导航卫星时频系统发展综述

全球各大卫星导航系统近年来发展迅速,性能持续提升,其中卫星时频系统的高性能、稳定可靠和保持星间时频同步是系统实现高精度测量的基础.介绍了目前应用于各卫星导航系统的铷钟、氢钟、铯钟等星载原子钟和时频生成与保持技术的特点、发展概况及在轨应用情况.面向精度提升和自主运行能力提升的需求,分析了可能应用于下一代导航卫星的星载原子钟技术、星上时频生成与保持单元性能提升方法以及星间高精度激光时频同步技术,以支撑未来时频基准的天基化和我国综合PNT体系的建设.     

超燃冲压发动机燃烧室流场超分辨率重建

超声速燃烧室受限空间内复杂流场波系结构的获取受到光学测量装置精度的制约。为提升流场时空分辨率特征，本文应用中国空气动力研究与发展中心地面脉冲燃烧风洞获取的试验数据，在发动机入口马赫数2.5的条件下，构建了6种不同当量比下基于压力数据重构的燃烧室流场低分辨率图像数据集，研究了三种提高图像分辨率的方法来提升超燃冲压发动机燃烧室流场重构图像的分辨率。结果表明，本文所提出的流场超分辨率稠密网络（Flow-field Super-Resolution Dense Network, FSRDN）、流场超分辨率生成对抗网络（Flow-field Super-Resolution Generative Adversarial Network, FSRGAN）、传统的双三次插值法（Bicubic interpolation,Bicubic）对流场图像分辨率都提高了42倍。FSRDN网络所得流场图像结果的峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）、相关性系数（Correlation coefficient,CORR）、感知指数（Perceptual Index,PI）指标...     

研究基地人员分布不均衡的机组任务半环生成问题

国内很多航空公司多基地间存在机组人员和航班任务数量不匹配的情况，导致各基地生成的任务环在机组派遣阶段难以被很好地执行，因此需在任务环生成阶段生成适量的可满足机组人员跨基地支援的任务半环，而传统的生成完整任务环的方案难以适用于该情况。在该问题中，通过顺序方法找到全局最优解是不可能的，因为在配对问题中做出的决策减少了机组分配问题的决策域。对此，创新性地提出了任务半环生成方案，并且创建基于时空网络的集合划分模型，分析任务半环生成总量约束的子问题目标函数项对列生成求解框架的影响，提出可以有效消除该影响的分治策略，采用实际数据验证算法可行性和有效性。与传统的方法相比，可显著节省成本并更好地满足机组人员分配不平衡问题。     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

自适应短文本关键词生成模型

关键词抽取对文本处理影响较大，其识别的准确度及流畅程度是任务的关键。为有效缓解短文本关键词提取过程中词划分不准确、关键词与文本主题不匹配、多语言混合等难题，提出了一种基于图到序列学习模型的自适应短文本关键词生成模型ADGCN。模型采用图神经网络与注意力机制相结合的方式作为对文本信息特征提取的编码框架，针对词的位置特征和语境特征编码，解决了短文本结构不规律和词之间存在关联复杂信息的问题。同时采用了一种线性解码方案，生成了可解释的关键词。在解决问题的过程中，从某社交平台收集并公布了一个标签数据集，其包括社交平台发文文本和话题标签。实验中，从用户需求角度出发对模型结果的相关性、信息量、连贯性进行评估和分析，所提模型不仅可以生成符合短文本主题的关键词，还可以有效缓解数据扰动对模型的影响。所提模型在公开数据集KP20k上仍表现良好，具有较好的可移植性      

基于改进Cycle-GAN的光流无监督估计方法CSCD

卷积神经网络为光流的计算提供了一种新的方式,但作为一种数据驱动技术,用于训练网络的大规模光流真值在现实世界中不易获取。为了解决这个弊端,基于Cycle-GAN的循环对抗机制,提出了一种光流无监督估计方法。首先,引入双判别器机制在生成器生成的光流样本的底层和高层特征上进行鉴别,迫使生成器提高光流生成的精度。其次,引入Spynet作为教师网络,在生成器训练前期对其进行指导,防止网络陷入模式崩塌。最后,改进损失函数,提出了光流一致性损失和轮廓一致性损失函数,进一步提升光流估计精度。实验结果表明,与现有的先进算法相比,提出的方法达到与有监督算法相同的精度水平。     

一种低轨卫星高灵敏度辅助定位服务系统

本文针对全球导航卫星系统(GNSS)接收机低信噪比环境下的快速定位需求，在充分分析扩频信号相干积分关键影响要素的基础上，设计了一种低轨卫星高灵敏度辅助定位服务系统。针对空间段信号发射机低相噪信号生成技术所需的参考源、时钟树给出了详细设计及指标分析，通过发射信号误差向量幅度EVM对比测试，所设计的发射信号(EVM)指标可控制在优于1.19%。针对系统服务能力进行了星地一体化性能测试，实验结果表明，该系统可有效实现终端在灵敏度提升12 dB前提下有效定位且辅助定位时间优于3.5分钟。     

基于单片机的高精度波形信号直接生成方法研究

针对直接数字频率合成(DDS)技术不适于单片机直接实现的问题,提出了一种波形信号生成的整周期循环法。借助片内嵌有直接存储器存取控制器(DMA)和数模转换器(DAC)等外设的单片机,该方法可以在不引入DDS专用芯片的情况下直接生成预设波形信号,且在生成信号时完全不占用单片机的CPU时间。对生成波形信号的整周期循环法进行了理论分析,导出了生成信号的频率及最大相对频偏公式,给出了算法实现流程。采用STM32单片机对整周期循环法生成正弦信号进行了实验测试。实验表明生成信号的频率精度高,且波形稳定、质量好。     

基于二维独立均匀分布对抗自编码的模式识别研究

标准对抗自编码模型能够以自监督方式自适应提取输入样本的特征,并通过对抗机制对提取的特征施加特定的先验分布,从该先验分布进行采样输入解码器,则可生成与输入样本近似的样本。但在实际应用中,有时需要生成指定类别的样本;对于模式识别任务,通常还需要对多类别样本的特征进行提取,并强化特征间差异,从而进行聚类分析。针对上述需求,本文提出基于二维独立均匀分布对抗自编码的分析模型。在该模型中,根据类别信息构建二维均匀分布,便于对不同类别的可视化特征进行专属约束,从而强化不同类别特征间的差异;此外,通过自监督与对抗训练,使得对应特定类别信息的均匀分布样本能够生成指定类别的样本。方法经网络公开数据MNIST数据集进行了验证,研究表明,该方法能够利用与类别信息相关的二维独立均匀分布对隐变量进行约束,提高了特征聚类性能,并能够生成指定类别的样本。     

改进S-A湍流模型对横向射流的CFD模拟

通过在Spalart-Allmaras(S-A)湍流模型中加入应变率张量，来改善模型对横向射流(JICF)的计算精度。模拟了速度比分别为0.5和1.5工况下的横向射流。经实验值验证，结果表明:改进后的S-A模型预测精度有所提升；并对湍流模型改进部分对横向射流的作用机制做出了分析。将改进后S-A模型的计算结果与k-ε模型，雷诺应力模型(RSM)和大涡模拟(LES)的结果进行比较，发现S-A模型在速度比为0.5时精度最高，而在速度比为1.5工况下没有明显优势；并对这一现象做出了合理分析。