基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤，有限二维投影下的三维粒子重构是一个欠定的反问题，其精确解往往很难得到。一般情况下，可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速，提出了一种基于卷积神经网络（Convolutional Neural Networks，CNN）的粒子重构方法。所提出的技术可以从基于传统的代数重构技术（Algebraic Reconstruction Technique，ART）的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比，新技术在重构质量方面有了显著的改进，可以有效剔除虚假粒子并更准确地还原粒子形状，并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。     

工程重构过程的质量控制

本文从软件开发过程、软件验证与测试、软件配置管理等方面探讨了如何对工程重构过程进行质量控制和管理。     

密集编队气动耦合效应分析

简要介绍密集编队飞行时长机旋涡对僚机产生的气动耦合效应，以比奥特－萨瓦尔特定律为基础，初步分析由上洗及侧洗引起的升力、阻力和侧力变化，导出了编队稳定性导数的计算公式，计算及应用举例表明：模型化编队飞行时的气动耦合效应是有实际应用价值的。     

苏联航母创新之作—“基辅”级四兄弟

从60年代初至70年代，苏联海军的主要任务是远洋反潜，保护自己的弹道导弹核潜艇的同时对抗美国的航母编队。1962年，前海军司令戈尔什科夫下令“驶向世界各大洋”，苏联海军开始有计划地派遣舰艇到远洋活动，并在此后的几年中分别在具有重要战略意义的地中海、印度洋、大西洋沿岸等海区建立了常驻分舰队。也正是在这一时期，苏联海军的远洋作战能力有了相当大的发展。     

无人机自由编队飞行的补偿模糊神经网络控制

为了克服当前提出的无人机编队飞行的不足，提出一种新的无人机编队飞行概念——自由编队飞行，制定了相关的避让规则，用补偿模糊神经网络进行训练，实现自由编队飞行的补偿模糊神经网络控制。仿真显示，编队飞行的飞机能按照规则自主改变航路进行避让，表明了该方法的有效性。     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。     

航天器编队飞行及其关键技术的开发

简要论述由分布式航天器系统构成的空间编队飞行的概念 ,扼要介绍 NASA为未来航天器编队飞行项目开发的几项关键技术 ,着重阐明基于 GPS的分散式编队飞行控制和相对导航技术能充当未来多星编队飞行任务的导航系统 ,从而使未来的空间科学研究发生深刻变化     

基于信号采样的干扰信号产生技术

目前电子对抗系统广泛使用的数字储频技术主要是通过采样、存储和复制产生干扰信号.阐述了基于采样技术的信号重构及其基本原理,重点介绍分析了在此基础上利用信号处理技术,合成产生干扰信号的原理和方法.     

非线性条件下编队卫星周期性相对运动条件

利用编队卫星机械能守恒原理，提出了非线性条件下求解编队卫星周期性相对运动条件的新方法，给出了非线性周期相对运动的初始条件。编队卫星相对距离较近时，利用非线性周期运动条件，可修正Hill方程的初始条件，抑制编队卫星的长期漂移。编队卫星相对距离较大，非线性因素不可忽略时，利用非线性周期运动条件，可找到不需消耗任何燃料的周期性相对运动轨道。最后的数值仿真结果验证了该方法的正确性。     

编队卫星的状态测量方法综述及可行的高精度星间基线测量方案研究

基线高精度测量是编队卫星应用需要解决的关键技术之一。针对这个问题,文章从3个方面进行了阐述。首先,综述目前国内外常用的编队卫星状态测量手段,然后在前面分析的基础上,结合编队卫星基线的表示方法和卫星编队飞行的特点,提出了2种可行的基线激光测量方案,并对它们各自的测量精度进行了简单地分析。从分析的结果来看,这2种方法均能实现高精度的基线测量。