战术互联网络体系结构

文章从数字化战场的战术通信需求出发,针对传统战术通信系统存在的缺陷以及发展趋势,从网络体系结构的高度总结出了战术互联网的3个构建原则。     

非正弦时域正交调制系统定时误差抑制方法

定时误差可使非正弦时域正交调制系统的解调性能显著下降。针对该问题,该文提出了基于保护间隔的定时误差抑制方法。在分析非正弦时域正交调制信号特征的基础上,公式推导了定时误差在相关接收时引起的干扰分量,理论分析了码元间插入保护间隔的定时误差抑制方法的可行性,并进行了仿真验证。结果表明,这种方法可有效的提高系统的误码率性能。该方法尤其适合于对定时误差敏感或精确同步困难的通信系统。     

复合材料风扇叶片力学性能试验研究与有限元分析

依照制定的规范化试验流程,进行额定工况和二倍超载工况下的静力加载试验和全寿命周期疲劳试验,以验证复合材料风扇叶片运转工况所需的力学性能试验,结果表明复合材料风扇叶片满足使用强度要求,具有足够疲劳寿命。试验流程制定和具体试验方法可为同类产品力学性能检测提供参考。提出一种曲面外形构件复合材料属性设置方法,基于该方法建立复合材料叶片有限元模型,应用该模型对复合材料叶片在额定工况离心力作用下的载荷-位移响应进行计算。计算所得载荷-位移曲线与试验结果基本吻合,验证了计算方法的合理性。     

基于功率复用的椭圆球面波函数非正交调制方法

围绕如何降低基于椭圆球面波函数的非正交调制（PSWF-NPSM）系统误码率，降低信号检测复杂度，引入调制信号功率复用思想，提出基于功率复用的椭圆球面波函数非正交调制（PD-PSWF-NPSM）方法。该方法对载波信号按子波带进行功率分配，增加了调制信号最小欧式距离，降低了系统误码率；在接收端，提出基于检测统计量的串行干扰相消信号检测方法，依据不同支路信号间功率差异，对信号进行分离、检测。理论与仿真分析表明，该方法在不降低系统频带利用率、调制信号功率谱、峰均功率比特性前提下，能够有效提高系统误码性能，降低调制信号检测复杂度；与原非正交调制方法相比，当误比特率（BER）为10^-5时，所提方法系统误码性能提升约1.7 dB。     

低速风洞试验模型轻量化快速制造技术

介绍了某飞机模型后机身和滑轨整流罩零部件制造过程,并与机加零件进行经济性对比分析。风洞试验模型桶段类后机身部件采用轻量化树脂泥模具及VARI工艺制造方法,重量减轻58%,周期缩短16%,成本增加20%。滑轨整流罩等异形零件采用选区熔化增材制造方式,与机加滑轨整流罩相比减重86%,研制周期和成本略有增加;与复材滑轨整流罩相比减重48%,制造周期缩短42%,成本降低28%。     

低速风洞试验模型轻量化设计

风洞试验模型的设计和制造直接关系到风洞试验数据的准确性，对飞行器研制的周期和成本具有重要的影响。对低速风洞试验模型进行轻量化设计是获得可靠风洞试验数据和降低风洞试验成本的关键环节。采用复合材料蒙皮加框梁及增材制造结构，以某民机模型为研究对象，开展整体化、轻量化设计，应用有限元分析软件对设计结果进行强度校核和振动分析。结果表明，通过优化设计，与传统金属模型相比，模型设计重量降低50%以上；机翼采用复合材料蒙皮和复合材料加强筋结构，其强度可满足设计要求；对异形零件进行面向增材制造的轻量化设计，与基于复合材料制造的设计相比，可减重20%，制造周期缩短50%以上；模型轻量化设计后可提高模型-支撑系统固有频率。     

基于空间自适应剖分的 Lightcuts多光源聚类算法

针对Lightcuts算法在面对大规模复杂光源时计算效率较低的问题,提出了一种基于空间自适应剖分的Lightcuts多光源聚类算法。该算法采用二叉树森林代替传统Lightcuts算法中的二叉树,并提出自适应的视景体划分方法对三维场景进行剖分,通过构建包含"簇-光源"对的列表,快速剔除与当前渲染点无关的光源,同时利用空间聚类的相似性减少"光源割"搜索过程中的重复计算。实验结果表明,与传统方法相比,文章提出的算法在"光源割"计算阶段能够将搜索步数平均减少30.71%~42.09%,绘制时间平均缩短28.35%~34.84%,有效地加快了Lightcuts算法的计算速度,提高了多光源三维场景的绘制效率。     

大规模场景的百分比近邻软阴影绘制算法

针对传统软阴影绘制算法在面对大规模三维场景时绘制效率较低的问题,文章基于四叉树加速结构的阴影图构建,研究了邻域节点的搜索方法和遍历顺序的选择方法,提出了一种基于四叉树的百分比近邻软阴影算法。实验结果表明,与传统算法相比,该方法能够有效提高大规模三维场景的软阴影绘制效率,且性能稳定,可以渲染出高质量的软阴影效果。     

利用神经网络的海杂波幅度分布参数估计方法

海杂波是制约对海雷达探测性能的主要因素之一,掌握其特性,具有十分重要的意义。经典海杂波统计模型在参数估计方法上以传统统计学理论为基础,在样本数较少的情况下,估计结果往往较差,导致建模准确度下降。此外,在复杂非均匀探测背景下,难以实现海杂波模型参数的准确实时估计。针对该问题,文章将深度神经网络模型引入海杂波参数估计领域,通过构建合理的模型,使其具备海杂波幅度分布模型的高精度参数估计能力。该方法采用直方图统计的方法进行数据预处理,合理划分输入数据标签的分组区间,构建数据集训练神经网络,并利用测试数据得到神经网络估计结果。仿真数据和X波段IPIX雷达实测数据验证结果表明,与传统数理统计估计方法相比,该算法明显提升了海杂波统计模型参数估计精度。