一种新型的基于预测的卫星资源分配方法

针对传统的按需分配方式所造成的长时延问题,提出了一种新型的基于业务预测的按需分配方法。该方法通过预测业务在等待队列中的长度,将预测信息发送给网络资源控制中心,再由控制中心动态地分配带宽资源,达到服务质量的要求。在阐述了按需分配和业务预测的基本算法后,通过仿真分析了不同的业务类型采用不同的预测信息发送间隔时间的时延性能,分析中考虑了实时业务比非实时业务享有更高的优先权,并且比较了常规按需分配与基于业务预测的按需系统分配方法的时延性能。仿真结果表明利用业务预测,选择合适的预测信息发送间隔时间,能够有效地改善带宽资源分配的时延性能,相比一般的按需分配方式服务质量有了明显的提高。     

实时仿真中的逼真虚拟地球实现

针对虚拟现实中真实感不强的问题,提出了一种具有高精度地表纹理的虚拟地球实现方法,构建了一个地表纹理像素精度高达21 600像素×10 800像素、地球表面轮廓凹凸效果和大气层光晕效果的虚拟地球.采用几何计算来构建地球形状模型,将地球按经纬度分成128块,分别计算每块区域顶点坐标、法向量、纹理坐标;采用混合纹理技术对地表纹理、云层纹理及云层法向量图进行3层纹理混合实现地球表面的云层和轮廓凹凸效果;采用实时移动与放缩带大气层纹理的正方形面板来实现大气光晕效果;采用可见性判断和纹理精度管理的方法,实时判断地球表面区域的可见性、选择不同精度纹理粘贴、剔除不可见区域,减少绘制开销.实验显示,该方法在加载1.02 GB纹理像素的情况下,达到了45帧/s的帧速率.      

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

双向时间同步系统的设备时延校准技术研究

设备时延校准误差是卫星导航系统中伪码测距实现双向时间同步的重要误差因素,其精确校准是实现时间同步的关键技术。针对设备时延问题展开研究,提出了一种物理含义清晰、易于测量的设备时延的新定义。设计实现了一种双向时间同步系统的设备时延校准方案,基于时间同步站硬件平台验证了设备时延校准的有效性,试验结果表明时延校准的精度与准确度达到了亚纳秒量级。     

不同重力条件下单气泡池沸腾现象的数值研究

对不同重力条件下常压饱和水中单气泡池沸腾现象的气泡生长过程及传热特性进行了数值模拟. 采用简化的润滑流模型计算生长气泡底部微液膜的贡献, 而其他宏观区域的气液两相介质则用连续界面模型统一处理. 气液界面形状和加热面上接触线的运动分别采用Level Set方法和固定的表观接触角来近似刻画. 计算结果表明, 气泡生长过程中, 当量直径近似与生长时间的1/3～1/2次方成正比, 重力对相关趋势的影响不大, 但强烈影响着气泡脱落直径和生长时间, 其中脱落直径反比于重力的1/3次方, 生长时间反比于重力的4/5次方. 在固定的核化点数密度条件下, 加热面平均热流密度近似与壁面过热度的3/2次方成正比, 该趋势并不随重力的减弱而改变.      

深空伪码测距中复合码性能的分析与研究

深空伪码测距系统中复合码的选择影响到系统的无模糊距离、测距精度、捕获时间和硬件实现方法. 针对深空伪码测距系统中常用的测距码进行仿真、分析、比较与研究, 包括复合码的频谱特性、周期、直流分量、码钟衰减、捕获时间和测距抖动误差等. 利用同相相关系数和非同相相关系数的信号空间图分析复合码的捕获时间性能; 采用同相中相积分环作为码跟踪环, 利用其线性环路模型分析测距系统的抖动误差性能; 进而分析半正弦成型和方波成型对系统的捕获时间和测距抖动误差的影响. 通过研究和分析认为, 在深空测控测距中, 一种比较适用的测距方式是选择T4B作为伪码测距系统的测距码, 基于DDS原理产生任意码片移位的伪码序列, 采用半正弦成型调制方式和半正弦匹 配滤波接收技术, 利用同相中相积分环进行伪码的跟踪.      

含钟差修正的脉冲星和太阳观测组合导航

为提高深空探测器巡航段的导航定位精度和钟差修正能力,提出一种利用X射线脉冲星和太阳观测信息的组合导航方法.利用脉冲星导航的脉冲到达时间测量值,同时利用太阳敏感器、分光计分别测量太阳视线矢量和探测器相对于太阳的径向速度,并将星载时钟钟差增广为状态变量,构建组合导航系统,利用基于扩展卡尔曼滤波的UD(Upper triangular matrix-Diagonal matrix)分解信息融合算法进行状态估计.仿真结果表明,该方法能有效解决因钟差漂移引起的导航滤波发散问题,同脉冲星导航相比,该方法提高了定位精度和钟差修正能力.     

基于离散时间传递矩阵法的伞-弹系统动力学模型

采用离散时间传递矩阵法建立了伞-弹系统减速稳定段的动力学模型,回避了多体动力学传统的研究方法在伞-弹系统建模过程中存在的问题。详细给出了应用离散时间传递矩阵法建立铅垂平面内伞-弹系统模型的建模过程,推导了伞-弹系统的传递矩阵和传递方程。通过算例将建立的伞-弹系统模型和采用牛顿-欧拉法建立的伞-弹系统模型进行了对比分析,两种模型计算结果吻合度好,验证了本文模型的正确性以及离散时间传递矩阵法应用在减速伞-子导弹系统中的可行性。     

Kalman滤波的铷原子钟控制算法

以GPS接收机输出的1pps信号为参考信号,采用Kalman滤波算法对铷原子钟的参数进行估计,计算铷原子钟的频率调整量,对铷原子钟进行调整,使其和UTC时间保持同步。实验结果表明,受驯铷原子钟输出1pps与UTC（NTSC）钟差的标准差优于3.5 ns,钟差峰峰值优于15 ns,100 s采样的Allan方差为1.83×10 -12 ,10000 s采样的Allan方差为6.1×10 -13 。实验证明了基于Kalman滤波的铷原子钟控制算法,使铷钟获得了较好的准确性和长期稳定性,且对其短期稳定性影响最小,是一种可靠稳定的铷钟控制方法。     

Aerial-BiSeNet: A real-time semantic segmentation network for high resolution aerial imagery

The aircraft system has recently gained its reputation as a reliable and efficient tool for sensing and parsing aerial scenes. However, accurate and fast semantic segmentation of high-resolution aerial images for remote sensing applications is still facing three challenges: the requirements for limited processing resources and low-latency operations based on aerial platforms, the balance between high accuracy and real-time efficiency for model performance, and the confusing objects with large intra-class variations and small inter-class differences in high-resolution aerial images. To address these issues, a lightweight and dual-path deep convolutional architecture, namely Aerial Bilateral Segmentation Network (Aerial-BiSeNet), is proposed to perform real-time segmentation on high-resolution aerial images with favorable accuracy. Specifically, inspired by the receptive field concept in human visual systems, Receptive Field Module (RFM) is proposed to encode rich multi-scale contextual information. Based on channel attention mechanism, two novel modules, called Feature Attention Module (FAM) and Channel Attention based Feature Fusion Module (CAFFM) respectively, are proposed to refine and combine features effectively to boost the model performance. Aerial-BiSeNet is evaluated on the Potsdam and Vaihingen datasets, where leading performance is reported compared with other state-of-the-art models, in terms of both accuracy and efficiency.