用太阳辐射波检测调试卫星地面站天线

建立成套卫星地面站天线和馈源质量监测手段，对卫星地面站研制生产单位是很必要的。现型仪器设备的购置和微波暗室的建立要消耗高额资金，给若干单位造成了困难。利用太阳辐射波作源信号，再配备一套简易微波场强测量仪的检测、调试卫星地面站天馈系统组装质量方案，其实施、使用方便，可供有关单位借鉴和参考。     

氦质谱正压检漏

对氦质谱正压检漏的一般技术要求，如被检系统的包封、积累时间、探测时间及定量系统的校准、使用等做了介绍。     

大型薄壁密封舱的轮廓度检测方法

论述了一种大型薄壁复杂型面密封舱体表面轮廓度的测量方法,该方法利用现有的数控加工中心,完成对型面的数据采集,是一种简单、经济、实用的测量方法。     

基于纹理边界检测的航天器椭圆特征提取方法

为确定失效航天器等非合作目标的相对位姿,提出一种通过纹理边界检测的椭圆特征提取方法。该方法假设椭圆特征是航天器表面两种不同纹理的边界,利用上一时刻相对位姿信息,将对接环离散几何模型投影到像平面,并沿各离散点的法向方向通过概率方法检测纹理边界点。利用随机抽样一致(RANSAC)方法剔除边界点中的粗大误差,进而拟合出椭圆参数。纹理特征对光照变化具有鲁棒性,因此该方法能够在变光照、星体表面反光不均匀等复杂情况下快速准确地提取图像中的椭圆特征。本文以对接环图像特征提取为例进行仿真校验,分析了算法参数和噪声对提取椭圆精度和时间的影响。利用真实图像与基于梯度边缘的椭圆提取方法进行对比,结果表明,所提出的算法具有较高的精度和速度。     

一种基于集体检测理论的GPS直接位置估计实现方法

传统GPS导航定位解算方法需要事先成功捕获、跟踪并实时获取多颗卫星的伪距测量,不适用于弱信号环境下卫星信号无法捕获的场景。集体检测是一种将各卫星信号的相关能量非相干累加后依据极大似然准则进行直接位置估计的理论。本文基于A-GPS提供的先验信息,提出了一种实现集体检测的具体参数估计方法和搜索策略,并基于真实GPS弱信号验证了算法的实际性能。实际试验表明,本方法与信号是否成功捕获和跟踪无关,适用于弱信号等环境下的定位解算。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

航天器管路数字化制造技术与实践

文章介绍了航天器管路实现全过程数字化制造的解决方案,对管路坐标转换及数据提取、数控弯管及回弹补偿的仿真、装配仿真和管路快速检测等关键技术进行了分析,并提出了具体的解决方案。结合航天器管路研制需求,将管路数字化制造技术应用于实践,实现了管路生产不再依赖安装现场取样,航天器管路生产与总装分离,管路以产品化形式交付。     

基于光纤F-P可调谐滤波器的有害气体检测方法

光谱分析法在气体成分监测领域有着广泛的应用,实现小型紧凑高分辨率的光谱测量装置是热门的研究课题。文章创造性的提出了基于光纤法布里-帕罗（F—P）的可调谐滤波器提高吸收光谱分辨率,为构建紧凑高分辨率的光谱仪提供了一种新的方案。基于光纤F-P的可调谐滤波器成功实现了微型光栅光谱仪（分辨率约1nm）对甲烷吸收光谱的测量,对比无光纤F—P可调谐滤波器直接测量的结果,该方法测得的吸收光谱强度至少提高了一个数量级。此研究成果可用于紧凑高分辨率的星载气体检测仪的研制。     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。