基于相对马氏距离的非均匀杂波抑制方法

由于天基雷达覆盖范围广、探测背景复杂，雷达回波会呈现出明显的非均匀特性，从而导致杂波协方差矩阵（clutter covariance matrix, CCM）估计与实际情况出现偏差，从而恶化天基雷达对空中动目标的检测性能。针对上述问题，提出了一种基于相对马氏距离的非均匀样本抑制方法，该方法首先计算所有样本的广义内积（generalized inner product, GIP），在此基础上选取一个合适的样本作为参考。通过比较场景中所有样本与参考样本的马氏距离，将相对马氏距离大于判定门限的样本作为非均匀样本剔除。用筛选后的样本进行杂波协方差矩阵估计，从而提高天基雷达在复杂环境下对空中动目标的检测性能。理论分析和实测数据结果表明，所提算法能够在非均匀环境下有效检测出空中动目标。     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法。首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习。其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复杂度。此外,设计了一种基于融合系数最大绝对值的融合规则,并根据过完备字典和融合后的局部约束线性系数实现融合图像的重建。最后,利用圆周滤波器提取舰船图像的候选区域。大量试验结果表明,在融合图像质量方面,所提方法在保留高频细节的同时将图像中的舰船目标有效增强了,MI、Q_w、Q^AB/F等客观评价指标优于同类算法;在实时性方面,所提算法的计算速度相比于采用匹配追踪算法的图像融合方案有明显提升。     

Transfer learning: A new aerodynamic force identification network based on adaptive EMD and soft thresholding in hypersonic wind tunnel

The aerodynamic test in the pulse combustion wind tunnel is very important for the design, evaluation and optimization of aerodynamic characteristics of the hypersonic aircraft. The test accuracy even affects the success or failure of hypersonic aircraft development. In the aerodynamic test of pulse combustion wind tunnel, the aerodynamic signal is disturbed by the inertial force signal, which seriously affects the test accuracy of aerodynamic force. Aiming at the above problems, this paper innovatively proposes an aerodynamic intelligent identification method, that is the transfer learning network based on adaptive Empirical Modal Decomposition (EMD) and Soft Thresholding (TLN-AE&ST). Compared with the existing aerodynamic intelligent identification model based on deep learning technology, this study introduces the transfer learning idea into the aerodynamic intelligent identification model for the first time. The TLN-AE&ST effectively alleviates the problem of scarcity of training samples for intelligent models due to the high cost of wind tunnel tests, and provides a new idea for further implementation of deep learning technology in the field of wind tunnel aerodynamic testing. And this study designed residual attention block with soft threshold and dense block with adaptive EMD in TLN-AE&ST model. Residual attention block with soft threshold module can more effectively suppress the influence of instrument noise signal on model training effect. Dense block with adaptive EMD makes the deep learning model no longer a black box to a certain extent, and has certain physical significance. Finally, a series of wind tunnel tests were carried out in the Φ = 2.4 m pulse combustion wind tunnel of China Aerodynamic Research and Development Center to verify the effectiveness of TLN-AE&ST.     

轴向入射激波反射聚焦的实验和数值模拟

为研究两级脉冲爆震发动机凹腔入口宽度对第2级凹腔中激波聚焦过程的影响，设计轴向入射激波聚焦的实验系统，对不同入口宽度下激波反射聚焦的过程进行了实验和数值模拟。采用纹影系统拍摄凹腔中的流场结构，并测量了凹腔顶点处的动态压力。采用保持强稳定性（SSP）的Runge Kutta格式、weighed essential non oscillation（WENO)格式和块结构网格自适应加密（SAMR）算法对激波反射、衍射和聚焦的过程进行了数值模拟，数值模拟结果和实验吻合较好。通过分析比较相同马赫数激波通过不同宽度凹腔的反射聚焦过程，发现较小宽度凹腔入口下激波反射和聚焦较强，顶点的压力峰值较高，激波聚焦诱导的射流较强。      

叶轮机转静干涉计算建模方法比较

通过对尾迹-叶片干涉和激波-叶片干涉这两类典型转静干涉流动的模拟,对3种基于傅里叶分析的时域非定常计算建模方法,即形修正相延迟法、空间-时间梯度法和谐波平衡法进行对比分析；详细考察它们的区别与联系,不同方法的计算准确度和计算速度.计算表明:3种建模方法都可以很好地捕捉到非定常流动细节；与传统的时间推进法相比,计算速度提高了几倍到几十倍,可用于工程设计之中.      

STOVL飞机发动机多变量控制方法

短距起飞/垂直降落（STOVL）飞机发动机已采用多变量控制方法。基于鲁棒稳定性和条件数分析、块相对增益矩阵分析，对STOVL飞机发动机不同工作模式下的三变量控制系统输出选择和控制结构设计进行了研究。对常规工作模式，提出了基于多目标优化的三变量分块解耦控制方法，通过定义最优指标实现动态跟踪和分块间的耦合抑制。对常规工作模式和垂直起降工作模式间的切换，提出基于升力风扇功率前馈的复合控制方法，以消除负载变化对系统性能的影响。仿真结果表明:提出的控制方法能够保证常规工作模式下良好的解耦控制效果，能够实现不同工作模式间的平稳过渡，验证了控制方法的可行性。      

适用于FPGA与Nand flash阵列星载 固态存储器的坏块管理方法

随着遥感、雷达、通信技术的快速发展，卫星有效载荷速率爆发式增长，星载固态存储器需要存储的数据量越来越大，存储速率越来越高，存储读写次数越来越多。作为当前星载固存的主流产品，基于FPGA和Nand flash的星载固态存储器所需的Nand flash数量越来越多，单片容量越来越大。受限于Nand flash的工艺特性，基于FPGA和Nand flash的固态存储器在其生命周期内会产生更多的坏块，从而影响记录载荷数据的正确性。针对星载固态存储器使用过程中产生再生坏块问题，提出了一种基于实时坏块检测、标注和坏块数据自主搬移、坏块自主回收的固态存储器坏块管理方案，有效地消除了再生坏块对载荷数据正确性的影响，降低了再生超级坏块数据的错误扩散和重复错误概率。方案已经过测试验证并已具有多个型号飞行经历，是一种简单、高效、可靠的星载固态存储器坏块管理方法。