视频条件下SAR仿真

分析了合成孔径雷达信号处理过程,在视频条件下使用VC 6.0与SimuLink结合构建了机载合成孔径雷达仿真系统软件,采用RD算法实现了点目标成像仿真,与在中频条件下相比速度上具有显著的优势。     

LDPC码在联合信源信道编码中的应用

介绍了LDPC码的编译码原理,建立了一种应用LDPC码的联合信源信道编码图像传输系统结构,对其性能进行了分析,并给出了LDPC码在联合信源信道编码中应用的进一步研究方向。     

基于分布式星群的全相参雷达低副瓣波束形成设计方法

不同于地面稀布阵相参阵列雷达,分布式星群平台具有高速运动特性,相应地全相参合成效率受限于星间的空时频同步误差、波束指向误差等系统误差约束。提出了一种基于分布式星群的全相参雷达低副瓣波束形成设计方法。首先,从星群系统规模、星间安全距离、远场条件、探测链路等因素入手推导了有效探测距离区间。接着,给出了同步误差、波束指向误差以及卫星高速运动特性对全相参合成效率的定量影响评估方法。最后,利用空时频多维联合方法实现了低副瓣稳健波束形成,可有效增加无模糊视场范围,适用于实际星群规模有限的应用场景。仿真结果验证了所提算法的有效性。     

民用飞机甚高频通信系统设计

民用飞机进行可靠的空地、空空通信,对飞行安全尤为重要。甚高频(very high frequency,简称VHF)通信系统是目前应用最为广泛的航空通信方式,VHF通信系统通过与机上音频系统交联实现飞机与外部的语音通信,通过与机上数据链系统交联实现飞机与地面的数据链通信。如何确保民用飞机VHF通信系统可靠、稳定地工作,一直是型号设计和适航部门关注的重点,也是型号设计的难点。首先从VHF通信系统的功能定义出发,提出了VHF通信系统的设计方案,进而提出了VHF通信系统的性能要求,最后重点阐述了VHF通信系统的机上设计要求以及系统功能验证过程,对型号设计和工程排故具有指导意义。     

编队卫星的状态测量方法综述及可行的高精度星间基线测量方案研究

基线高精度测量是编队卫星应用需要解决的关键技术之一。针对这个问题,文章从3个方面进行了阐述。首先,综述目前国内外常用的编队卫星状态测量手段,然后在前面分析的基础上,结合编队卫星基线的表示方法和卫星编队飞行的特点,提出了2种可行的基线激光测量方案,并对它们各自的测量精度进行了简单地分析。从分析的结果来看,这2种方法均能实现高精度的基线测量。     

基于滚动信息反馈的偏置动量卫星滚动/偏航回路姿态控制器设计

以偏置动量卫星为背景,针对滚动/偏航回路的姿态控制,采用频率分离法分析设计了基于滚动信息反馈的控制器,并给出控制参数的合理选取范围。卫星俯仰回路采用常用的偏置动量轮控制,其滚动/偏航轴上各安装一个反作用飞轮以完成姿态控制。同时,卫星三轴配置磁力矩器以实现动量轮/反作用飞轮的角动量卸载。最后进行了数学仿真,结果表明,卫星滚动/偏航轴的姿态指向控制的精度和稳定度分别达到0.05°和0.001(°)/s,验证了所设计的控制规律的可行性以及控制参数分析的合理性,具有一定的理论意义和工程应用价值。     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

谐振式光纤陀螺系统建模及其应用研究

谐振式光纤陀螺作为高精度角速度传感器,以其集成化高、成本低以及抗干扰性强等独有优势,逐渐成为下一代光学陀螺研究发展的热点。通过对谐振式光纤陀螺工作原理的分析,建立了陀螺数字信号处理系统可视化模型,并对系统谐振曲线和同步解调曲线等开环输出以及锁频反馈下闭环输出进行了模拟仿真。利用仿真模型分析了正弦波调制下谐振谱分裂现象,并搭建实验装置对其进行了验证。结果表明,实验中正弦信号调制频率高于系统谐振输出半高全宽一半,即对应2 MHz时,谐振谱分裂会导致同步解调输出线性区域出现明显失真,严重恶化了标度因数线性度。因此,搭建的谐振式光纤陀螺仿真模型能够准确而有效地模拟系统的工作状态,在系统噪声抑制和精度提升方面具有指导性意义。     

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。     

基于区块链+北斗的铁路装备可信数字身份服务方法

智能铁路装备是一个典型的分布式物联系统,具有大量复杂的数据交互共享的需求与场景,装备及其产生的数据信令在系统中的数字身份标识是其重要安全基础。应用基于区块链去中心化的分布式数字身份标识技术,结合北斗时空信息,设计了铁路装备身份标识(railway decentralized identifier, RDID)可信数字身份服务,包括服务架构、生成流程、流转流程和验证流程,并进行了应用模型实现与效能分析。服务可以有效提升装备及其产生的数据信令的规范安全性,保证标识身份全局唯一,可追溯认证,从而提高智能装备系统通信过程数据的完整性与可靠性。