OFDM的时域和频域均衡技术

文章介绍了OFDM系统的时域和频域均衡的基本原理,说明了其在无线信道中传输的必要性,并给出了具体的实现方案。     

UVM2初轨计算的误差估计

ＵＶＭ２是一种新的初轨计算方法，本文根据误差理论，对ＵＶＭ２初轨计算的内符合误差估计及其传播进行了分析和研究，并给出了具体的误差估计和传播的计算公式。     

一般概率测度的核估计

在测度弱收敛的意义下，研究了一般概率测度μ的核估计μn，得到了它的渐近无偏性、强相合性及在给定条件下的收敛速度。     

负二项分布环境因子的经典限

本文推导了负二项分布环境因子的非随机化最优置信限和随机化最优置信限,并讨论了严酷环境下的试验信息与良好环境下的试验信息相互折算的问题。为了满足工程实际的需要,我们也给出了部分表值。     

基于卫星观测数据的弹道导弹初始状态估计

利用卫星探测数据对大气层外飞行的弹道导弹弹道进行估计。在极大似然估计中,由于卫星探测导弹运动的可观测性较差,使初始点估计变得十分病态,传统的Gauss Newton迭代算法不再适用,而采用较为复杂Levenberg Marquardt算法,分别对单颗卫星和两颗卫星的情况进行了Monte Carlo仿真,得到了各自的归一化残差测量误差(代价函数),结果表明该算法有效。     

基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

基于卷积神经网络的结冰翼型气动特性建模

提出了基于卷积神经网络（CNN）的结冰翼型气动特性预测方法，设计了输入层结冰翼型图像规范，克服了复杂冰形在翼面同一位置法线方向存在多值，单值函数难以描述的问题。预测模型可同时预测多个迎角对应的升阻力系数，实现了直接从冰形图像到气动特性的快速预测，对升力系数和阻力系数预测结果的平均相对误差均可控制在8%以内。重点研究了不同卷积层数量、卷积核数量、卷积核尺寸对模型性能的影响规律：CNN的不同层次特征对应不同滤波频率，卷积层数增加会捕获更多高频特征量；增加卷积核数量可提取更多冰形特征，提升模型性能，但数量过多会增加冗余特征，降低模型泛化性能；阻力系数预测模型对卷积核数量的最低要求大于升力系数，其原因在于，相较升力系数，阻力系数不仅受翼面压差影响，还受摩阻特性影响，其建模所需的关键特征数量多于升力系数；增大卷积核尺寸，可扩大卷积操作“视野”，增强对冰形整体特征信息的提取，有利于提升模型泛化性能。相关结论为飞机结冰气动特性实时动态预测与监测提供了新的思路和方法支撑。