基于DOA聚类算法的ARM抗有源诱偏技术研究

有源诱偏技术是雷达对抗反辐射导弹的一种重要手段,可以大大降低反辐射导弹的作战效能。为提高对敌目标的精确打击能力,在分析闪烁诱饵诱偏原理的基础上,针对有源诱偏干扰下被动雷达测角精度与稳定度不高的问题,通过对有源诱偏信号的时域特征进行分析,提出一种基于脉冲前沿检测的DOA聚类分选算法,找出前沿超前的辐射源信号,实现了高性能抗有源诱偏干扰和高精度抗干扰测向。仿真结果表明,该技术可以有效对抗四点源有源诱偏干扰。     

一种基于深度学习的电磁信息泄漏检测方法

电子信息设备工作时无意发射的电磁波中包含有用信息，会导致电磁信息泄漏，从而威胁设备的信息安全。现有的电磁信息泄漏检测方法，在复杂现场环境下，难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题，开展了电磁信息泄漏检测研究，提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络，并结合改进的梯度加权类激活映射方法，在未知电磁信息泄漏特征的前提下，通过深度学习实现电磁信息泄漏特征的智能标定和自动提取，从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验，验证了所提方法的有效性。      

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

基于动静结合方法的卫星网络路由方法研究

路由方法是保障卫星网络信息传输能力的基础性技术，是地面路由技术与航天应用的有机结合.当前卫星网络使用的主流路由方法主要为预先设置好路由表、转发表的静态方法，地面商用路由方法则主要使用以OSPF为代表的动态方法.动态方法的性能、鲁棒性和可靠性均明显优于静态方法，但是在卫星网络中直接应用动态方法带来的相应需求如计算资源、存储资源和信道资源等，卫星网路往往不能满足.针对此问题，提出了基于动静结合的卫星网络路由方法.该方法将OSPF方法进行针对卫星网络的适当裁剪，结合传统的拓扑快照静态路由方法，在卫星网络可以负担的资源限制条件下，提高整个卫星网络系统的性能、鲁棒性和可靠性.     

电缆偶发故障检测技术分析

电缆偶发故障一直是航空界的一大挑战,检测偶发故障的常用工具是万用表。本文针对常用的电缆偶发故障检测技术进行分析,通过实验验证出万用表的弊端,并指出正确的检测方法,为排故人员提供参考。     

翼尖铰接复合飞行器动力学特性研究

航空飞行器通过翼尖铰接机构复合飞行时的气动耦合效应，会造成飞机产生不同于其单独飞行时的动力学特性，出现复合飞行安全问题。为研究翼尖铰接复合飞行器的动力学特性，使用Newton-Euler方法和Robberson-Wittenburg方法建立了双机组成的翼尖铰接复合飞行器多刚体系统整体和内部的7自由度非线性动力学和运动学方程组。在气动准定常假设下建立双机复合系统非耦合气动力表达式，基于CFD方法开展复合飞行器系统的三维实体建模和非结构网格划分工作，获取复合飞行器系统的气动力数据。搭建动力学仿真平台，开展准配平方案和全配平方案下的动力学仿真。仿真结果表明:准配平方案下飞行器无法持续稳定飞行，而全配平方案下复合飞行器系统各运动参数在仿真时间内始终趋于稳定。在全配平方案下，使用小扰动假设的非解耦线性化方法重新整理7自由度动力学方程组，研究复合飞行器系统运动模态的特征值中出现的2个发散新模态，根据对应的特征向量发现2个发散模态分别由相对滚转角度和角速度主导，同时也比较分析了其他运动模态相比单机飞行时的特性变化规律。      

面向快速响应产品的星上目标定位及识别方法

针对遥感卫星星上目标的定位及识别，本文面向快速响应应用需求，首先对星上目标定位及识别工作模式进行研究，总结出狭义和广义两种模式，其次重点对像方-物方坐标双向定位算法进行梳理，并针对典型地物目标星上自动识别算法提出研究思路，最后给出算法的应用方法流程。本文研究为快速响应产品星上智能处理提供方法参考。     

基于3D-Winograd的快速卷积算法设计及FPGA实现

近年来，卷积神经网络（CNN）已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性，已被认为是最有前途的CNN硬件加速器，但是受FPGA计算能力、存储资源的限制，基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先，研究了适用于三维运算的Winograd算法一维展开过程；然后，通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法，优化算法每个卷积层的时钟周期数减少了7倍左右，相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究，证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度，并改善在FPGA运行CNN的性能。      

基于相对最值点的最小二乘直线检测方法

为了解决传统目标检测中遇到的检测速度慢、精度低等问题，本文提出一种新的图像特征——相对最值点，并依据相对最值点提出一种新的最小二乘直线检测的方法。该方法首先搜索Canny边缘的闭合包络，并寻找闭合包络的相对最值点。包络上相邻相对最值点之间长度满足阈值要求的即为疑似直线的两端点，进而利用最小二乘拟合方法获得该疑似直线的拟合方差，最后利用拟合方差与拟合直线长度之比作为直线判定的标准用来检测出图像中的直线。实验表明，本方法与传统方法如PPHT直线检测、LSD直线检测方法等相比，检测直线的精度更高，检测速度更快。