雷达侦察系统近场相位校正方法的实现

对采用多基线相位干涉仪进行测向定位的雷达侦察系统,分析在近场条件下进行相位一致性校正时引入的波程差,提出了近场条件下的相位校正方法.该方法可有效地消除或减小环境因素对雷达侦察系统相位校正和测向误差的影响,从而提高测向和定位精度.     

新型天线技术研究进展

根据最新研究情况,论述了新型天线技术的发展现状。液体天线用离子液体或液态金属等构成天线,构造灵活,使用场合广泛;铁电材料通过可调的高介电常数特性获得辐射特性可变的天线;而薄膜天线依托柔性材料技术的进步,易于制作轻质复杂的天线,适用于航空航天领域;集成化的桅杆天线是提高舰船整个平台性能的主要途径之一,有的技术已用在新建造的舰船上;异向介质和超材料透镜天线,具有体积小、增益高的特点,特别适用于情报侦察领域。     

一种新型平板高增益天线

设计了一种新型低剖面、高增益天线,即褶皱地平面天线。这种新型天线的剖面只有喇叭天线的1/10,采用周期性结构的金属制作而成,可以广泛应用于弹载、机载和星载侦察系统以及敌我识别系统。     

航空发动机燃油系统执行机构故障诊断及验证

研究了基于执行机构模型以及发动机逆模型的发动机燃油系统执行机构及其传感器故障诊断方法.基于发动机半物理仿真试验台试验数据建立执行机构小闭环传递函数模型,通过二次多项式拟合将油针位置转换为燃油流量.提出基于自校正在线训练神经网络算法建立发动机逆模型,以离线训练网络参数初始化在线系统,基于阈值更新网络参数,并对学习速率进行自校正,以提高算法的泛化能力及收敛速度.对比执行机构模型输出、发动机逆模型输出与LVDT传感器测量位移换算得到的燃油流量,基于阈值判断故障状态.在T700涡轴发动机半物理仿真试验平台上进行试验,实现了在发动机额定及各种性能退化状态下,执行机构及其传感器漂移和偏置故障的准确诊断及定位,验证了算法的有效性.     

参考站相对位置对AGNSS接收机卫星信号捕获的影响

AGNSS(Assisted Global Navigation Satellite Service)接收机的性能受辅助信息准确程度的影响.由于参考站位置和终端的真实位置存在偏差,使得接收机获得的参考多普勒频移不准确,将增大弱信号条件下终端对卫星信号频率维搜索的范围.为分析参考站相对位置对AGNSS接收机卫星信号捕获的影响,推导了参考站相对位置偏差引起的多普勒频移分布以及最大频率搜索空间的表达式,并进行了数值仿真和分析,得到了一些有用的结论.     

雷达信号时差频差定位关键技术研究

雷达信号时差频差定位是当前电子战领域内的热点研究课题.对其中的关键技术进行分析研究,重点讨论频差精确测量方法,对工程实现的有关问题做了初步分析,并提出了可能的解决途径.     

美国弹道导弹防御发展与海基系统拦截试验分析

概述美国"欧洲导弹防御系统"计划和"弹道导弹防御评审报告"(BMDRR),简要介绍了美国学术界一些人士的不同看法.然后着重综述了美国学术界人士与国防部关于海基弹道导弹防御系统/SM-3拦截弹飞行拦截成功率之争,并指出这种争论的技术焦点就在于SM-3拦截弹击中火箭箭体是否足够,或者说是否必须碰撞弹头才能摧毁导弹.     

美国空间态势感知系统发展现状及趋势分析

空间态势感知(SSA)是航天电子对抗的重点内容之一,SSA项目的研发已引起极大的关注.简要介绍了美国<2020年空军条令>中有关SSA的规划,重点讨论美国在研的几种SSA系统现状,明确了其未来的SSA是响应型.最后,分析了未来的响应型SSA.     

一种多目标干扰时的干扰资源管理方法

指出研究多目标干扰时的干扰资源管理方法的必要性.给出了干扰资源管理方法的管理流程.从雷达数据库和干扰样式库管理、威胁识别、资源分配、干扰源和干扰通道管理等方面详细介绍该方法的具体内涵和要求.最后说明该方法的改进途径和软件升级优势.     

A data driven approach for detection and isolation of anomalies in a group of UAVs

The use of groups of unmanned aerial vehicles(UAVs) has greatly expanded UAV’s capabilities in a variety of applications, such as surveillance, searching and mapping. As the UAVs are operated as a team, it is important to detect and isolate the occurrence of anomalous aircraft in order to avoid collisions and other risks that would affect the safety of the team. In this paper, we present a data-driven approach to detect and isolate abnormal aircraft within a team of formatted flying aerial vehicles, which removes the requirements for the prior knowledge of the underlying dynamic model in conventional model-based fault detection algorithms. Based on the assumption that normal behaviored UAVs should share similar(dynamic) model parameters, we propose to firstly identify the model parameters for each aircraft of the team based on a sequence of input and output data pairs, and this is achieved by a novel sparse optimization technique. The fault states of the UAVs would be detected and isolated in the second step by identifying the change of model parameters.Simulation results have demonstrated the efficiency and flexibility of the proposed approach.