基于自适应软切换的多星座组合导航系统研究

多卫星组合导航系统星座结构复杂、卫星数量多,在某些特定场合、特殊时间内需要快速完成星座和卫星的选取和重组.采用一种快速选星算法和自组织网络相结合的策略,并应用于多卫星导航系统建模和多星座软切换领域,既避开了系统对象建模这一难点,同时又充分利用卫星星座间的相互关联性,极大的发掘多卫星系统本身的潜力.仿真结果表明,快速选星算法和自组织组网技术可以增强整个导航系统的抗干扰性和自愈能力,以牺牲较少的定位精度来有效减少导航运算量,提高导航定位的实时性.     

欧洲航天局拟创建太空碎片监控网络

自从美国和俄罗斯卫星太空相撞后,欧洲航天局2009年2月16日宣布,他们已经决定采取行动,建立自己的太空监控网络,对太空垃圾进行严密监督。目前的太空监控网络是由美国创建的,主要监视绕地轨道上的1．7万个太空碎片。欧洲航天局在此次撞星事件后,向NASA索取了相关材料,并开始完善自己的监控网络——“空间状况感知”系统。该项目已于上月启动。启动阶段的耗资为6400万美元,2011年完成。据欧洲航天局专家介绍,项目最早可望在2017年或2018年完成。除了太空垃圾,他们还打算通过这一系统监视对卫星有致命伤害的太阳耀斑、近地小行星等目标。     

现代制造企业网络建设与应用存在的问题与对策

对我国现代制造企业在网络建设与应用中存在的企业领导者创新意识和竞争意识不强,企业网络建设机制和网络应用不规范,企业网络人才匮乏,培训工作滞后等问题进行了剖析和论述,并针对性地提出了相应的解决办法。     

真空热试验网络架构的改进

文章针对现有真空热试验网络存在的数据链路可靠性低、发生故障时主/备数据链路切换时间长的问题,提出了一种网络架构的改进方法,即网络核心层采用虚拟交换系统（virtual switching system,VSS）架构,利用以太网通道（multi-ethernet chanel,MEC）方式与汇聚层堆叠设备互联,汇聚层设备到接入层设备利用链路聚合控制协议（link aggregation control protocol,LACP）作链路绑定,实现关键设备和数据链路的冗余,网络单节点或单链路的主/备设备数据链路切换无时延。该架构已在真空热试验网进行了验证,运行效果良好,达到预期效果。     

聚氨酯推进剂化学交联网络模型及M↑c的计算

所谓复杂化学交联型聚氨酯网络是指固化体系中含有官能度大于４的预聚物及固化剂固化形成的交联网络。本文研究分析了复杂化学交联型聚氨酯（ＰＵ）网络形成过程和网络结构的特点，建立了复杂网络结构的简化模型，提出了计算其Ｍ↑－ｃ的理论公式。这些公式在ＰＵ弹性体及ＰＵ推进剂结构与性能之间关系的研究和ＰＵ泡沫、弹性体、ＰＵ固体推进剂等制品的质量控制中，将有广泛的应用。     

美国空军航天司令部重组赛博空间能力

美国空军网络集成中心（AFNIC）将通过重组剥离赛博空间指挥能力,转移到空军航天司令部（AFSPC）,以使AFNIC的重心放在空军网络集成和工程服务的核心任务。     

飞行控制系统大闭环半物理仿真研究

设计了实时飞行控制大闭环半物理系统,全系统由飞行控制、导航、动力学仿真、视景仿真和其他硬件子系统组成,通过反射内存实时网络相连,实现真正意义上的大闭环半物理仿真,具有较好的实时性、可靠性、通用性。通过大闭环半物理仿真系统的仿真测试,验证了飞控计算机、四轴惯性组件、导航计算机、电动作动器和负载模拟器等系统的有效性和可行性。最后,总结优点并提出该系统的改进方向。     

S波段大型功分馈电网络设计

为了满足某平面阵列天线高增益、低副瓣的要求,设计了工作在S波段、相对带宽为10％的1—48的大型功分馈电网络。该馈电网络采用带状线功分器与微带线功分器级联而成。利用HFSS、Ansoft Designer等电磁软件对其进行仿真设计。实测结果表明在所要求的频段内,网络的输入驻波小于1．50,相位误差小于10°。     

深空通信中LTP协议选窗概率优化

为满足深空延迟/容忍网络(DTN)中不同类型不同权重数据差异化传输的需求,提出一种基于自适应遗传算法的选窗概率函数优化方法。该方法以红绿(重要、不重要)数据误码率为适应度函数进行交叉变异与全局优化,使重要数据被大概率选中并以较高的正确率传输,不重要数据不被遗漏并在预期误码率范围内传输。将其应用在DTN网络传输层LTP协议的扩展窗不等差喷泉码编码中,通过与传统遗传算法的仿真结果对比表明自适应遗传的优化算法能降低深空通信中重要数据的误码率和信道总误码率,满足差异性数据传输的要求,减少因误码率高而导致的信息重传,提高数据传输效率,节省信道资源。     

改进深度卷积生成式对抗网络的文本生成图像

针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题,提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码,得到文本的特征向量表示。引入条件增强（CA）模型,通过文本特征向量的均值和协方差矩阵产生附加的条件变量,代替原来的高维文本特征向量。将条件变量与随机噪声结合作为生成器的输入,并在生成器的损失中额外加入KL损失正则化项,避免模型训练过拟合,使模型可以更好的收敛,在判别器中使用谱约束（SN）层,防止其梯度下降太快造成生成器与判别器不平衡训练而发生模式崩溃的问题。实验验证结果表明：所提模型在Oxford-102-flowers和CUB-200数据集上生成的图像质量较alignDRAW、GAN-CLS、GAN-INT-CLS、StackGAN(64×64)、StackGAN-v1(64×64)模型更好且接近于真实样本,初始得分值最低分别提高了10.9%和5.6%,最高分别提高了41.4%和37.5%,FID值最低分别降低了11.4%和8.4%,最高分别降低了43....