日侧外磁层ULF波调制EMIC波的MMS观测

磁层多尺度卫星（MMS-1）在日侧06:30 MLT（磁地方时,Magnetic Local Time）外磁层大于2R_e（L 为 7.5~10.1）的范围内观测到多达21个波包的准周期性电磁离子回旋波（EMIC）事件。超低频（ULF）波和能量质子温度各向异性准周期性增强也被同步观测到。频率分析显示,ULF波的周期、质子各向异性周期和EMIC波包的周期非常接近。MMS-4卫星在约1 h后经过附近空间区域,研究发现随着ULF波的幅度减弱,EMIC波包的准周期性也逐渐减弱。研究结果为ULF波在日侧外磁层调制质子各向异性从而产生周期性EMIC波包提供了完整的观测证据链。同时,观测结果进一步证明,这种ULF波调制的EMIC波包能够在大于2R_e的空间尺度内发生,且能够持续存在于几个小时以上的时间尺度。     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。     

半球谐振子疲劳寿命分析与仿真

半球谐振子的寿命和损伤是直接影响高精度半球谐振陀螺使用时长和安全性的重要因素。目前国内加工的半球谐振子所用的熔融石英玻璃材料主要依靠进口,采用传统的疲劳寿命实验确定方法成本过于昂贵,因此需要利用疲劳分析软件对半球谐振子的疲劳寿命进行分析。文章通过半球谐振陀螺应力分析,采用ANSYS软件对熔融石英半球谐振子进行应力分析仿真,确定因残余应力所引起的疲劳危险部位,并在疲劳部位进行裂纹扩展分析,得到 、 和 型应力强度因子,以使在半球谐振子结构设计和使用过程中对易疲劳的部位进行有效监控和预防。     

基于非下采样轮廓波变换的红外和SAR图像融合算法

针对现有红外和合成孔径雷达(Synthetic Aperture Radar,SAR)图像的融合算法融合质量差、边缘轮廓不清晰、效率低下、可视性差,目标检测效率低等问题,提出一种基于非下采样轮廓波变换的融合算法。首先采用非下采样轮廓波变换对预处理的红外和SAR图像进行分解,获得各自低频和带通方向图像,接着根据红外和SAR图像的特征选取其含重要目标信息的频带进行低频图像和带通方向图像融合。为了检验本文所提出算法性能的优越性,采用两组红外和SAR图像进行融合实验,与其他图像融合算法进行对比,并对融合图像进行目标检测,证明了该融合算法能有效提高多源图像目标检测率。     

碳纳米管复合材料在航空航天中的应用

文章介绍了碳纳米管技术的研究进展情况,包括合成制备、化学分子结构、独特性能及应用前景。重点介绍了碳纳米管增强复合材料的研究进展,并提出和讨论了碳纳米管复合材料在航空航天应用的一些重要研究课题。尽管碳纳米管复合材料在航空航天领域显示了非常好的发展前景,但一些关键技术仍有待深入研究。     

航天用SRAM型FPGA抗单粒子翻转设计

采用SRAM工艺的FPGA因其性能优异,在空间领域的应用受到重视;但是在空间环境中,SRAM型FPGA易受单粒子翻转的影响而导致逻辑故障或功能中断。文章提出对该类芯片的配置逻辑部分采用回读比较后刷新、对其BRAM部分采用通用自纠错宏的抗单粒子翻转（SEU）设计方案,在牺牲一定的器件性能的情况下,能达到较好的抗辐射效果。     

太阳活动与全球气候变化

太阳不断向地球辐射电磁波和粒子, 太阳辐射是地球气候系统最主要的能量来源. 地球气候系统对太阳活动的响应是一个复杂的过程, 包括辐射过程、动力学过程以及微观物理过程等. 根据太阳辐射的卫星观测结果和重建结果, 例举了古气候、温度、大气环流和云量等方面太阳影响气候的观测证据, 论述了太阳影响气候的三种可能机制, 即太阳总辐射变化可以影响地表温度, 并通过海-气耦合改变大气环流; 太阳紫外辐射通过调制平流层的温度和风场影响下面的对流层; 太阳通过行星际磁场调制银河宇宙线, 而银河宇宙线通过电离大气影响云量, 进而改变地球的能量收支.     

基于重力模型阶次自适应的实时重力补偿系统研究

为了解决探测器在月面工作时惯性导航系统的误差累积问题,克服现有研究对环境敏感或是需要定期停止才能进行误差修复的短板,结合探测器的行驶行为,将探测器使用零速更新（ZUPT）原理修正误差的过程分解成了无ZUPT、完全ZUPT、水平动态ZUPT和垂向动态ZUPT 4种子模型的叠加,并分别推导了它们的系统矩阵和测量矩阵。针对月面导航系统提出了一种新型多模型零速更新（MMZUPT）算法。该算法应用多模型交互原理,允许多种更新模型同时工作,可以通过计算每个模型的权重在每个定位历元输出最优导航结果并约束误差。在精心挑选的受限环境中对月面导航进行了模拟实验,结果表明,所提MMZUPT方法无需频繁地主动停车以满足传统ZUPT使用边界就可以取得良好的效果,并且通过对包含错误的校准信号加以识别和利用可以获得更好的性能。     

Coronal mass ejection detection using wavelets,curvelets and ridgelets: Applications for space weather monitoring

Coronal mass ejections (CMEs) are large-scale eruptions of plasma and magnetic field that can produce adverse space weather at Earth and other locations in the Heliosphere. Due to the intrinsic multiscale nature of features in coronagraph images, wavelet and multiscale image processing techniques are well suited to enhancing the visibility of CMEs and suppressing noise. However, wavelets are better suited to identifying point-like features, such as noise or background stars, than to enhancing the visibility of the curved form of a typical CME front. Higher order multiscale techniques, such as ridgelets and curvelets, were therefore explored to characterise the morphology (width, curvature) and kinematics (position, velocity, acceleration) of CMEs. Curvelets in particular were found to be well suited to characterising CME properties in a self-consistent manner. Curvelets are thus likely to be of benefit to autonomous monitoring of CME properties for space weather applications.     

Contamination of short GRBs by giant magnetar flares: Significance of downward revision in distance to SGR 1806–20

We highlight how the downward revision in the distance to the star cluster associated with SGR 1806–20 by Bibby et al. (2008) reconciles the apparent low contamination of BATSE short GRBs by intense flares from extragalactic magnetars without recourse to modifying the frequency of one such flare per 30 years per Milky Way galaxy. We also discuss the variety in progenitor initial masses of magnetars based upon cluster ages, ranging from ∼50 M_⊙ for SGR 1806–20 and AXP CXOU J164710.2–455216 in Westerlund 1 to ∼17 M_⊙ for SGR 1900+14 according to Davies et al. (2009) and presumably also 1E 1841–045 if it originated from one of the massive RSG clusters #2 or #3.