卫星抗干扰技术研究

论述了卫星抗干扰技术的发展现状与趋势；介绍了卫星抗干扰技术的特点与重要意义，阐明了卫星抗干扰的样式及措施，并对几种常见的抗干扰技术做了分析对比。从分析对比中找出了差距，提出了发展此项技术的几点看法和建议。     

跟踪目标时雷达信息的数字处理 续

3 在干扰条件下机动目标的跟踪3.1 概述在干扰条件下机动目标的跟踪问题包括确定机动开始时刻及标志与轨迹的概率核对.但是,一道解决这些问题实际上是很成问题的.问题在于检测机动是在分析远离目标预测位置的标志的序列基础上进行的.但是概率核对算法不用这些标志,认为这些标     

强海杂波背景下目标检测方法综述

高频地波雷达被广泛应用于海面目标的检测,而由于海杂波的分布散射具有很强的动态特性,通常情况下成为了海面目标检测的主要干扰成分.因此,在强海杂波背景下进行目标检测的关键在于如何有效抑制海杂波.从循环对消、子空间分解、模型预测以及分形特征这几方面对海杂波抑制技术进行综述、分析和总结,为后续对海面目标检测提供参考.     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

空间微波交会雷达总体构想

结合我国载人航天工程未来发展的需要,分析了国外微波交会雷达技术的发展方向,提出了我国微波交会雷达的总体实施方案构想。     

一种测量雷达散射截面参数现场校准方法

雷达散射截面参数是测量雷达一项非常重要的技术指标,该参数的准确性直接影响雷达对被测目标隐身能力的判定。基于雷达散射截面参数有源定标技术、高精度雷达散射截面模拟控制技术、高稳定雷达散射截面回波信号合成技术等,实现对雷达散射截面参数的动态精确模拟,从而对测量雷达散射截面参数进行校准,通过外场条件下的量值传递,解决了测量雷达散射截面参数有源定标问题。     

GPS/INS超紧组合载波跟踪环路最优带宽在线设计

在全球定位系统和惯性导航系统组成的超紧耦合系统中,卫星信号的跟踪性能直接取决于载波跟踪环路的带宽。为提高最优带宽的计算精度,在对惯导辅助下载波跟踪环路跟踪特性进行分析的基础上,详细推导了载波多普勒频率估计误差、多普勒频率变化率估计误差的计算方式,建立了惯导辅助下的环路跟踪误差模型;在实时估计跟踪载噪比的基础上,应用离散牛顿二阶梯度法迭代解算最优带宽,并进行实时调整。仿真结果表明,所设计最优带宽迭代解算方法的计算精度能够在11次迭代内达到99.6%,以此作为环路的带宽,能够在弱信号、辅助信息精度较低的情况下有效提高环路的跟踪精度。     

金属材料微裂纹取向与超声波和频非线性效应

针对非线性超声无损检测金属材料微裂纹取向角度的问题,开展了微裂纹取向与超声波的和频非线性效应研究,建立了超声和频非线性特征系数与微裂纹取向角度的关系模型。理论和有限元仿真实验结果表明,随着微裂纹取向角度的逐渐增大,超声和频非线性特征系数与微裂纹取向角度之间呈现明显的正相关趋势,而且相比二次非线性特征系数,和频非线性特征系数对微裂纹取向检测更为敏感。同时,从超声波平均能流密度（即声强）的角度出发,计算可知和频分量声强会随着微裂纹取向角度的增大而增大,而二次谐波声强基本不会发生变化,同时和频分量声强占比相比于二次谐波声强占比也得到了明显提高。超声波声强计算结果与仿真计算结果趋势基本一致,证明了理论模型的正确性。通过实验验证了模型的有效性,为金属材料微裂纹取向的检测提供了一种有效的手段。      

基于异步卷积分解与分流结构的单阶段检测器

目标检测网络SSD的多层回归特征图存在各层回归计算之间相对独立的问题,且基于SSD改进的系列算法在提高检测精度的同时难以兼顾实时性。针对上述问题,提出一种基于异步卷积分解与分流（shunt）结构的单阶段目标检测器。基于异步卷积分解算法设计了一种shunt结构,交错连接多层特征图,增强了回归计算之间的统一性与协调性。优化了原有高层主流结构,在主流结构与shunt结构中分别用最大池化和异步卷积分解2种不同的方式对特征图大小进行降维,保留空间相关信息的同时提高了特征的多样性。实验结果表明,将VOC2007trainval和VOC2012trainval中的图片统一缩小至300像素×300像素进行训练,提出的目标检测器在VOC2007test上进行检测时的平均精度均值可达到80.5%,检测速度超过30帧/s。      

GNSS-IR双频数据融合的土壤湿度反演方法

目前全球导航卫星系统反射信号干涉测量（GNSS-IR）土壤湿度反演研究仅针对单一频点展开,提出用熵值法将2个频点数据进行融合以改进土壤湿度反演精度。首先,利用频谱分析法分别解析出各频点的信噪比（SNR）序列的振荡频率,计算出对应的等效天线高度,并利用最小二乘法求解各频点信噪比序列相位;然后,通过熵值法进行2个频点的相位观测量融合;最后,利用融合结果与实测土壤湿度建立经验模型,实现土壤湿度反演。利用地基观测实验获得的全球定位系统（GPS）L1和L2信噪比数据对该方法进行了验证,结果表明:L1和L2双频融合反演结果平均标准差为0.6%,比L1单频反演结果提高64.73%,比L2单频反演结果提高32.12%;均方根误差为0.37%,比L1频点降低72.8%,比L2频点降低73.4%。