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.      

一种基于子空间的OFDM系统半盲信道估计

提出了一种可用于色噪声背景的基于子空间的改进半盲信道估计算法。根据正交频分复用（OFDM）系统模型,利用所获色噪声背景的噪声向量与信道冲激响应矩阵的正交性估计信道冲激响应,给出了算法的步骤。仿真结果表明：算法有较好的收敛性和稳定性。     

基于单边带OOFDM的TDM/WDM-PON

文章首次提出了基于单边带光正交频分复用（OOFDM）的TDM/WDM-PON方案并建立了一个通道的系统模型。下行采用80Gbit/s的单边带OFDM信号,节约WDM通道带宽资源,减小色散的影响,OLT调整各ONU的子载波个数即可实现动态带宽分配。上行采用20Gbit/s的NRZ信号。利用半导体光放大器（SOA）的增益饱和特性实现了ONU的无色管理。对系统模型进行了仿真,并对结果进行了分析。     

金属网反射器索网预应力对模态的影响

卫星姿态和轨道调整时,金属网反射器索网结构的基频过低会使反射器产生振颤。文章通过金属网反射器索网结构的模态方程,利用有限元法来分析预张力的值与模态之间的关系,得到了预张力的大小对索网模态的影响规律,索网的基频会随着预张力的减小而下降,并用算例验证了这种方法的正确性。     

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。     

超长桁架变形的多点实时测量方法研究CSCD

超长可伸展桁架结构广泛应用于各领域,对其变形测量有着重要意义,比较国内外现有的几种常见的超长可伸展桁架结构变形测量方法,指出现有方法的缺点和局限性。提出一种新的基于激光准直的无导轨超长桁架结构变形测量方法,以激光准直光束为测量基准,利用递进分光的方式,实现桁架结构的多点实时测量。分析方法原理后设计实验系统,完成初步测试,实验结果表明基于该方法的测量系统能测量桁架结构二维变形,且稳定性好,重复性误差小于1.1%,非线性误差小于0.6%。该方法无需采用移动的方式或利用导轨即可完成多点实时测量,环境适用性大大提高,还具有测量精度高、测量距离远、可拓展性好等优点,具有很好的发展前景。     

基于FFT含有饱和环节的非线性等效系统的方法研究

基于快速傅里叶变换(FFT)方法,对系统的输入和输出信号进行快速傅里叶变换,对含有高次谐波的输出信号进行滤波,得到期望主频率的傅里叶频谱,然后进行傅里叶反变换,求得在各主频率下的幅值和相位.利用MATLAB中的非线性最小二乘拟配方法得到含有非线性环节的飞机纵向飞行控制系统的频域等效线性模型.这种方法也为含有非线性环节的飞机纵向飞行控制系统的飞行品质评估提供了一种可行的方法.     

加速度计频率特性分析

针对系统振动试验中加速度计暴露出的故障现象,从加速度计的具体结构、传递函数等部分进行了分析推导和理论计算,分析了加速度计的频率特性,为产品试验、使用和改进提供了参考依据。     

子带自适应阵列处理的实现与性能分析

针对空频自适应滤波处理中节拍样点两端的输出信干噪比急剧下降的问题,建立了子带自适应阵列处理与空时自适应阵列处理等效关系的数学模型,指出了变换正交基函数的影响,提出利用时频分析特性优良的小波包变换取代傅立叶变换形成新的子带自适应阵列处理,减少子带间的频谱混叠,从而提高系统节拍样点两端的输出信干噪比。对基于不同窗函数的空频自适应处理和基于小波包变换的子带自适应处理进行了性能仿真,验证了小波包相对于加窗空频自适应处理的优越性。     

星载SAR椭圆轨道全零多普勒导引方法研究

多普勒中心频率在星载合成孔径雷达（SAR）成像中,直接影响方位向的模糊度及图像的定位精度。全零多普勒导引方法通过调整偏航角和俯仰角,使多普勒中心频率为零,但现有方法都导致残余多普勒中心频率较大。文章利用椭圆轨道下多普勒中心频率的表达式,将多普勒中心频率分为仅与俯仰角相关部分,以及与俯仰角和偏航角都相关的部分,令两部分分...