雷达信号时差频差测量定位工程实现技术研究

针对星载时差频差无源定位系统对地海面雷达信号定位工程实现需要考虑的实际问题,对雷达信号时差频差测量关键技术进行研究.首先研究了雷达信号时差频差测量方法,然后研究了双星时差频差模糊条件并提出解模糊方法,最后,研究了长时间积累对到达频差的影响,给出随时间变化频差补偿方法.     

密集有源多假目标的压制干扰效果分析与仿真

多假目标干扰在现代电子战中应用日益广泛。随着工作状态参数的不同,多假目标干扰呈现出不同的干扰效果。在讨论密集多假目标产生方法的基础上,针对两种不同的恒虚警处理,详细分析了密集多假目标的干扰效果,得到一些有价值的结论:当密集程度较高时,多假目标干扰可以起到类似噪声的压制作用,最后进行了仿真验证。     

基于DSP的自适应桁架振动控制器设计

重量轻、功耗低、处理能力强的控制器对自适应桁架的空间应用具有重要意义。本文以自适应桁架空间应用为背景,进行了控制器的小型化设计。以DSP芯片TMS320VC33为核心,实现了自适应桁架振动控制器硬件,并开发了相应的控制程序。采用4阶线性二次型高斯(LQG)离散控制模型,在自适应桁架实验平台上进行了振动抑制实验。实验表明,以DSP为核心的小型化控制器能够实现对自适应桁架振动的有效抑制,达到了与dSPACE控制器相同的控制效果。     

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。     

新型大功率高效率空间行波管电源

空间行波管放大器是通信、导航、数传等卫星中重要的功率放大部件。行波管电源是其重要组成部分,在接近50多年的行波管电源研发和制造历史中,行波管电源总体向着高效率、小体积、轻重量、高功率的方向不断发展。提出一种新型大功率高效率空间行波管电源,采用Buck+推挽两级式拓扑结构,低压采用一种新型Buck变换器,通过无损缓冲的方式,实现了Buck变换器各个开关管的软开关;高压采用谐振推挽的拓扑结构,实现了开关管的软开关,使行波管电源效率达到了94%,并在一台500W的样机中进行了实验验证,使行波管电源的体积、重量和效率指标得到进一步提升,为行放电源的小型化、高效率奠定了坚实的基础。     

基于权重的层次矢量量化体压缩算法及其在空间环境中的应用

空间环境数据可视化是空间环境预报和服务的重要手段.目前基于矢量量化的压缩体绘制算法均只考虑了数据特点和压缩效果,并未结合具体应用需求.为适应空间环境体数据可视化具体应用需求,提出了一种应用驱动的压缩体绘制算法—-基于权重的层次矢量量化算法(WHVQ).算法将体数据划分为43的数据块,并为数据块设置权重,重点关注区域的数...     

PLC构成电梯控制系统特性分析

分析了电梯的负载特性,阐述了采用梯形加速曲线的电梯理想速度曲线,结合变频器和PLC的性能,论述了电梯控制系统的构成和工作特性,以及电梯速度曲线产生的方法,归纳了由PLC构成的控制系统软件设计的特点。     

基于被动探测的目标磁扰动信号检测与定位

针对目标探测定位的快速发展中,军事领域主动雷达存在的缺陷和实现具有高度隐蔽性的目标检测技术的需求,提出一种基于被动磁矢量测量的目标扰动信号检测与定位技术.该方法利用磁传感器阵列测量目标产生的磁矢量扰动信息,通过滤波、门限检测、基函数展开等技术将有效扰动从复杂的背景场中提取出来,并结合速度估计、磁梯度张量矩阵算法研究任意...     

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法,通过监测砝码的移动量和参考力传感器叠加系统的力值量,实时调整加卸载机构的加卸载速度,以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动,影响力标准机复现力值准确度的问题,同时也消除了力值过冲现象,避免了因逆程效应而导致的力传感器输出偏差。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.