发射脉冲载波泄漏抑制研究与实现

对发射端采用双平衡正交调制器产生线性调频造成载波泄漏的原因进行了详细分析,提出了采用直接数字合成(DDS)技术产生发射端线性调频信号的实现方法,从而很好地解决了载波泄漏的问题,并给出了试验结果。     

倾转四旋翼飞行器垂直飞行状态气动特性

综合采用基于滑移网格技术的计算流体力学(CFD)方法与悬停状态气动干扰试验方法,对倾转四旋翼(QTR)飞行器垂直飞行状态的流场进行模拟与试验,研究飞行器垂直飞行状态气动特性以及部分参数对气动特性的影响.结果表明:倾转四旋翼飞行器在垂直飞行状态,前后旋翼之间干扰不明显,但旋翼与机翼的干扰明显;旋翼旋向对旋翼与机翼的干扰不...     

联合特征子空间下Wasserstein距离对齐的胃CT图像识别

为提高小样本下胃肿瘤的辅助诊断性能,结合临床实践,研究联合特征子空间下Wasserstein距离对齐的胃CT图像识别方法。首先,为减少源域特征和目标域特征之间的差异,进行有效迁移,利用主成分分析(Principal Component Analysis, PCA)法寻找子空间的线性变换基向量,构建联合特征子空间,实现数据全局均值和协方差的对齐;然后,采用基于最优传输理论的Wasserstein距离算法进一步衡量子空间内正负标签数据特征之间的分布距离,增加正负标签数据特征之间的区分度,实现细粒度迁移;最后,针对传统极限学习机算法容易过拟合且稳定性差的问题,使用L₁范数正则化对输出权重矩阵进行稀疏约束,提高模型鲁棒性,实现迁移特征的有效分类。实验结果表明,该方法在内部测试集的AUC为0.891,外部测试集的AUC为0.897,一定程度上可为医生提供较好的诊断参考,具有现实意义。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

基于无人机载图像的局部精细拼接算法

近年来随着机载光电载荷功能的不断完善,航空侦察监视任务对图像情报采集效率、质量均提出了更高要求。针对飞行场景干扰因素较多导致图像拼接质量较差的问题,提出了一种适应性较好的局部精细拼接算法。首先,综合点特征与线特征建立射影不变特征子进行精确局部预配准;然后,基于准单应变换与共线性评价准则建立网格优化目标函数,提出了一种透视关系改善方法以减小扭曲失真;最后,检索图像最优缝合线并优化融合效果。基于实际无人机载图像的实验结果表明：所提算法比当前先进算法均方根误差平均降低了0.2290,直线斜率保留能力平均提升了13.95%,一定程度上优化图像质量并改善扭曲失真,适用于无人机载成像领域。     

合理运用SI技术快速收敛高速数字电路设计

随着数字电路集成度和工作频率的不断提高,信号完整性(Signal Integrity, SI)问题在产品研制过程中越来越突出。以惯导系统中的某导航计算机为例,针对故障信号回路,使用仿真软件对其SDRAM时钟信号进行信号完整性仿真,并进行优化设计。通过对比优化前和优化后的仿真与测量结果,验证了由于端接参数不匹配造成SDRAM时钟信号的非单调性畸变问题。仿真与测量结果表明,在产品研制流程中加入信号完整性仿真环节有利于设计快速收敛,提前规避风险,缩短研发周期,降低设计成本,提高电路产品的可靠性和电磁兼容性。     

连续纤维增韧陶瓷基复合材料的发展及在航空发动机上的应用

介绍了连续纤维增韧陶瓷基复合材料的结构组成以及陶瓷基体材料、增强体纤维、界面层的发展情况,概述了连续纤维增韧陶瓷基复合材料在国内外航空发动机热端部件上的应用。从工程运用角度,探讨了连续纤维增韧陶瓷基复合材料工程化运用面临的问题及解决措施。结合我国航空发动机的发展需求及连续纤维增韧陶瓷基复合材料研究、应用现状,提出了加快连续纤维增韧陶瓷基复合材料研究及工程化应用的建议。     

利用增量相位和星光仰角增强XNAV

针对X射线脉冲星导航系统(XNAV)中过程噪声统计特性难以准确获取,对其不当假设导致滤波器估计性能不佳的问题,提出基于自适应差分卡尔曼滤波器(ADDF)的多信息融合算法。为了降低导航误差,在传统脉冲星计时观测的基础上,增加恒星星光仰角及两个时刻间的相位增量观测量,共同增强XNAV。首先,分别建立计时观测模型、相位增量模型及星光仰角模型;然后将多信息测量模型集成到卫星轨道动力学方程中,以建立ADDF滤波模型;最后对所提方法进行仿真验证。实验结果表明,在相同的初始状态和初始噪声误差条件下,与传统X射线脉冲星导航算法相比,多信息融合算法能将导航位置估计精度提高70%以上,位置估计误差降低到 200 m 左右,速度估计精度提高40%以上,且ADDF性能优于无迹卡尔曼滤波器。