火箭测量系统的发展进行了划代;在当今航天发展的新形势、新要求下,提出以"集成化、网络化、无缆化、高速化、智能化"为主要特征的新一代测量系统功能设想,并重点对关键技术的实现进行详细阐述。     

磁场对高电压霍尔推力器性能影响研究

为研究磁场构型、磁场强度对高电压霍尔推力器主要性能的影响机理,以HET-200推力器为对象,采用固定磁场构型和不固定磁场构型两种方案进行实验研究。结果表明,在不固定构型的情况下增强磁场,放电电流存在两个极小值,效率也存在相应的两个极大值;但当固定磁场构型时,则放电电流只有一个最小值,效率也只有一个最大值。以最优效率下的磁场构型为基准,获得了磁场与电压、磁场与流量的匹配关系分别为B_(r, max)∝V~(0.7),B_(r, max)∝m。     

基于电力综合集成的多绕组双流发电机技术分析

为解决采用传统发电机的移动电站输出电源种类单一,而采用多台发电机又会造成底盘过载影响机动性的问题,文章基于电力综合集成技术,分析研究实现发电机的双流发电的关键技术,突破发电机多绕组发电及励磁解耦等难题,减小了电机体积、降低了电机重量,有利于移动电站的多功能化与小型化设计。     

基于自适应径向基网络的舰船RCS统计特征识别方法

文章采用舰船RCS频域起伏序列的均值、标准差为识别特征向量,利用提出的基于样本密度的自适应径向基网络,进行舰船分类识别研究。自适应径向基网络采用改进的自适应PSO方法估计样本密度最优邻域半径,实现径向基网络中心的自适应选择。改进的自适应PSO方法采用能反映样本聚类特点的BWP指标为适应度评价函数,采用快慢结合的高斯自适应惯性权重调节策略,提高了最优样本密度邻域半径的搜索速度和精度。实验结果表明,自适应径向基网络能自适应获得径向基网络最优识别率对应的RBF中心及其位置分布,减少了对建模人员经验的依赖,提高了反舰导弹对舰船类型的识别分类能力。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。