北斗星基增强系统增强定位方法和效果研究

北斗星基增强系统BDSBAS通过地球同步轨道卫星实时播发导航卫星星历改正数等增强信息，提高用户全球导航卫星系统定位精度，提升服务水平，是北斗全球卫星导航系统的重要组成部分。根据相关标准协议文件研究了BDSBAS增强定位算法，并在自主研发的北斗星基增强系统监测接收机上设计实现了BDSBAS增强信号的接收，完成了单频和双频实时增强定位解算。实测结果表明：BDSBAS-B1C增强信号能有效提高GPS L1C/A的单频定位精度，相比于标准服务单频定位结果，水平和高程方向精度分别提升了45.18%和70.61%，提升后定位精度在1 m左右；BDSBAS-B2a增强信号能一定程度提高BDS B1C-B2a的双频无电离层组合定位精度，相比较于标准服务双频定位结果，水平和高程方向精度分别提升了6.15%和5.83%，提升后定位精度达到分米级。     

碳纳米管增强复合材料研究进展

介绍了碳纳米管的结构、性能等特点，综述了碳纳米管在金属基复合材料、聚合物基复合材料和陶瓷基复合材料中的应用研究情况，并对今后碳纳米管复合材料的发展趋势进行了展望。     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于SAR图像去噪.在分析目前流行的空频域去噪方法优缺点的基础上,提出了1种小波域SAR图像去噪方法.为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和...     

适用于长时间烧蚀防热的蜂窝增强低密度材料

针对长时间烧蚀防热对防热材料的需求,研制了两种蜂窝增强低密度烧蚀防热材料,采用电弧风
洞加热设备对其防热性能进行了考核,并对其力学及热物理性能进行了研究。结果表明,在两种长时间(1 000
s 左右)热环境的考核下,蜂窝增强低密度材料烧蚀后背面温度均低于200℃,表面碳层均匀、完整,无明显烧蚀
量,显示了优异的隔热性能和良好的抗气流冲刷能力。     

雷电流A分量作用下碳纤维增强聚合物基复合材料的损伤研究

为了分析碳纤维增强聚合物基复合材料(CFRP)在雷电流A分量下的损伤特性，对CFRP开展了标准化人工雷电实验，并建立了CFRP雷击损伤的电-热耦合有限元仿真，对比分析了不同峰值雷电流A分量下CFRP表观损伤、C扫内部损伤和仿真损伤结果。结果表明，不同峰值电流作用下CFRP的雷击损伤模式相同，雷电通道中的电荷和复合材料各向异性热电属性共同决定了雷击损伤的分区特性；复合材料各向异性热电属性影响内部电场和温度场分布，形成方向性极强的热损伤形态，且峰值电流会直接影响CFRP雷击热损伤程度。     

民机新一代驾驶舱显示技术

在研究最新大型民用客机驾驶舱显示技术及平视显示器、电子飞行包、视景增强、合成视景等一系列新兴在研技术基础上,提出新一代驾驶舱显示技术的构想。新一代驾驶舱显示技术将以形象化的信息表达能力为基础,显示更丰富的周围环境,以达到降低飞行员工作量及提高飞行员情景意识和态势感知能力的目的。     

纳米碳/铝复合材料的制备、界面改性与增强机制研究进展

以石墨烯和碳纳米管为代表的纳米碳是发展结构功能一体化铝基复合材料的理想增强材料，但纳米碳分散难、与铝润湿差及不良的界面结合等限制了增强效果。针对此问题，介绍了纳米碳/铝复合材料熔融铸造和粉末冶金制备方法的改进及新发展的制备技术，从表面化学改性、涂层及纳米粒子修饰方面总结了纳米碳表面处理与增强铝基复合材料的研究现状。基于纳米碳/铝的界面结合机制，综述了表面改性前后反应和扩散型界面的形成过程及它们与机械锚结型界面对载荷传递的影响、改善途径；分析了纳米碳/铝复合材料研究中涉及的主要增强机制、影响因素和增强效果，并展望了提升该复合材料结构与功能性能的研究重点。     

基于多模式超声成像的CFRP冲击损伤无损表征与冲击后压缩强度预测

为实现含冲击损伤复合材料层板损伤特性和剩余强度的定量无损表征，提出了一种基于多模式超声成像的CFRP层板冲击损伤表征与冲击后压缩强度预测方法。首先，基于相控阵超声多模式成像技术获得了不同冲击载荷下AC631/CCF800H双马来酰亚胺树脂基复合材料层板分层损伤的位置、尺寸和分布信息，随后，以层析C扫描图像为基础，引入等效开孔体积对其冲击后压缩强度进行了预测。结果表明：相控阵超声B扫描、声程C扫描和层析C扫描等多种成像模式相结合，能够有效描述层板内部分层损伤的形貌、尺寸及三维空间分布特征；与凹坑深度拟合和最大开孔体积拟合等传统方法相比，基于层析C扫描图像的等效开孔体积与CFRP层板的冲击后压缩强度相关性更大，预测结果也更为精确。相关研究成果可为复合材料冲击损伤过程精细化分析和材料力学性能定量无损表征提供一定的借鉴和参考。     

改进深度卷积生成式对抗网络的文本生成图像

针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题，提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码，得到文本的特征向量表示。引入条件增强（CA）模型，通过文本特征向量的均值和协方差矩阵产生附加的条件变量，代替原来的高维文本特征向量。将条件变量与随机噪声结合作为生成器的输入，并在生成器的损失中额外加入KL损失正则化项，避免模型训练过拟合，使模型可以更好的收敛，在判别器中使用谱约束（SN）层，防止其梯度下降太快造成生成器与判别器不平衡训练而发生模式崩溃的问题。实验验证结果表明：所提模型在Oxford-102-flowers和CUB-200数据集上生成的图像质量较alignDRAW、GAN-CLS、GAN-INT-CLS、StackGAN(64×64)、StackGAN-v1(64×64)模型更好且接近于真实样本，初始得分值最低分别提高了10.9%和5.6%，最高分别提高了41.4%和37.5%,FID值最低分别降低了11.4%和8.4%，最高分别降低了43....