微纳InSAR卫星总体技术研究

微纳合成孔径雷达干涉(Synthetic Aperture Radar Interferometry, InSAR)卫星是对地定量化遥感的重要手段。开展了微纳InSAR卫星系统总体技术研究,给出了使得干涉测量覆盖范围最大的双星编队构型设计方法,建立了低燃料消耗双星轨道参数设计准则,提出高功能密度比InSAR卫星系统的设计方法,包括载荷平台一体化、卫星高集成模块化等总体设计方法,并给出了相应的设计实例。     

中国月球探测进展(2011-2020年)

回顾2011至2020年10年来中国月球探测的进展,重点介绍嫦娥三号和嫦娥四号任务工程实施情况以及取得的主要科学探测成果,展望中国月球和行星探测的未来发展.     

基于多站数据融合的参数精估计方法

针对侦察设备处于星载SAR副瓣照射范围,从而导致截获信号湮没于强噪声背景这个问题,本文提出一种基于多站接收机之间的数据融合方法。在信号形式未知的情况下,通过此方法可以检测出淹没在噪声中的微弱信号,进行信号的分类和时频域参数的精估计。首先,将参考接收机与其他接收机之间进行互相关处理,得到峰值信息,根据峰值信息的位置得到信号与参考信号之间的延迟位置,进行延迟校准;其次,各个接收机分别进行粗步长的分数阶傅里叶变换（Fractional Fourier Transform,FrFT）,记录峰值信息为精估计做准备,根据峰值角度和分数阶傅里叶反变换恢复出原始信号;最后,判定是否存在信号,若信号存在实现多站原始信号功率比的加性融合,根据多站峰值信息限定旋转角度范围,采用精步长的分数阶傅里叶变换估计出调频率和中心频率;利用联合互相关谱实现信号能量的累积,采用自适应门线和边界波谷连续取小方法,找到信号存续状态中的左右边界,估计出带宽和中心频率,计算脉宽,实现时频域信号的精估计。仿真实验表明：该方法可以在低信噪比的高斯白噪声和有色噪声背景下,对线性调频信号（Chirp）的时频参数进行有效的精估计。     

一类递归序列的稳定性和振动性

研究了递归序列x_(n 1)α-β_(n-1)/1-g(x_n),n=0,1,的持久性、振动性、稳定性和全局吸引性。其中α、β为正实数,g(x)是非负连续函数。     

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...     

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。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

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。     

最小数据丢失量的地月中继卫星任务调度研究

月球背面的探测器必须依靠地月中继卫星进行数据传输与通信。地月中继任务包括实时性任务和延迟容忍类任务,如数传任务。当探测器等待传输的数据量超出用户存储容量时,延迟容忍类任务会由于探测器本地存储资源不足和地月中继卫星天线资源受限而无法完成,导致任务数据丢失,所以需要设计一种合理的地月中继任务调度策略,提高地月中继卫星的资源利用率,减少数据的丢失。对地月中继卫星任务调度进行了研究,在分析地月中继卫星数传任务的特点及用户的存储限制的基础上,以最小化数据丢失量为优化目标,建立了地月中继卫星任务调度模型,并设计了一种基于离散烟花算法（DFWA）的地月中继卫星任务调度算法。仿真数据分析表明,基于离散烟花算法的地月中继卫星任务调度算法在求解结果上优于遗传算法,是一种合理、有效的调度方法。     

eLoran系统ASF网格应用算法研究

ASF网格是提高增强型罗兰（Enhanced Long Range Navigation,eLoran）系统精度的重要方法。根据所在网格四个顶点的附加二次时延（Added Secondary Factor,ASF）值通过网格应用算法得到待测试点的ASF值,一定程度上比公式计算的ASF值更准确。在计算过程中,用户四个顶点ASF值的测量误差会传递给用户,同时内插算法本身也会引入误差,此时内插算法的选择尤为重要。本文通过仿真、分析比较几种常用的内插算法,得出结论：反距离插值算法引入的误差最大,双线应插值算法引入的误差最小,而且误差呈现一定层次感,网格从内到外误差逐渐减小。