嫦娥四号着陆器载荷电控箱地面测试系统设计

航天器电子设备的地面综合测试是航天器研制过程中的重要环节，对设备功能验证及性能评估具有重要作用.传统的地面综合测试系统可重用性差，导致研制周期长且人力、设备投入较大.嫦娥四号着陆器载荷电控箱的地面测试系统采用模块化、可重用和CPU+FPGA单机集成体系结构，是集供配电测试、1553B通信总线仿真测试、间接指令测试、异步串口通信测试、实时数据处理等功能于一体的综合测试系统，适用于航天器电子设备单板调试、单机测试、软件配置项测试以及环境模拟试验等不同类型的测试.通过嫦娥四号着陆器载荷电控箱各项接口、功能、性能指标等的测试，证明该系统满足支持设备单机调试、软件配置项测试、状态确认和问题排查等测试需求，有力支撑了嫦娥四号着陆器载荷电控箱的单机设备研发，为嫦娥四号着陆器任务实施提供了有效保障.      

基于深度多模态特征融合的短视频分类

目前，短视频已经成为新媒体时代极具有代表性的产物之一，其天然的具有时短、强编辑等特点，使得传统视频分类模型不再适合于短视频分类任务。针对综合短视频分类问题的特点，提出了一种基于深度多模态特征融合的短视频分类算法。所提算法将视觉模态信息和音频模态信息输入到域分离网络中，将整个特征空间划分为所有模态共享的公有域部分及由音频模态和视觉模态分别独有的私有域部分，借助优化域分离网络，最大程度地保留了不同模态特征间的差异性和相似性。在公开的短视频分类数据集上进行实验，证明了所提算法可以有效减少特征融合时的冗余性，并将分类的平均精度提高到0.813。      

卷积神经网络卫星信号自动调制识别算法

自动调制识别是空间认知通信系统的关键技术，有助于实现自适应信号解调。深度神经网络虽然具有特征提取能力强的优势，但也存在参数众多、计算量大的问题，难以实现空间在轨应用。针对以上问题，提出了一种轻量化、高性能的卷积神经网络结构。网络先提取信号的同相正交相关特征，再提取时域特征，最后提取各通道特征均值进行分类。对11种调制方式分类的实验结果表明:当信噪比高于0 dB时，平均识别准确率能达到86.94%，较传统的高阶累积量的方法提高了31.54%;与目前高识别准确率的深度神经网络模型相比，仅使用不到10%的模型参数，在树莓派4B上计算速度平均提高了20倍。