微弱GPS信号精捕获算法

为了解决微弱GPS信号比特/二次编码（Neumann\|Hoffman码）的同步以及频偏精细估计等问题,本文提出了对相关器输出数据进行精捕获的算法。通过对相关器输出数据进行二次变频,对不同频点的信号进行比特/二次编码位置的搜索,从而实现弱信号条件下比特/NH码的同步以及频偏的精捕获。精捕获后,使用频偏补偿后的数据进行频偏的再次精细估计。经过理论推导和仿真验证,在C/N0不低于20dB/Hz时,用1299个相关器输出数据进行精捕获时就有95%以上的检测概率,说明本方法适用于微弱GPS信号条件下比特/NH码的同步和频偏精细估计问题。
     

抗干扰重力加速度积分粗对准算法

针对强角运动和线振动干扰下捷联惯导无法根据陀螺和加速度计的输出直接计算姿态阵的问题,提出了抗干扰重力加速度积分解析粗对准算法。该算法利用陀螺跟踪载体在惯性空间的角运动,利用重力加速度矢量在惯性空间投影的积分作为参考矢量进行对准以隔离角运动干扰的影响。根据参考矢量的时域特性,采用最小二乘算法对包含线振动干扰的参考矢量进行拟合,利用拟合结果进行姿态矩阵解算以抑制线振动干扰的影响。仿真结果表明,该算法既具有角运动干扰隔离能力,又具有线振动干扰抑制能力,能在强角运动和线振动干扰同时存在的条件下迅速完成粗对准。
     

热分析研究PET与某些高能氧化剂的相互作用

用高压差示扫描量热法(PDSC)和热重-微商热重法(TG-DTG),研究了PET与CL-20、DNTF、TNAZ、ADN之间的相互作用。结果表明,CL-20受到PET的促进而提前分解,PBT/CL-20中CL-20的分解峰温比CL-20单组分提前约36℃。PET大分子对DNTF和TNAZ的升华和挥发起到抑制作用,并使其分解放热反应大幅提前,同时,DNTF和TNAZ气相产物对PET的分解也有促进作用。PET和ADN及其凝聚相产物之间的相互作用较小,但ADN的气相产物对PET有一定的影响。     

DSC/TG-FTIR-MS联用技术研究ADN热分解动力学和机理

应用DSC/TG-MS-FTIR同步热分析-红外质谱联用技术,研究了ADN的分解过程及分解机理,从ADN分解生成的气体产物的动态分布及气体产物的生成动力学方面,获得了ADN热分解的主要气体产物为N2O、NO2、NH3、H2O和N2,气体产物N2O、NO2和NH3的动力学参数的Ea值分别为157.5、158.6、100.0 kJ/mol,从微观角度提出了ADN可能的热分解机理。     

中国空间站光学遥感载荷的发展研究

光学遥感载荷的空间站平台相比卫星平台具有很大的优势,吸引了包括俄罗斯、美国和欧空局在内的国际空间站成员国争相进行空间站光学遥感载荷的新技术实验验证和对地观测研究。文章介绍了国际空间站光学遥感载荷的观测方式和特点,结合国际空间站光学遥感载荷的应用情况,从新技术实验验证和对地观测两个方面分析了中国空间站光学遥感载荷发展应该注意的问题,为中国空间站光学遥感载荷的发展提出了几点建议。     

多路导航信号恒包络处理技术

现代化的导航系统需要在一个频段发射多路导航信号以提高频谱利用率。直接组合的复合信号不是恒包络,在通过饱和状态功率放大器时会产生AM/PM失真,从而影响整个导航系统的定位精度。为了解决这个问题,需要增加互调分量,把信号处理成恒包络复合信号。文章在分析GPS和GALILEO系统导航信号恒包络处理方法的基础上,给出了我国导航卫星系统恒包络处理方法的建议。     

国外舰船航改燃气轮机的发展特点

综述了国外舰船燃气轮机的发展历程,总结了其在燃料消耗、污染物排放、可靠性与可维护性等方面的发展特点。     

空间用反应烧结碳化硅反射镜坯体制备技术研究

采用凝胶注模(gel-casting)成型工艺并结合一种先进的消失模技术, 制备了具有各种不同轻量化结构形式的碳化硅(SiC)陶瓷素坯, 目前制备的背部半封闭素坯最大尺寸为1080 mm×820 mm; 素坯经过脱模、干燥、脱脂和反应烧结等, 可得到空间用SiC反射镜坯体. 对反应烧结碳化硅(RB-SiC)反射镜坯体的表面进行了光学加工, 并且测试了其各项性能. 结果表明, 所制备的RB-SiC陶瓷内部结构均匀致密; 力学性能和热学性能优异, 弹性模量、抗弯强度、断裂韧性和热膨胀系数分别达到了330 GPa, 340 MPa, 4.0 MPa•m1/2和2.6×10-6 K-1; 镜体经抛光后的表面粗糙度RMS值优于3 nm, 可作为空间用反射镜的候选材料.      

基于跨模态近邻损失的可视-红外行人重识别

可视-红外跨模态行人重识别任务的目标是给定一个模态的特定人员图像,在其他不同模态摄像机所拍摄的图像集中进行检索,找出相同人员对应的图像。由于成像方式不同,不同模态的图像之间存在明显的模态差异。为此,从度量学习的角度出发,对损失函数进行改进以获取具有更加辨别性的信息。对图像特征内聚性进行理论分析,并在此基础上提出一种基于内聚性分析和跨模态近邻损失函数的重识别方法,以加强不同模态样本的内聚性。将跨模态困难样本的相似性度量问题转化为跨模态最近邻样本对和同模态样本对的相似性度量,使得网络对模态内聚性的优化更加高效和稳定。对所提方法在全局特征表示的基线网络和部分特征表示的基线网络上进行实验验证结果表明：所提方法对可视-红外行人重识别的预测结果相较于基线方法,平均准确度最高可提升8.44%,证明了方法在不同网络架构中的通用性;同时,以较小的模型复杂度和较低的计算量为代价,实现了可靠的跨模态行人重识别结果。     

面向稀薄流非线性本构预测的机器学习方法

稀薄非平衡流域内连续介质假设已经失效,主要围绕Boltzmann方程及模型方程对稀薄非平衡流开展理论与计算研究,统一气体动理论格式（UGKS）是其中一种代表性方法。在稀薄非平衡流数值模拟中,Navier-Stokes （N-S）方程连续介质假设已经失效,不能有效描述流场非平衡特征。UGKS方法虽然计算精度高,但速度空间离散导致计算效率低下,多维高速条件下数值计算难以开展。基于数据驱动的思想,在N-S方程与UGKS方法的研究基础上发展出了一种稀薄非平衡流非线性本构关系求解方法（DNCR）。该方法以N-S与UGKS求解器获得的流场数值模拟计算结果作为训练数据集,基于流场特征参数采用极端随机树算法生成机器学习模型,对预测流场中线性黏性应力项与热流项进行非线性修正,并耦合非线性本构关系求解宏观守恒方程得到目标状态稀薄非平衡流动数值解。针对DNCR方法中所采用的机器学习方法-极端随机树模型,通过二维顶盖驱动方腔流算例对高维非线性建模涉及的特征参数选取、参数调优开展了相关验证工作,选取若干典型状态对极端随机树模型的泛化性能开展研究,并评估了相关模型与方法的计算精度与计算效率。