火星之旅中航天员可能的心理危机分析

<正>登陆火星是人类继成功登月之后未来宇宙探索与开发的又一个极具风险却又十分诱人的宏伟目标。然而,红色星球距离地球如此遥远,航天员需要在狭小封闭的飞船中"囚禁"36个月,以完成史无前例的漫长旅程,这将是一次难以想象的     

星载计算机软件自动化测试平台研究

自动化测试可提高测试效率和测试的准确性,尤其对于大规模软件的增量测试和回归测试。自动软件测试则作为一个重要的控制机制,确保软件每次重构的准确性与稳定性。文章的主要工作是通过实践构建了适用于星载计算机软件的自动化测试平台,实际应用表明该平台提高了软件的测试效率,降低了测试成本。     

再入飞船通信环境建模研究

再入飞船的通信环境所受影响主要体现于飞船周围等离子体鞘对电磁波产生衰减。为了研究飞船再入过程中衰减对通信的影响,需要建立飞船外围的三维通信衰减仿真模型,在此基础上可以研究适用于再入通信环境的新型通信技术。为此文章提出了再入飞船通信衰减的动态建模方法,并根据气动、热力学和电磁波理论公式提出了具体的飞船再入动态通信环境建模方案,同时阐述了各部分建模的研究方法,为进一步研究应对黑障的新型通信技术奠定了基础。     

一种BOC调制信号的同步主峰检测新算法

BOC(Binary Offset Carrier)调制信号具有相关函数多值性,这就导致接收机同步阶段容易错锁在虚假相关主峰上。本文提出了一种新的主峰检测算法,很好地解决了接收机同步中出现的此类错锁问题。新算法通过本地增设一条QBOC支路,与BOC支路结果经补零、移位、相加计算而实现,称此算法为OQCC(Offset Quadratic Cross-Correlation)算法。理论与仿真分析结果表明,OQCC算法同时适用于奇数阶和偶数阶BOC调制信号;能够在不改变BOC信号主峰宽度的情况下,通过降低副峰,有效提高主副峰分离度;在同等条件下,可有效提高BOC信号主峰检测概率,降低BOC信号副峰检测概率。     

高分辨率多径时延测量算法

提出一种基于最小二乘准则的高分辨率多径信号时延测量方法。对参考信号作三阶样条插值获得每条多径信号最小二乘意义的最优估计,用每条多径信号的测量值重构接收信号,通过反复迭代使重构信号是接收信号最小二乘意义的最优估计,实现多径信号的时延测量。仿真结果表明：新算法在低信噪比、窄带信号条件下仍能获得较高的时延测量精度,性能优于MUSIC类时差测量算法。     

基于分数阶Fourier域滤波的单电磁传感器宽带Chirp信号二维DOA估计

提出一种基于单个电磁矢量传感器的宽带Chirp信号方位-仰角估计算法。对强度相差不大的信号,该算法利用分数阶Fourier变换分别估计不同信号的电磁矢量传感器导向矢量,并根据矢量叉积运算得到方位-仰角估计值。对强度相差较大的信号,该算法利用分数阶Fourier域滤波,采用逐次消去的方法分别估计电磁矢量传感器导向矢量,得到方位-仰角估计值。提出的算法不需要进行迭代搜索和二维DOA的配对,不受近场信号的球面波效应的影响,并且可估计具有相同或不同调频斜率的多个Chirp信号的二维DOA。计算机仿真试验证明了算法的有效性。     

宽带信号多通道干涉仪测向解模糊方法研究

针对基于子频带分解的宽带信号干涉法测向中通道间相位差的模糊问题,提出了一种简单的解模糊方法,该方法运算量小且正确解模糊对信噪比要求低。仿真结果表明了结论的正确性。     

基于匹配模板的雷达信号快速识别系统设计

雷达采用低截获概率(LPI)技术之后,特别是在低信噪比条件下,传统的雷达信号识别方法将暴露出对弱信号无能为力、识别率低等缺陷.针对这些问题,设计了基于匹配模板的雷达信号快速识别系统,介绍了系统设计的基本思路,提出了敏感参数这一概念,保证了正确识别率.以线性调频信号为例制定了相应的匹配识别准则,通过仿真实验验证了该准则的有效性和该系统的可行性.在信号受到噪声污染的情况下,该系统对线性调频信号的识别信噪比可以达到-6dB.     

俄罗斯将在2011年协助印度测试月船-2着陆器

据美国aviationnow网站2010年8月31日报道,俄罗斯联邦航天局计划2011年测试印度月船-2（Chandrayaan2）任务上的着陆器。月船-2预计2013年发射,包括轨道器、着陆器、漫游车。预计使用印度的地球同步轨道卫星运载火箭从萨迪什·达万航天中心发射。着陆器由俄罗斯提供,轨道器和漫游车由印度空间研究组织建造。漫游车重30～100kg,具体重量取决于采取半硬着陆还是软着陆。     

基于EMD-ICA与遗传算法的轴承故障诊断方法

针对振动信号中轴承故障特征信号微弱难以识别的问题,对通过试验采集到的内环故障、外环故障以及滚动体故障振 动信号进行处理。采用最小二乘法和指数平滑法对振动信号进行预处理,利用EMD分离振动信号的局部特征,并根据IMF分量 的信息熵增益比实现重构;采用ICA对混叠的振动信号进行分离,并对分离后的振动信号进行特征提取;采用遗传算法对多维振 动特征参量进行降维,筛选出最优特征参量;采用遗传算法优化的极限学习机对轴承故障振动特征集进行识别,将常见的SVM、 BP等诊断模型作为对比算法。试验结果表明：采用ICA能将混叠信号有效分离,实现故障信号的提取;遗传算法不仅能够实现最 优特征的选择,同时能够对极限学习机算法进行有效优化,提升算法的诊断效果。优化的算法相比其它诊断识别方法性能较佳, 使3种故障的平均诊断效果达到90%以上。