空间生产及失重流体力学

二十多年来失重条件下空间生产研究高速发展着。基础理论、地面试验、载入航天器轨道飞行试验均取得了重大成果。目前,特种合金、半导体材料、超纯玻璃、特效药品和生物制品已在空间制取成功。由于这些产品的巨大军事价值、经济价值和社会效益,使美苏日西欧东欧国家以及一些第三世界国家竞先研究发展。空间生产是在独特的失重条件下进行的,失重物理现象、失重燃烧、失重流体力学是空间生产研究中首先遇到的问题,地面试验手段的创立是解决问题的关键之一。     

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。      

介绍几种液体燃料小滴燃烧的落塔试验方案

本文简要介绍微重力条件下液体燃料小滴燃烧研究中，所采用的几种塔试验方法及试验设备。给出了单滴静态燃烧，运动小滴的燃烧，小滴列燃烧等的试验装置图。     

微重力条件下部分充液贮箱中流体动力学行为的三维计算

简要介绍一个用于常重及微重力环境条件下，计算充液贮箱中非定常流体动力学行为的三维程序，该程序具有多种选择，提供了一个广泛应用的可能。文中亦给出了对充液４０％模型贮箱中非定常流体动力学行为的计算结果，计算是在ＣＲＡＹ－ＸＰ超高速计算机上完成的。     

基于改进AdaBoost.M2算法的自动调制识别方法

针对同族调制类型通信信号识别难度大、深度学习模型普遍存在泛化能力弱的问题，基于经典AdaBoost.M2算法，提出改进样本权重的AdaBoost.M2算法，用于解决大样本情况下学习率与加权后样本数据难以相适应的问题。改进后的新样本权重确保训练样本数据的数量级在加权后不变，并使算法更迅速地关注到难分类样本，提高了弱分类器综合性能，降低了加权投票模型中弱分类器重要性之间的差异。针对部分样本的统计特性易淹没于噪声中造成难分类问题，提出随机特征裁剪方法，使算法避免过度关注异常特征，降低了极难分类样本对AdaBoost.M2算法性能的负面影响，提升了算法的泛化能力，并以低信噪比数据进行实验验证。针对调制类型同族信号难分类的问题，选取同族调制类型的通信信号开展模型训练和测试。实验结果表明：相比于单一卷积长短时记忆全连接深度网络（CLDNN）算法，改进AdaBoost.M2算法对低信噪比PSK族类和QAM族类通信信号的测试集准确率分别提高了8.5%和11.25%，相比于直接集成CLDNN的经典AdaBoost.M2算法，测试集准确率分别提高了8.25%和6.5%。     

用大气球做失重实验

前言在宇宙空间飞行的火箭、人造卫星、航天飞机要经历超高真空、失重等特殊环境,因此在地面上有必要进行预备性实验。在地面上用长为20m左右的真空槽做失重实验,也只不过能实现几秒的失重状态。然而在地面上30km的高空处,空气密度大约仅是地表处空气密度的1/100,因之空气阻力也变小,所以由很高的高度落下的物体,就能实现近似于失重的状态。例如,重量100kg、横断面积0.1m~2、摩擦阻力系数约为0.2的物体,由35km高空落下时,可望能实现10~(-3)g     

基于调制卷积神经网络的空地数据链信道估计

针对复杂环境下空地数据链正交频分复用(OFDM)系统信道估计精度不足的问题,提出了一种基于调制卷积神经网络(MCNN)和双向长短时记忆网络(BiLSTM)结合的信道估计算法。利用最小二乘算法(LS)提取初始信道状态信息(CSI);利用MCNN网络提取初始CSI的深度特征,并对网络模型进行压缩;利用BiLSTM网络对最终CSI进行预测,实现信道估计。利用构建的空地信道模型生成信道系数数据集,实现神经网络模型的训练与测试。仿真结果表明:与传统算法和现有深度学习方法相比,所提出的信道估计算法具有更小的估计误差,高信噪比条件下的系统误码率(BER)性能提升接近一个数量级;由于引入了调制滤波器技术,随着神经网络层数增加,网络模型参数量大幅减少。      

微重力落塔试验设备

介绍美国、德国、日本、中国的几个主要落塔试验设备，给出了这些设备简要的数据资料及图表等，４０年来微重力环境科学与应用研究的大部分工作是在地面完成的。落塔是完成地面微重力试验的最有效手段之一。近年来日本，德国等建立了落高为７００ｍ的微重力落塔。     

最大相关熵准则自适应滤波器的分数阶长算法

对自适应滤波器最佳阶长的准确估计可以有效平衡自适应算法的稳态性能与计算复杂度,而基于最小均方差(MMSE)准则的变阶长最小均方(LMS)算法在非高斯噪声环境下的收敛性能变差。针对这一问题,提出一种最大相关熵准则(MCC)自适应滤波器的分数阶长(FT)算法——FT-MCC算法。该算法从MCC自适应滤波器最佳阶长的定义出发,利用不同阶长滤波器产生的相关熵之差实现阶长更新。理论分析和实验表明:相比现有变阶长最小均方算法,FT-MCC算法在非高斯噪声环境中具有较强的鲁棒性;通过恰当的参数选择,算法可较好地实现对最佳阶长的跟踪和估计。