卷积神经网络卫星信号自动调制识别算法

自动调制识别是空间认知通信系统的关键技术，有助于实现自适应信号解调。深度神经网络虽然具有特征提取能力强的优势，但也存在参数众多、计算量大的问题，难以实现空间在轨应用。针对以上问题，提出了一种轻量化、高性能的卷积神经网络结构。网络先提取信号的同相正交相关特征，再提取时域特征，最后提取各通道特征均值进行分类。对11种调制方式分类的实验结果表明:当信噪比高于0 dB时，平均识别准确率能达到86.94%，较传统的高阶累积量的方法提高了31.54%;与目前高识别准确率的深度神经网络模型相比，仅使用不到10%的模型参数，在树莓派4B上计算速度平均提高了20倍。      

全闭环条件下机载主被动雷达数字化仿真技术研究

随着计算机仿真技术的发展，可以结合实际雷达工作流程和处理算法来实现装备的数字孪生，从而脱离传统射频设备或半实物硬件平台。本文介绍了主动雷达搜索、跟踪及SAR成像的信号级仿真，被动雷达搜索、跟踪的功能级仿真流程和相关实现算法，并通过主被动雷达仿真基础运行软件进行算法集成，在闭环仿真验证平台下与控制、散射源和辐射源分系统进行交互，根据其输入的控制指令与回波数据实现各模式下的雷达处理，最后反馈给控制分系统，实现了闭环工作模拟。试验结果验证了该仿真技术的工作流程与信号处理算法的正确性，所给出的部分干扰过程分析进一步说明该技术在机载主被动雷达设备的预研和复盘中具有广泛的应用前景。     

立体物料仓库单元的机械系统FMEA分析

立体物料仓库单元是钣金自动化智能生产线中重要的板料储存中心，其可靠性问题直接关系到钣金自动化智能生产线的可靠性，因此，对钣金自动化智能生产线的立体物料仓库单元机械系统进行故障模式及影响分析(FMEA)十分重要。针对传统FMEA中缺少功能和故障因果关系分析的问题，提出使用维护感知设计环境(MADe)软件对立体物料仓库单元的机械系统进行功能分析和故障数据分析，并建立立体物料仓库单元的功能模型图和机械系统的故障因果关系图。在此基础上，根据立体物料仓库单元功能模型图构建机械系统的模糊认知图(FCM)邻接矩阵，再通过计算得出立体物料仓库单元机械系统的FMEA表。对立体物料仓库单元机械系统进行基于MADe软件的FMEA分析显示，所提方法对提高钣金自动化智能生产线可靠性具有通用性。      

一种基于诱导脉冲的极化对消抗欺骗干扰方法

针对反舰导弹雷达受到敌方大功率有源欺骗信号干扰而不能有效探测目标的问题,提出了一种基于诱导脉冲的极化对消方法.首先采取Jones矢量对雷达及干扰信号的极化特性进行表征,接着建立一种基于诱导脉冲的雷达H、V双极化通道接收体制,时序上分为诱导和对消两个阶段;然后具体分析了极化对消器的算法原理;最后采取正负斜率线性调频对诱导...     

基于数值模拟的工程设计中参数不确定性表征方法研究综述

现代工程设计大量使用数值模拟技术，然而数值模拟中仿真模型、几何参数、工作载荷、环境条件等均存在不确定性，这些不确定性直接影响数值模拟结果的可信度，尤其在研发对性能和可靠性要求严苛的装备时，忽略这些不确定性将产生潜在风险，因此在基于数值模拟的工程设计中开展不确定性量化意义重大。不确定性表征既是准确开展不确定性量化和优化设计工作的前提，也是工程精细化设计的重要支撑。本文阐述了基于数值模拟的工程设计中所面临的不确定性因素，根据不确定性因素的表现形式和可用信息，按照概率表征和非概率表征两大类总结了目前主流的参数不确定性表征方法，介绍了各种表征方法的基本思想、主要原理、适用范围以及方法在工程实践中的发展和应用，并简要阐述基于不确定性表征结果进行不确定性传播的基本思路，最后对不确定性表征的研究方向进行了展望。     

高温超导滤波器在电磁抗干扰中的技术和应用

滤波器作为通信系统射频前端的关键部件,其性能举足轻重。在射电天文观测的频段,高温超导薄膜材料的表面电阻比普通金属材料低至少两个数量级，因此，采用高温超导材料能够设计并加工出性能卓越的射频滤波器。特别是射电天文望远镜对电磁抗干扰的实际需求越来越迫切,使得具有电磁抗干扰能力的陷波滤波器的研究备受关注。研究团队长期从事该领域的研究,并已取得一些研究成果。文章从不同谐振器结构类型以及频率特性等方面，介绍了研究团队在该领域的研究和设计工作，以及在射电天文电磁抗干扰中发挥的作用。     

基于双目视觉的类脑三维认知地图构建方法

基于大脑导航神经细胞机理的类脑认知地图构建方法,为发展智能同步定位与地图构建(SLAM)技术提供了新思路.针对现有类脑认知地图构建精度不高的问题,提出了一种基于双目视觉的类脑三维认知地图构建方法.首先阐述了类脑三维认知地图系统的工作原理,然后论述了不同视觉里程计对认知地图精度的影响,研究了基于双目视觉里程计的类脑三维认知地图精度优化方法,最终完成了基于视觉数据集的类脑三维认知地图构建试验.试验结果表明,所提方法构建的视觉里程计地图的三维位置误差为总行程的2.14％,认知地图的三维位置误差为1.56％;认知地图精度与里程计精度呈正相关;系统通过模板匹配进行回环检测与校正,提高了认知地图的精度.     

多源干扰下高超声速飞行器自主精细控制

从高超声速飞行器自主精细控制需求出发，研究了器件失效退化、烧蚀变质心、燃料快速消耗等多源干扰与不确定性表征以及飞行器深耦合系统建模方法，提出了干扰在线预示、风险在线预警和强抗扰控制策略，并梳理了若干值得深入探索的前沿科学问题。强抗扰控制的设计目的是通过干扰在线预示、风险在线预警和柔性重构，赋予高超声速飞行器极端环境下强自主、强适应、强生存等智能行为能力。仿真测试结果表明，与传统自抗扰控制方法相比，强抗扰控制方法可显著提升飞行器极端环境下的自主性、适应性和可靠性。     

基于支持向量机的抗干扰决策技术

为了应对日益复杂的电磁环境，认知雷达的概念被引入电子战中。认知电子战系统包括认知侦察、认知对抗和认知效能评估3个重要环节。针对认知电子战系统对抗干扰决策技术的需求，为实现自适应的决策抗干扰措施，将支持向量机(SVM)算法运用于抗干扰决策中。仿真结果表明:基于SVM的抗干扰决策技术可以自适应地决策抗干扰措施，进行干扰对抗，该算法完成了认知电子战中的最后的一步，使认知电子战系统实现闭环。     

四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。