DME询问信号捕获的设计与实现

捕获询问信号是DME地面设备的一个重要功能组成部分。现役的地面设备中大多使用的捕获单元为分离器件电路设计，其电路复杂，控制难度大，改进与维护成本高。针对这些问题，本文设计采用ADC结合FPGA作为主要功能器件，并通过软件算法完成数字滤波、脉冲峰值提取和半幅点计算，实现询问信号的识别与捕获。不仅大幅减少元器件的使用，缩小设备体积，还可提高扩展性与可靠性。结合机柜验证测试，结果符合设计要求。     

新一轮工业革命或致全球航空工业布局重构

航空工业的活动一直呈现集群式分布的特征，新一轮工业革命将带来生产和设计模式的变革，使未来航空工业的产业分布面临重构的可能。     

分布式容错配电系统设计与仿真

阐述了分布式容错配电系统的功能需求及构型设计,完成了分布式容错配电仿真验证系统的研制,并进行了试验验证。结果表明:系统运行可靠,控制逻辑正确,系统设计满足功能要求。     

复合材料的智能化修理

<正>嵌入式传感器监控技术正在为复合材料修理带来新变革。随着复合材料结构在各种新机型中所占的比例越来越大、发挥的作用越来越重要,如何保证修理后重新投入运营的复合材料结构的健康状况已经成为维修业必须面对的课题。在研究修理后复合材料结构的原位检测方法时,基于传感器的结构健康监控技术进入了研究人员的视野。位于法国巴黎的GMI Aero公司自成立以来,一直从事复合材料结构修理研究。尽管刚开始主要以设计复合材料制造设备和过程控制设备为主,但后来     

机载嵌入式可重构信号处理系统设计

为使机载嵌入式信号处理系统性能更加均衡,更好地适应机载嵌入式环境,在比较三种传统的机栽信号处理系统架构的基础上,提出了一种系统可伸缩、功能可重构的信号处理系统架构,并分析了其系统特性和关键技术。从可编程能力、处理性能、通用性以及可扩展性等方面比较了三种信号处理系统架构,结果表明:可重构信号处理系统架构具有较强的综合性能,能更好地满足机载嵌入式应用的需求。     

视觉与惯性融合的多旋翼飞行机器人室内定位技术

随着人工智能技术的发展，无人机的应用场景趋向多元，人们对无人机的需求也不仅仅满足于简单的飞行任务，而是赋予其飞行机器人的角色，对其自主导航、复杂环境下的定位以及智能协同方面提出了更高的要求。针对室内场景下的定位需求，融合视觉与惯性数据实现了多旋翼飞行机器人的室内定位。在视觉前端加入图像增强算法以提高图像灰度对比度，减少了光流跟踪的误匹配点数。提出了一种基于图像信息的特征点提取和图像帧发布策略提高了定位精度，解决了室内环境下的定位漂移问题。针对飞行机器人室内自主跟踪及降落任务，设计了基于视觉定位的飞行机器人自主降落系统。在Gazebo中搭建飞行机器人模型仿真验证自主降落系统有效性，在EuRoC数据集下对定位算法进行对比评估，搭建飞行机器人平台在真实场景下进行室内定位实验，完成了室内场景下平台自主跟踪及降落任务，并采用运动捕捉系统获取的定位真值数据进行了误差分析，结果表明该定位技术满足室内场景下的自主跟踪及降落任务需求。     

基于可调品质因子小波和簇稀疏增强的磁异常信号特征提取研究

在磁异常信号目标探测中,由于存在背景噪声的干扰,导致采集到的磁信号中的有用特征极其微弱,从而极大地增加了特征提取的难度。文章提出了一种基于重叠簇收缩算法的可调品质因子小波变换的稀疏特征提取方法。与传统的固定品质因子值相比,该方法可根据信号的振荡特性调整品质因子,从而有效地诱导稀疏;此外,重叠簇收缩算法可有效地从具有簇特性的信号中提取微弱特征,从而增强特征的提取精度。经工程验证,将该方法应用于磁异常信号特征提取,可从复杂背景干扰信号中精确地提取出有用的稀疏目标特征。     

基于改进的卷积神经网络的步态识别

为了提高惯性传感器采集到的序列数据中步态识别的准确率,建立了一个激励层改进的卷积神经网络(CNN)模型。针对三轴加速度传感器对运动太过敏感导致步态周期划分不准确的问题,采用加速度传感器与弯曲度传感器组合获取人体运动信息。将CNN模型中激励层的线性整流函数(ReLU)改进为带泄露线性整流函数(Leaky ReLU),以解决遇到卷积输出数据小于0时神经元被抑制的问题,进而达到提高步态识别准确率的目的。实验结果表明激励层优化的CNN模型在行走、上下楼和上下坡五种步态模式下识别率达到了95.79%,与未采用弯曲度传感器的改进CNN模型和未进行激励层改进的CNN模型相比,步态识别率有所提高。