LDPC编码系统的码辅助载波相位同步算法

深空通信具有传输距离远、信号衰减严重的特点,针对低信噪比条件下深空通信系统中LDPC编码系统载波同步实现困难的问题,提出一种新的具有较低复杂度的码辅助载波同步算法。分析了载波同步误差对译码性能的影响,基于最大似然准则推导了载波相位的迭代同步算法,算法利用LDPC译码器输出的软判决信息来辅助载波相位的估计,将译码器与载波同步器进行联合迭代,从而得到接近最大似然估计性能的载波相位估计,同时对载波相位进行迭代补偿。仿真结果表明,在低信噪比条件下,算法能够有效纠正载波偏差,并能够以较低的系统复杂度获得近似理想同步的LDPC码译码性能。     

航天器深空飞行中的遥控问题

分析了航天器深空飞行中与遥控工作密切相关的信息传输时延,分析了遥控工作面对的控制实时性、控制精度、控制验证等方面的问题;从遥控工作的控制方式、发令工作模式、遥控工作机制、发令时间补偿等方面提出了解决思路。     

深空测控通信技术发展趋势分析

为满足21世纪我国深空探测任务的需要，参考国外深空测控通信系统的先进技术，归纳和总结了未来相关技术发展的7个趋势，为我国深空测控通信技术的发展提供一些参考。     

深空网伪码测距技术研究

介绍了NASA深空网所采用的伪码测距的基本原理,讨论了深空航天器应答机相干转发或再生所采用伪码序列的两种形式,对再生测距系统中的具体序列产生和相关、以及用中国剩余定理解算距离的实现方法和技术途径进行了分析,并计算分析了测距精度、捕获时间等系统关键指标,以对我国深空网的建设提供技术理论参考.     

二次奖罚学习自动机

研究了奖罚型学习自动机的一种非线性强化算法。与线性的奖罚模型（ＬＲＰ）不同,新模型的行动选择概率的更新函数为二次的。这使得该模型的学习性能优于ＬＲＰ,且对不同的环境,其具有不同的行为和特点。     

基于神经网络的飞行器再入制导研究

论述了神经网络理论在飞行器再入制导方面的应用.在分析各方法优缺点的基础上,提出了一种基于广义同归神经网络(GRNN)模型的再入制导方法.神经网络通过一组选定的轨迹样本进行有导师训练,训练好之后作为控制指令生成器,输入为再入过程中飞行器的状态参数,输出为倾侧角控制量,迎角控制量则由迎角剖面给定.仿真结果验证了该方法在再入...     

基于二叉树支持向量机的装备故障诊断研究

本文提出了一种基于二叉树支持向量机的某型装备故障诊断方法,应用该方法构造了多故障分类器,并通过某型装备故障实例验证了该方法故障诊断结果的正确性,证明了该故障诊断方法具有良好的鲁棒性和推广性。     

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。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题,应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题,提出单网络积分型强化学习（SNIRL）算法进行求解,该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构,只需要采用评价网络估计值函数就可以求得最优控制律,其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器,并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高,收敛速度更快,并校验了自适应最优姿态控制器的有效性 。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。