雷达侦察测频接收机性能仿真方法研究

提出了一种以威胁信号环境参数字(ESW)为基础的侦察测频接收机性能仿真方法。以搜索式超外差接收机为例,从信号截获概率和测频精度两个方面,对仿真的方法和数学模型作了介绍,给出了仿真结果。该仿真方法实现了单脉冲测频,方法简单、运算量小,具有一定的实用价值。     

模拟磁带重放信号数字化过程中的频偏校正技术及应用

模拟磁带重放信号中存在的频率偏移会对信号的处理分析产生不利影响。利用模拟磁记录器的多个磁道同时记录的能力,将实际信号和特定的参考信号同时进行记录,磁带信号重放和数字化过程中,利用这个参考信号来控制A/D采集时钟的速度,从而可在很大程度上减少磁带重放系统带来的频率偏移。实验结果表明,该技术方法能有效地解决模拟磁带重放信号中存在的频偏问题。     

远去的黄金时代

1981年,第一架航天飞机“哥伦比亚”号首次发射时,在肯尼迪航天中心观看发射的群众有百万之多;而现在,美国民众甚至不敢观看“发现”号返航的现场直播,一切都在说明,在不到四分之一世纪的时间里,航天飞机走完了它的辉煌历程。时间就是这样和人们开玩笑。从一个大国的象征到被贬为太空“老爷车”,即使它身心俱疲,却不得不在众人审视的目光下蹒跚而行。在它前面的是4年不可预知的漫漫长路,而它们身后,一个后航天飞机时代的新生群则开始迅速崛起。2010年注定退役的结局似乎让人们闻到了一丝腐朽,但呈现人们眼前则是航天飞机作为一个历史坐标的渐行渐远,一个带有无限光环的时代背影。     

外太空寻水之旅

生命傍水而衍,与水同在,这是宇宙生物学的基本出发点,是由地球上生物的出现和进化史的推论。作为第一个提出单一的宇宙物质基础的哲学家,古希腊的泰勒斯就提出了"水为万物本质"的宇宙论。回溯人类文明的起源,四大文明古国无一例外     

MIDAS IV系统超声波风传感器故障排除一例

重庆空管站在2001年购置芬兰VAISALA公司的MIDASIV自动观测系统时，选用了先进的超声波风传感器WAS425。该传感器利用超声波在媒质中传播速率与媒质本身运动速率之间的关系，可以精确地测量出超声波在大气中传播时大气本身运动的方向和速率。由于没有机械旋转的阻尼和响应时间的影响，超声波风传感器的各项性能指标都优于传统的WA系列风向风速仪，得到的风向、风速值也更准确。在风传感器WAS425内部有一个微处理控制板，用于控制超声波信号的发射和接收，同时该板还要对得到的超声波信息进行处理，得到风向和风速值并以RS-232协议方式向外发送。串行数字发送器WT501负责将WAS425送来的风向和风速数据通过内置的调制解调器DMX501进行调制，并将调制信号以300bps的速率送到MIDASIV系统的中央数据单元（CDU）。在wAs425和WT501之间有一个跳线架，它的作用是为维护人员提供一个数据维护测量端口。     

采用MSCMG群的卫星平台敏捷机动控制地面闭环试验验证

针对新型惯性执行机构磁悬浮控制力矩陀螺(Magnetically suspended control moment gyro, MSCMG),基于金字塔构型开展卫星平台敏捷机动控制地面闭环试验研究,以验证MSCMG的姿态控制性能。首先基于MSCMG搭建卫星平台控制地面试验系统,建立数学模型;接着针对气浮台外界扰动抑制及大角度敏捷机动控制问题,基于变参数滑模控制设计姿态控制算法,采用鲁棒伪逆方法进行MSCMG群框架角速度分配;并针对MSCMG的特性对框架角速度和角加速度进行了限幅,开展闭环控制试验研究。试验结果表明,采用MSCMG进行气浮台姿态稳定控制实验,可以实现姿态稳定度优于5×10~(-4)(°)/s,且在实现30°/15 s的机动指标时,MSCMG框架角速度具有良好的跟踪性能,且磁悬浮转子在输出大力矩时仍然保持稳定悬浮,具有较强的鲁棒性。通过地面闭环试验验证了MSCMG作为姿控执行机构的优异性能,为其未来进一步应用研究奠定基础。     

航天飞行中人体承受的超重问题

在载人飞船主动段和返回过程中,航天员将承受很大的超重作用。为了减轻这种动力学因素的影响,让航天员在座舱内取仰卧位,承受胸-背方向的超重。本文概述了胸-背向超重作用下人体生理机能状态和工作能力的变化特点,并结合人体的反应提出了几种行之有效的防护措施,如体位的选择,赋形座椅的设计,呼吸动作的调整以及航天员的选训。指出根本的防护在于工程技术上的进步。     

俄、美空间站乘员的心境状态模式的差异

对普通人群和患病人群的研究已经证明了美国人和俄罗斯人在康乐和心境状态上的模式不同，还不清楚这种不同是否也适用于美国航天员、俄罗斯航天员以及航天计划的参与人员，因为他们是特别选出的群体，未必与以前工作中研究的群体一样。     

基于改进YOLOv5的无人机实时密集小目标检测算法

无人机航拍图像与自然场景图像相比背景更复杂,存在大量密集小目标,对检测网络提出了更高的要求。在保证目标检测实时性的前提下,针对无人机视角下密集小目标检测精度低的问题,提出一种基于YOLOv5的无人机实时密集小目标检测算法。首先,将空间注意力(SAM)与通道注意力(CAM)相结合,改进CAM中特征压缩后的全连接层,降低计算量。另外,改变CAM与SAM的连接结构,提高空间维度特征捕获能力。综上,提出一种空间-通道注意力模块(SCAM),提高模型对特征图中小目标聚集区域的关注程度;其次,提出一种基于SCAM的注意力特征融合模块(SC-AFF),根据不同尺度特征图自适应分配注意力权重,增强小目标的特征融合效率;最后,在主干网络中引入Transformer模块,并利用SC-AFF模块改进原有的残差连接处的特征融合方式,更好地捕获全局信息和丰富的上下文信息提高复杂背景下密集小目标的特征提取能力。在VisDrone2021数据集上进行实验,YOLOv5s基准下,改进后模型的mAP₅₀提高了6.4%,mAP₇₅提高了5.8%,对高分辨率图像的FPS可达到46...