高超声速飞行器多段弹道协作优化

利用协作优化方法求解了高超声速飞行器多段弹道整体性能最优问题.将高超声速飞行器在垂直平面的弹道分成多段,对引入段、滑行段、下降段进行了优化设计,期望引入段终端时刻速度最大、滑行段距离最远、下降段时间最短.把3段弹道当成3个学科,以攻角和各段的初始状态作为输入,以末端状态作为输出.开发了并行协作优化设计软件coplatform,并求解多段弹道的整体最优解.其计算结果与all in one方法和全局敏度GSE(Global Sensitivity Equations)方法求得的结果一致,也验证了协作优化方法的有效性.      

中心差分Kalman滤波方法在X射线脉冲星导航中的应用

由于脉冲星脉冲到达时间的测量需要较长时间,基于传统的扩展Kalman滤波的X射线脉 冲星定轨方法精度较低。为此,提出了将中心差分Kalman滤波应用于X射线脉冲星导航中, 利用中心差分Kalman滤波替代扩展Kalman滤波,通过结合航天器轨道动力学模型和脉冲星观 测信息进行定轨。仿真结果表明,中心差分Kalman滤波方法的定轨精度高于扩展Kalman滤波 方法。     

基于D-S证据理论的雷达模糊识别研究

针对现代雷达信号的复杂性和模糊性以及信号在时间上的冗余性等特点,将模糊匹配和D-S证据理论相结合.在信号的积累和求取模糊隶属度的基础上,用D-S证据理论对隶属度进行融合,有效地解决了雷达信号识别的不确定性问题,同时充分利用了信号在时间上的冗余信息,提高了雷达信号的识别效果.仿真试验证明了该算法的有效性.     

基于YOLOv6框架实现典型通信信号调制快速识别方法

随着战场通信侦察对抗系统的快速发展,通信信号体制变得非常复杂,给非合作接收条件下的通信信号检测、调制识别及信号辐射源个体识别带来困难。为了全面掌握信号先验信息,对复杂多样的通信信号体制进行盲检与识别,本文提出基于时频图分析和深度神经网络的多种通信信号自动调制识别方法。首先,利用时频分析将不同典型通信信号转换为时频图像,再将标注后的时频图输入基于深度学习的YOLOv6（目标检测模型）网络中进行特征学习;然后,通过设计YOLOv6更高效的网络结构,使其能够对信号的时频图进行快速识别;最后,将训练后的网络权重对典型通信交叠信号进行测试,对提取的特征向量进行分类识别,完成6种调制方式识别与位置的快速确定,实现在非合作接收条件下的多个典型通信信号调制方式的检测和识别。     

基于开关式Hall传感器的飞轮低速控制

研究了基于TMS320LF2407A的飞轮用无刷直流电动机的数字化速度控制方案。为提高飞轮系统的可靠性,通常在电机定子上安装开关式Hall器件来检测转子的位置。但由于Hall所能提供的位置脉冲有限,在低速时,仅利用Hall提供的位置信息,很难得到精确的速度估计。为此,文中提出改善基于Hall的无刷直流电机速度估计性能的两种方法:一是增加Hall数量,二是标定Hall安装偏差。不同条件下的实验结果表明,本文所提的方法是有效的。     

星敏感器图像处理系统的并行流水线操作研究

随着天文导航和航天测控领域的要求不断提高,对星敏感器的动态性能提出了越来越高的要求。本文详细分析了星敏感器CCD处理模块输出信号的时序关系,在此基础上提出了CCD和DSP并行流水线的处理机制以提高星图处理的效率,并利用CPLD和DSP的HOLD方式实现了CCD和DSP的并行流水线操作。通过星光模拟器的静态测试表明:利用该处理机制能实现每秒10帧的处理速度。只要合理地安排好行场有效期和消隐期的时间,会进一步提高姿态捕获的速度。     

基于参数化建模的凸轮动态优化方法

为解决传统凸轮型线优化设计过程中的动力学模型简单、几何精度低以及设计流程自动化程度低的问题,利用MSC.ADAMS平台的参数化建模技术,对设计流程重新进行组织和安排,提出"面向参数化样机的凸轮动态优化方法"的解决方案.本文建立了配气机构的参数化样机,对凸轮型线进行了动态优化设计.优化在考虑零件柔性的同时,提高了几何精度以及设计流程的自动化程度.     

抗几何攻击的数字图像版权保护算法

为了在保证图像质量的前提下实施图像的版权保护,提出了一种基于Krawtchouk矩和标识信息的零水印算法.该方法利用从图像中提取的特征信息来构造水印,从而达到版权保护的目的.主要步骤为,首先计算原始图像的Krawtchouk低阶矩不变量来构建水印信息,接着将水印信息和密钥信息在第三方登记注册并获得标识信息,最后通过标识信息确认版权所有者.水印提取过程简单,只需计算所得图像的几个低阶Krawtchouk矩不变量.文中给出了实验结果,并与传统几何矩不变量的算法进行了比较. 结果表明,该方法对旋转、缩放、剪切、组合攻击、平移和去掉行等几何攻击以及滤波、JPEG压缩等攻击具有更高的稳健性.     

多域特征引导的无监督SAR图像舰船检测方法

如何在合成孔径雷达(SAR)图像标注样本有限的条件下,提升舰船检测性能一直是SAR图像处理中的热点问题。本文提出一种多域特征引导的无监督域适应方法,将知识从有标注的源域(光学图像)转移到未标注的目标域(SAR图像),降低对标记SAR图像数据依赖。同时,设计了频域转换模块、注意力区域增强模块和自适应权重模块来缩小光学、SAR图像域之间的域差距,提高源域与目标域特征对齐效率,增强网络在挑战性样本下的特征迁移能力。在公开发布的数据集上进行了大量实验。结果表明:所提的模块较基础模型AP50提升10%,总体性能优于其他先进的方法。     

基于硬件加速的真三维显示体素化算法

提出了一种新的体素化算法,利用显示硬件支持二维光栅化算法和新的可编程控制功能,提高了体素化算法的效率。该算法通过逐层处理的方式将三维数据离散成为一系列的切片,利用硬件渲染完成切片的光栅化操作,将最终的光栅化结果组合成为体数据表达。算法利用可编程图形处理单元（GPU）的大规模纹理、动态顶点数据和灵活的纹理数据操作等特性,有效地降低了系统压力,提高了算法效能。实验证明,该算法满足真三维显示技术的要求。