飞机座舱液晶显示系统设计

分析了飞机座舱综合液晶显示系统的特点,采用数字信号处理器ADSP21060搭配FPGA设计了座舱图形液晶显示系统,并已成功应用于实际系统,具有高效、通用、灵活的特点。     

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...     

低速压气机静叶非定常Clocking效应数值模拟

采用三维粘性非定常数值模拟方法研究了重复级低速压气机内部非定常流动,其中包括静叶Clocking(时序)效应以及尾迹-边界层、尾迹-尾迹和尾迹-泄漏流的相互作用.对静叶时序效应的结果分析显示,当两级静叶相对周向位置改变时最大效率变化只有0.1%,表明低速压气机中静叶时序效应不明显.另外,非定常结果流动图画显示,在非定常环境下上游周期性尾迹的通过对下游叶片边界层、尾迹以及叶尖泄漏流的发展都有一定影响.     

民用飞机甚高频通信系统设计

民用飞机进行可靠的空地、空空通信,对飞行安全尤为重要。甚高频(very high frequency,简称VHF)通信系统是目前应用最为广泛的航空通信方式,VHF通信系统通过与机上音频系统交联实现飞机与外部的语音通信,通过与机上数据链系统交联实现飞机与地面的数据链通信。如何确保民用飞机VHF通信系统可靠、稳定地工作,一直是型号设计和适航部门关注的重点,也是型号设计的难点。首先从VHF通信系统的功能定义出发,提出了VHF通信系统的设计方案,进而提出了VHF通信系统的性能要求,最后重点阐述了VHF通信系统的机上设计要求以及系统功能验证过程,对型号设计和工程排故具有指导意义。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

不依赖卫星的定位导航与授时体系研究

定位导航与授时(positioning, navigation and timing, PNT)体系是支撑人类社会发展的基础设施。当前以卫星为核心的天基PNT应用广泛,但在卫星拒止环境下面临严峻挑战。通过总结天基PNT在国民经济发展与国防建设中的重大作用,分析天基PNT的脆弱性与依赖风险,明确了对不依赖卫星的PNT体系的迫切需求。提出了不依赖卫星的PNT体系概念与特征,即以“惯导+时钟”为核心增强基础PNT能力,利用外源传感器多源融合提高精度保持能力,在卫星拒止条件下为用户提供可承载的高性能PNT服务。基于现有技术基础重点发展微小型、高精度、低成本惯导技术,微时钟技术以及智能融合技术是有效途径,能够实现不依赖卫星的PNT覆盖性、精确性与可承载性的全面提升。     

点目标假设下的二维精度体系研究

点目标假设下,在二维圆概率偏差线性公式的基础上,给出了基于纵横向均方根误差分段的精确公式。同时应用概率论正态分布理论,对二维情况下均方根误差、圆概率偏差和概率偏差的相互关系进行了研究,通过理论推导和数值计算给出了二维精度指标相互转换的拟合公式,完善了满足工程应用的二维精度体系。研究结果可在精度指标的论证、设计和考核中使用。     

高校食堂社会化改革对策分析

为加强高校食堂管理,确保食品卫生安全和价格实惠,对高校食堂的经营和管理模式进行了深入的分析。通过科学管理,规范经营,既提高了食堂服务质量,又能确保师生的饮食卫生安全和实惠。对推进高校院后勤社会化改革具有积极的意义。     

多变量全局寻优与智能优化在星座组网中的应用

顶层任务规划通常与星座组网紧密结合,小卫星分散灵活的特性尤其适用于星群规模化在轨运行。针对热点区域覆盖和全球覆盖的不同任务需求,提出了对构型多变量进行全局寻优和利用智能优化技术进行星座构型优化的方法,两种优化方法可分别获得小规模星群最优效能与超大型星群的较优效能。优化方法不受轨道类型和任务目标分布的约束,具有良好的鲁棒性。     

基于FPGA的红外目标识别神经网络加速器设计

在红外目标识别领域,基于卷积神经网络的深度学习算法的识别精度已远远超过了传统模式识别算法,但神经网络的实现需要庞大的计算和存储,难以在无人机等嵌入式平台上进行部署。针对此问题,将通道级量化策略和梯度的近似优化训练引入到了低比特神经网络模型的建立中,并提出了一种可充分利用硬件计算资源的FPGA加速器,其整体平均性能为65.6GOPS。与其他相关工作的对比表明,低比特量化方法及其FPGA加速器实现,可以为嵌入式红外目标识别系统提供一种能效高、识别精度高的解决方案。