原子钟频率稳定度测试中的噪声处理

原子钟的测量噪声会被引入到频率稳定度评估过程,尤其是对中短期频率稳定度的影响更大。重叠Allan方差可以克服调频闪变噪声和调频随机游走噪声随时间变化出现的非平稳问题,但由于受到测量噪声的影响,评估结果仍会出现误差。为此,本文通过对原子钟的数学模型和噪声特性进行分析,提出了原子钟频率稳定度评估的加窗平滑噪声处理方法,通过对时差观测序列合理的加窗设计和平滑处理,抑制测量噪声对评估结果的影响。实验结果表明,利用铷钟观测序列的100点平滑可以有效地提高短期频率稳定度结果（100~1 000）s的可信度。     

硅基太赫兹频率源关键技术研究进展综述

随着太赫兹技术的发展,由于太赫兹THz(Terahertz)频段具有丰富的频谱资源和相对宽的带宽优势,因此太赫兹频率源表现出广泛的应用前景,如超高速短距无线/有线通信、雷达、医疗、成像和遥感传感器等.本文总结了硅基太赫兹频率源的最新研究成果和存在的问题,概述了近二十年来太赫兹倍频器、太赫兹振荡器、太赫兹天线、太赫兹辐射...     

基于气浮的卫星挠性旋转帆板物理仿真系统设计

挠性附件运动时产生的弹性振动是影响空间飞行器指向精度和控制性能的主要原因.因此,在地面对控制系统抑制振动的性能进行验证具有重要意义.由于太阳帆板低频且长度较大,在地面构建大范围运动的空间微重力环境,耗资及难度极大.本文提出一种基于等效主轴惯量与挠性频率的卫星挠性旋转帆板挠性模拟器,基于气浮法设计了低摩擦与微重力环境的物理仿真系统,并建立了模拟器的动力学模型,等效模拟了卫星挠性旋转帆板的振动特性,降低了卫星挠性旋转帆板地面微重力运动环境模拟的难度,实现了对其控制算法抑制振动性能的有效及高经济性测试.仿真结果表明,模拟器可以通过简单操作实现参数的平滑改变以模拟不同参数及结构的卫星挠性旋转帆板,且具有与真实太阳帆板一致的振动特性,满足测试要求.      

飞秒激光及光钟

结合飞秒激光超强、超快、超稳、宽频、广谱、相干的特点,介绍了其相应的技术应用情况：应用超快特性的微观物理、生物、化学、信息、通信等;以超强应用为对象的材料加工、制备、电子对撞加速器、受控核聚变等;以超稳特性应用为对象的光频测量、长距离测量、光钟等,并简介了光钟。     

基于轨道参数和SAR回波数据的多普勒调频率快速估计

多普勒调频率是SAR方位向压缩的关键参数之一. 调频率的失配会带来严重的方位向散焦, 从而影响成像质量. 基于减灾、防灾目的, 需要对SAR数据快速成像, 从而相应要求对多普勒调频率进行快速估计处理. 根据多普勒调频率快速估计需求, 提出了一种基于轨道参数法和Map Drift算法估计多普勒调频率的综合反演算法, 利用多普勒调频率与距离的关系, 简化整个估计流程, 从而提高估计速度. 同时给出了一种块数据筛选的方法, 用于选择综合反演法中所采用的块数据. 实验结果表明, 综合反演法能够在满足成像质量要求的基础上, 快速估计出多普勒调频率.      

基于全相位频谱插值的欠采样频率估计

提出利用两个独立欠采样通道输出信号的互谱函数实现对欠采样信号的无模糊频率估计,为了提高测频精度,需要对信号真实频率与最大频域输出幅值对应量化频率的偏差进行较高精度的估算,采用全相位FFT与传统FFT联合校正频率偏差的方法,提出了全相位Rife综合算法,根据全相位FFT输出的最大谱线和次大谱线的比值决定采用全相位Rife算法或修正的细化Rife算法,仿真结果验证了该方法的有效性及高精度特性。     

一种改进的频率步进雷达信号性能分析

在分析目标运动对频率步进信号一维距离像影响的基础上,提出了一种改进的频率步进信号,即参差脉冲重复间隔频率步进信号,研究了这种信号的数学模型和处理方法。理论分析和仿真结果表明,与频率步进信号相比,参差脉冲重复间隔频率步进信号的多普勒性能有了很明显的改善,一维距离像不会随目标的运动而产生失真。另外,根据参差脉冲重复间隔频率步进信号的特点,提出了利用距离微分法实现速度粗补偿和利用脉组误差函数法实现速度精补偿的方法和步骤,仿真结果证明,这两种方法是有效、稳健、可靠的。     

科技成果

国内首款多系统多频率卫星导航SoC芯片研制成功 和芯星通科技（北京）有限公司于2010年9月25日正式发布,国际首款、国内首创的拥有完全自主知识产权的多系统多频率卫星导航高性能SoC芯片——和芯星通Nebulas芯片研制成功。     

基于希尔伯特-黄算法瞬时测频的DSP实现

文章阐述了希尔伯特-黄瞬时测频技术的基本原理,介绍了希尔伯特．黄瞬时测频算法的DSP软件实现,包括系统软件设计框架介绍、子系统任务划分、DSP／BIOS的应用、BOOT模块、数据处理模块和HPI模块等内容,并给出了实际系统的性能分析。     

基于QAR数据的民机高高原进近着陆风险评估方法

民机高高原进近着陆是高原飞行高风险阶段。为有效实施高高原进近着陆风险识别和等级判据,提出基于熵权可变模糊识别的长短时记忆网络与深度神经网络(LSTM-DNN)相融合的深度学习风险评估方法。基于快速存取记录器(QAR)记录的高高原飞行数据,借鉴民机飞行品质监控（FOQA）咨询通告和行业QAR监控标准,结合指标重要度分析与Delphi专家调查,提取着陆时航向变化大、航迹低、610～305 m进近时下降率大、接地时垂直加速度及153～15 m进近时下降率大5个关键监控项目作为民机高高原进近着陆风险评估指标。为克服评估指标权重主观性偏差,应用熵权法确定评估指标权重,基于可变模糊识别方法构建风险等级隶属函数,建立基于LSTM-DNN的民机高高原进近着陆风险评估模型。以成都—拉萨进近着陆航段为例,提取QAR数据,对该风险评估模型进行训练与测试,并与Logistic多元回归、支持向量机(SVM)等评估方法进行比较,结果表明：所提方法平均准确率达到94.18%,最高可达94.79%,验证了方法的客观有效性。