一种星载信息系统微系统电路设计

基于星载信息系统高集成化、轻小型化和智能化的发展需求,微系统电路通过SOC/SIP等先进集成电路设计技术将CPU、 FPGA及相关功能的裸芯片高密度集成。相比传统卫星研制方式,微系统电路的体积、重量、功耗显著减小,且产品研制周期由于模块化、通用化设计得以缩减。文章介绍一种基于RISC-V指令集处理器的星载信息系统微系统电路设计方案,采用基于RISC-V指令集的双核处理器作为微系统控制核心;通过架构优化设计集成RISC-V处理器核、 FPGA、存储芯片、接口电路等;考虑空间环境的影响,通过结构级抗辐照加固设计提升微系统电路的在轨运行可靠性。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况，开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进，实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础，设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例，建立了太阳能电池阵列模型，开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验；基于"蒲公英I"飞行剖面，开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪，与萤火虫算法相比收敛时间更短、且功率波动幅度更小；采用改进萤火虫算法和状态机能源管理策略，在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

一种卫星信道的反馈优化接入机制

提高卫星信道资源利用率，探索高效可行的端站接入机制是卫星通信发展亟待解决的问题之一。当前卫星通信DVB-RCS标准基于带宽预先规划的接入机制与端站随遇接入的需求矛盾凸显，因此提出一套信道反馈优化接入机制，综合考虑各端站数据业务需求，在不改变原有协议信令特征的基础上，探索性地引入谦虚度激励方法，创造性地构造动态协商反馈模型并加以求解，达到提高端站接入数量、满足随遇接入需求、提升信道利用效率、最大化整体带宽通信业务效益的目的。通过试验验证，带宽分配反馈优化机制比传统模式提高近1倍接入率，最大端站数接入时算法耗时约只有0.67s，可为卫星信道使用提供技术参考。     

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究，将干扰资源调度建模为多目标优化问题，以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型，利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿，以最优解集代替最优解，再根据战场实际情况选择最佳调度方案，使决策方案更加科学合理。实验结果表明，MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷，有较高的搜索效率，算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

基于代理模型全局优化的自适应参数化方法

对于翼型气动隐身设计问题，设计变量的配置对设计结果影响很大，而简单地增加设计变量不能保证得到理想的结果。提出一种适用于代理模型全局优化的自适应参数化方法：利用全局敏感性分析方法——基本效应法，得到设计空间关于目标函数的敏感区域信息，并以此为根据增加设计变量；利用节点插入算法将低维样本在高维空间内进行重构，避免了重新取样的工作量。相对于传统固定设计空间维度方法，自适应参数化方法在设计空间的敏感区域扩展维度，能够更加精准地描述外形并反映目标的变化趋势。通过飞翼布局翼型的气动隐身优化算例，证实自适应参数化方法可以大幅提高优化设计质量和效率。     

最小数据丢失量的地月中继卫星任务调度研究

月球背面的探测器必须依靠地月中继卫星进行数据传输与通信。地月中继任务包括实时性任务和延迟容忍类任务，如数传任务。当探测器等待传输的数据量超出用户存储容量时，延迟容忍类任务会由于探测器本地存储资源不足和地月中继卫星天线资源受限而无法完成，导致任务数据丢失，所以需要设计一种合理的地月中继任务调度策略，提高地月中继卫星的资源利用率，减少数据的丢失。对地月中继卫星任务调度进行了研究，在分析地月中继卫星数传任务的特点及用户的存储限制的基础上，以最小化数据丢失量为优化目标，建立了地月中继卫星任务调度模型，并设计了一种基于离散烟花算法（DFWA）的地月中继卫星任务调度算法。仿真数据分析表明，基于离散烟花算法的地月中继卫星任务调度算法在求解结果上优于遗传算法，是一种合理、有效的调度方法。     

基于粒子群算法的多波位高度估计方法

为解决雷达斜视模式下对目标区域的高度估计问题,提出了一种基于粒子群算法的多波位高度估计方法。利用粒子群优化算法建立约束条件和目标函数,通过多次迭代使目标函数趋于一个最优值,同时得到高度的最优解。利用粒子群优化算法求解多波位测高方程组可减小方程组近似处理误差。此外,利用粒子群优化算法可随时更改波位数目,增强了该测高方法使用的灵活性,有效提高了高度估计精度。通过理论仿真和实测数据仿真分析,验证了粒子群优化算法在求解多波位测高方程组时的有效性。结果表明:该方法具有较高的高度估计精度。