1553B总线控制系统时间同步设计

高准确度的时间同步是实时性现场总线控制系统正确运行的基础.本文介绍了几种现场总线系统软硬件时间同步机制,针对1553B总线控制系统,通过深入分析总线协议芯片的工作时序,利用芯片内部的时标寄存器,采用软件补偿的方法,设计了一种准确度与软件和网络延迟无关的高准确度、低通讯开销的软件时间同步机制.试验表明,这种同步机制准确度可达到μs数量级.     

基于深度残差网络的模拟电路软故障诊断方

航天电子电路的故障诊断一直是航天领域可靠性与安全性的一个热点研究课题,航天电子电路的故障将直接影响航天任务是否成功。提出了一种基于深度残差网络的模拟电路故障诊断方法。该方法使用短时傅里叶变换将电路的时域输出信号转换为二维电路图像,并将其作为神经网络的输入,再利用ResNet提取模拟航天电子电路的性能特征,确定元件的故障类型,完成电路的故障诊断。通过仿真验证了该方法的故障诊断性能。仿真结果表明,该方法能够实现高达99.1%的诊断准确率。     

基于卫星遥感的岛礁影像多类目标智能化提取

卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点,主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet,使其适用于卫星遥感影像。首先设计了一种新的特征融合方式,融合ResNet50输出的特征图,使得融合后的特征图同时具有高层语义信息和低层纹理细节信息。为了减弱遥感影像复杂背景对目标特征的影响,设计了特征感知模块,在减弱噪声对特征图影响的同时增强有用特征。挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试。改进的算法与RetinaNet相比,飞机、船只和存储罐的平均精度分别提高了41%、25%、24%。基于高分二号卫星（GF 2）真实影像数据的试验结果表明,提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取。     

国防原子时测试系统的设计与实现

随着现代武器系统的日趋高速化、自动化和智能化,时间频率在高技术战争中的地位越来越突出,国防原子时系统的运行研究,将对我国独立自主的时间标准系统的建立提供有利的技术支持。本文较详尽地阐述了国防原子时测试系统的组成,并介绍了系统中比对测试软件、环境监测系统的设计以及相关数据库的搭建。     

Status of the T2L2/Jason2 Experiment

The T2L2 (Time Transfer by Laser Link) project, developed by CNES and OCA will permit the synchronization of remote ultra stable clocks and the determination of their performances over intercontinental distances. The principle of the experiment derives from Satellite Laser Ranging (SLR) technology with dedicated space equipment. T2L2 was accepted in 2005 to be on board the Jason2 altimetry satellite. The payload consists of both event timer and photo detection modules. The system uses the ultra-stable quartz oscillator of DORIS as on-board reference clock on one hand, and the Laser Reflector Array, making T2L2 a real two-way time transfer system on the other hand. The expected time stability of the T2L2 instrument (detection and timing), referenced by the DORIS oscillator and including all internal error sources should be at the level of 10–12 ps at 1 s and <1 ps at 1000 s. The metrological specifications of T2L2 should permit to maintain a precision of 1 to a few ps when measuring the phase of a clock during around 1000 seconds.     

基于深度学习的无人机航拍目标检测研究综述

目标检测是提高无人机（UAV）感知能力的关键技术之一,其研究对于无人机的应用有着重要意义。与基于手工特征的传统方法相比,基于卷积神经网络的深度学习方法具有强大的特征学习和表达能力,成为目前目标检测任务的主流算法。近年来,目标检测技术已经在自然场景图像上取得了一系列突破性进展,在无人机领域的研究也逐渐成为热点。首先系统阐述了基于深度学习的目标检测算法的研究进展,并总结了相关算法的优缺点。对常见的航空影像数据集进行了梳理并介绍了迁移学习的方法;从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发,对无人机目标检测在近期的研究进行了归纳和分析。最后讨论了存在的问题和未来可能的发展方向。     

计算振动翼面非定常气动力的Fourier级数展开法

将翼面绕基准状态作任意形态的振动,用Ｆｏｕｒｉｅｒ级数展为ｎ个不同振幅、不同频率的谐波;用Ｇｒｅｅｎ函数法计算每个谐波引起的非定常气动力;然后在时域中将它们叠加,即可求得该翼面在时域中以给定的波形作振动时的非定常气动力。重点讨论了翼面作接近方波形振动时的非定常气动力。算例表明,该方法所得结果与其他方法及实验结果吻合。     

双混频时差系统时间间隔分辨力校准方法研究

提出了双混频时差系统时间间隔分辨力的两种校准方法——频偏法和时差拟合法。给出了校准方法的理论推导,两种方法均基于时间差的测量,通过不同的数据处理方法可得到准确度较高的时间间隔分辨力。实验表明,该方法能够准确测量双混频时差系统的时间间隔,验证了方法的有效可行。     

卫星双向法与卫星测距

卫星双向时间比对是目前远距离台站时间比对精度最高的时间同步技术,时间比对精度达几百皮秒,比GPS共视技术的时间比对精度几乎高一个数量级。中科院国家授时中心根据多台站卫星时间比对经验,提出利用卫星双向比对技术进行卫星测距(称转发器定轨)。实验证明:利用卫星双向技术(卫星需要转发器)进行卫星测距,可得到高精度卫星轨道(内符精度为几厘米)和卫星预报轨道。     

基于CNN-LSTM神经网络的前视成像算法

雷达前视成像作为雷达成像领域的难点与重点,在自动驾驶、导航、精确制导等方面具有广阔的应用前景。传统的前视成像算法受限于天线孔径的宽度,无法实现高分辨率的成像,本文使用卷积神经网络（Convolutional Neural Networks, CNN）与长短期记忆（Long Short-Term Memory,LSTM）网络相结合实现前视成像中方位向的预测,首先介绍了扫描前视成像信号的类卷积模型及其病态性,利用脉冲压缩以及距离徙动校正对回波信号预处理,输入CNN-LSTM神经网络逐距离单元进行方位向估计。仿真结果表明：算法能有效提高前视成像的方位分辨率,实现前视成像的超分辨。