百度“放卫星”，有没有可能？

据报道,在今年3月召开的全国政协十二届二次会议上,政协委员、百度董事长李彦宏有一份关于航天的提案。这份提案的内容是：鼓励民营企业进人火箭、卫星研制发射等航天领域,提升我国航天产业国际竞争力。     

印度洋上接“嫦娥”回家——远望3号船精确测控探月三期试验返回器顺利再入返回侧记

无边的夜空上繁星点点,笼罩着波涛汹涌的印度洋,一艘万吨巨轮--远望3号船像一叶孤舟乘风破浪而来。再过一个小时,探月三期试验返回器将飞临印度洋的上空,进入远望3号船的视野。     

弹道导弹突防中的相参干扰

分析了相参干扰相对于噪声干扰的优缺点.在此基础上,针对弹道导弹突防的特殊应用,对相参干扰的反应时间设计、假目标密度设计以及多目标的干扰问题展开了分析研究,得出了一些有益的结论.     

空间自旋目标平动补偿与微动特征提取方法

针对空间自旋目标平动补偿与微动(m-D)特征提取问题,提出一种基于延时共轭相乘和微动分解的平动补偿与特征提取方法。该方法通过延时共轭相乘处理实现目标加速度估计,然后构建冗余的微动原子集,对加速度补偿后信号进行微动分解补偿,通过搜索补偿信号的最大谱峰获取目标的微动特征与速度信息。仿真试验表明,所提方法能够有效估计空间自旋目标的运动参数,并快速提取其微动特征。     

低空慢速小目标跟踪方法的研究

本文主要通过数字图像处理技术实现低空慢速小目标自动跟踪。分析低空慢速小目标的特征,选择Meanshift算法进行目标跟踪。将视频转化为图像序列,利用Meanshift算法对图像序列中的目标进行数据统计,利用数据进行匹配,实现对目标的跟踪。     

航天特因环境影响及有关选拔训练项目和模拟方法

航天员在航天活动中不可避免将遇到特殊而复杂的航天环境因素作用,其对人体会产生特殊影响,常人很难耐受和适应。而在地面模拟航天特殊因素环境并通过试验来选拔和训练航天员,是提高航天员对这些环境的适应和耐受能力的有效方法。文章简要介绍了航天特因环境及其对人体的影响,航天特因环境选拔训练项目以及载人航天环境模拟方法。     

国内外典型航天特因环境选拔训练设备及其应用

以航天特因环境选拔训练设备为平台,在地面模拟的航天特殊因素环境中通过试验来选拔和训练航天员,是提高航天员对这些环境的适应能力和耐受能力的一种非常有效的方法。本文对国内外典型航天特因环境选拔训练设备及其应用进行综述。     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题,提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化,从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程,鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式,基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子,用于放大Singer模型中的机动频率,进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真,并与交互式多模型等方法进行比较,结果表明所提方法的跟踪精度高、计算量小,能够较好地适应阶跃机动和连续幅值变化的机动。     

多状态空间信息网络拓扑生成优化算法

依据空间信息网络（SIN）高动态性的特点,并考虑卫星工作的多状态特性,兼顾星间通信时延和拓扑抗毁性的要求,研究了多状态下空间信息网络拓扑生成及动态优化的问题。根据卫星星座的周期性,建立了一种卫星网络的拓扑周期表。综合卫星的可视性和连接度等约束条件,以网络平均和最大时延作为通信性能的优化目标,建立拓扑的多目标优化模型。提出一种改进的多目标模拟退火（IMOSA）算法,求解全局时延最优的卫星拓扑,并在考虑多状态情况下对链路进行优化,以满足网络高动态性。最后基于具有66颗低轨（LEO）的铱星星座进行仿真,研究表明：针对多状态条件下的铱星星座,该算法最大化减小了通信时延,得到抗毁性良好的拓扑结构,通信性能较之原有静态拓扑明显得到改善。     

基于Transformer模型的卫星单目位姿估计方法

鉴于测量精度高、设备成本低等优点,基于单目图像的卫星位姿估计方法在交会对接、空间攻防等应用中具有广泛前景。得益于强大的特征提取与表达能力,卷积神经网络在目标单目位姿估计应用中取得了明显优于传统方法的性能表现,但已有基于卷积神经网络的方法存在诸如归纳偏置、绝对距离描述不直接、长距离建模能力不足等问题。聚焦卫星单目位姿估计应用需求,针对以上问题,创新地将Transformer模型应用于卫星目标位姿估计中,提出了一种新颖的端到端卫星单目位姿估计方法。首先,设计了一种基于关键点集合的卫星目标表示方法,并构建了基于该表示方法的损失函数,进一步,结合关键点回归任务特点,设计了端到端的关键点回归网络模型,并改进了用于特征提取的主干网络结构。在公开数据集上实验测试结果表明：本文方法实现了可靠、高效的卫星目标单目位姿估计,并取得了优于已有同类方法的性能。