工业摄影测量网形一致性对测量重复性精度影响研究

为提高空间望远镜桁架形变测量精度,对影响工业摄影测量精度的主要因素之一——测量网形进行研究,发现工业摄影测量网形的质量直接影响形变测量精度,在保证测量网形稳健性优的前提下,保持高的测量网形一致性可以大幅度提高形变测量精度。为验证该结论,以测量重复性精度为评价指标,在实验室条件下对测量网形一致性进行测试研究,结果表明高的测量网形一致性比随机网形提高至少2倍以上的测量重复性精度,可为提高空间望远镜形变测量精度提供技术支持。     

基于分层介质模型的HF雷达高度计火星回波仿真研究

火星次表层中的水探测是当前深空探测领域中的热门问题之一. 高频(HF)雷达高度计具有较强的穿透能力, 且能同时实现距离和功率测量, 是火星次表层探测的重要手段. 介绍了高频雷达高度计系统的原理和设计, 通过分析高度计电磁脉冲与多层光滑介质之间的相互作用, 得出其回波功 率随时间变化的模型, 并考虑了表面粗糙度对表面回波功率的影响. 选用典型的火星分层介质模型, 对其介电常数特性和高度计回波波形 进行了仿真. 仿真结果表明, 采用高频雷达高度计系统可实现对火星次表 层介电特性垂直廓线的反演, 对火星中水的识别具有重要 作用.     

一种电离层场向不规则体各向异性散射模型

电离层场向不规则体散射具有很强的方向性, 利用电离层场向不规则体散 射进行VHF频段超视距通信时, 需要准确可靠地确定其散射分布特性及路径损 耗等参数. 基于电离层不规则体场向散射的特点, 以地球地磁场为坐标系统, 提出了一种电离层场向不规则体各向异性散射模型, 该模型能够计算前向和后 向散射链路的路径损耗分布、时延展宽和相干带宽等参数, 同时运用该模型对 雷达横向截面的计算结果与已有文献的数据结果进行对比, 证明了该模型的准确性. 该模型能够计算电离层场向不规则体VHF频段的散射分布及路径损耗等参数, 为VHF散射通信链路的设计、布站提供依据和技术指导.     

大型屏蔽暗室静区静度测试初探

主要论述了如何对大型屏蔽暗室静区反射电平进行测试及各种参数的意义和测试的必要性等 ,提出了一些影响静区反射电平测试的常见问题及其解决方法     

三维五向矩形编织复合材料的细观结构模型

分析了三维五向矩形编织工艺携纱器的运动规律,基于映射思想研究了纱线的空间走向及规律.经分析内部区域编织纱及轴纱的空间挤压交织关系,建立了能有效反映其纱线空间构型特征的三维实体细观结构模型.根据3单胞划分思想,提出了平行于材料边界方向的单胞几何模型,建立了编织工艺参数和模型宏细现结构参数的关系.模型数值结果与试件实测数据基本吻合,证明了该模型合理、有效.     

空空导弹威胁下某型飞机的战伤计算与仿真

为获取飞机在导弹打击后的毁伤状态及战伤数据,指导军队战时战伤抢修和战场备件筹措,有效恢复作战能力,本文建立某型主战飞机的易损性模型、结构件模型及相关计算模型,分析了飞机在破片型战斗部打击下的生存力及损伤情况.计算结果实施了地面实弹打击试验及战伤抢修训练,为战伤飞机进行战伤模式分析、战伤评估和抢修方案的制定提供了重要依据,提高了飞机持续作战能力.     

宽频带微带天线的设计

频带窄严重制约微带天线的广泛应用。在讨论微带天线频带展宽的基础上 ,研究多谐振方式展宽频带的方法。采用时域有限差分法进行优化设计计算 ,给出了具体测试结果。     

基于线性样条和CNN-LSTM的北斗卫星缺失数据处理方法

针对北斗某星辐射剂量探测数据缺失问题,提出了一种基于线性样条和CNN-LSTM神经网络模型的处理方法.在对数据特性分析的基础上,将原始数据分解为线性趋势项和季节波动项.对于线性趋势项,采用基于线性样条的缺失值处理方法;对于季节波动项,根据其时空变化特性,设计CNN和LSTM组合神经网络结构,完成季节波动项的缺失值处理....     

同步卫星讯号的闪烁研究

本文研究了我国中纬台站西安观测到的日本同步卫星ETS-2 136 MHz讯号的幅度和相位闪烁特性。发现幅度谱和相位谱的高频特性可用弱闪烁理论来解释。在低频端,幅度谱和相位谱经过一个平坦的频域后开始下降,这与弱闪烁理论矛盾。文本将解释这些矛盾。似乎此处的结论更为合理些。     

Low-latitude storm time ionospheric predictions using support vector machines

The electromagnetic drift plays an important role in low-latitude storm time ionospheric dynamics. In this study we attempt to utilize the electric field data into ionospheric predictions by using support vector machine (SVM), a promising algorithm for small-sample nonlinear regressions. Taking the disturbance electric field data as input, different SVMs have been trained for three seasonal bins at two stations near the north crest of the Equatorial Ionization Anomaly (EIA). Eighteen storm events are used to check out their predicting abilities. The results show fairly good agreement between the predictions and observations. Compared with STORM, a widely used empirical correlation model, the SVM method brings a relative improvement of 23% for these testing events. Based on this study we argue that the SVM method can improve the storm time ionospheric predictions.