量子定位系统中符合计数与到达时间差的获取

基于MATLAB图形用户界面接口（GUI）,采用软件设计方式,实现量子纠缠光信号的采集,以及对采集到的两路量子纠缠光信号的符合算法。通过对符合算法中不同的符合门宽、采集时间和延时增加步长3个重要参数的性能实验,优化和确定各参数的选值。通过对量子纠缠光符合计数与到达时间差（TDOA）的研究,完成地面数据获取与信息处理模块的设计与实现。设计并实现了时间差拟合的仿真平台。实验结果达到了期望的精度和效率的需求。      

TCP协议在空间网络中的传输时延分析

探讨了为适应空间网络环境对TCP协议机制进行的一些改进,通过模拟实验,对协议改进方案的性能进行了分析和比较。实验结果表明：协议改进后能够减小时延,避免不必要的重传,提高了信道的利用率。     

基于深度学习的日间逐小时地表PM2.5浓度反演

以长三角地区作为研究区域,提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM_2.5浓度的方法。基于MPL观测数据,使用雾霾层高度(HLH)替换了边界层高度(BLH)特征,对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM_2.5浓度的算法进行了改进。为提高数据覆盖率,对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM_2.5浓度估算,模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。     

磁悬浮飞轮用BLDC系统的仿真方法与实验分析

对以数字信号处理器(DSP)为控制器的磁悬浮飞轮用无刷直流电机(BLDC)系统,提出了一种在Matlab/Simulink中新的仿真方法,并通过实验,分析了该方法的有效性和适用性。通过构建各种功能模块,如无刷直流电机模块、三相逆变桥模块、逻辑换相模块和控制模块,实现了仿真方法;通过使用C MEXS-函数和子系统封装等Simulink模型优化技术,提高了仿真精度和速度。最后仿真和实验结果吻合较好,表明该仿真方法较为正确,对磁悬浮飞轮用BLDC系统的分析和设计具有重要的实用价值。     

基于GPS的多基线姿态系统研究

在QUEST算法的基础上,提出了非单位向量前提下的四元数估计算法。该算法考虑了基线长度对精度的影响,将其应用于自制的GPS多基线姿态系统,计算载体的姿态角,验证系统及算法的精度。通过两次实验结果对比表明:该套GPS姿态系统具有较高的精度,非单位向量的四元数估计算法计算精度明显高于TRIAD算法。     

地面无人系统反制关键技术分析与综述

瞄准未来无人化智能化装备对抗需求,通过梳理地面无人系统的国内外发展现状及趋势,总结地面无人系统的能力特征和关键技术,并与空中无人系统进行对比分析,给出了反制地面无人系统的可能策略。初步构建了关键技术体系,并从反制测控(TT&C)链路、卫星导航定位系统、环境感知传感器、自主行为与平台控制及反制效果在线评估等方面对相关关键技术进行了分析与综述。对未来装备建设和发展具有启发和借鉴意义,对地面无人装备的发展和能力提升起到推动作用。     

基于SVD的雷达嵌入式通信波形设计方法

雷达嵌入式通信(REC)是一种在雷达后向散射回波中嵌入通信信号的新型隐蔽通信手段,相较于传统的隐蔽通信方式,REC具有更加优越的隐蔽性能,在军事和民用领域都有着非常广阔的应用前景。波形设计一直是REC中的重点研究目标,为了更好的通信可靠性和抗截获性能,提出了一种基于奇异值分解(SVD)的REC通信波形设计方法,给出了SVD波形设计的算法原理,并对SVD波形的通信可靠性、抗检测性能、抗截获性能和算法复杂度进行了仿真和分析。结果表明：相较于传统的REC波形,SVD波形可以实现完全正交,并且与雷达回波信号局部上分离、同时保持整体上的相似,具有更好的通信可靠性、低检测概率特性(LPD)和低截获概率特性(LPI),同时没有显著增加算法复杂度。     

多级降压调节阀内部流动特性数值模拟

为研究多级降压调节阀内部流动过程和各降压级的压降影响因素及规律,基于Mixture两相流模型和Schnerr-Sauer空化模型的数值计算方法,建立了多级降压调节阀内部流场的计算模型。通过数值模拟计算,获得了调节阀内部的流动特性,分析和探讨不同压差和不同阀门开度下各降压级压降特性。数值计算结果表明：流体流经阀门节流元件时,由于多股流体的强烈掺混和剪切使得阀门内存在大量的漩涡;各降压级的压降存在一定的差异,第3级套筒处的空化程度最大,阀座处更易发生空化;阀门在同一开度下,工质沿各降压级的压降在不同压差下的变化趋势相同;第3降压级的压降随阀门开度的减小而增大,在25%开度下阀门第3降压级的平均压降最大,达到了8 MPa,相同流量下该降压级小孔中工质的速度也增加。研究结果为降压阀的合理设计提供了理论依据和参考价值。     

HEVC对偶编码单元划分优化算法

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度。该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计。实验结果表明：与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06%的编码时间。     

基于图对比的上下位关系检测

上下位关系是自然语言处理(NLP)下游任务的基础,因此上下位关系检测是自然语言处理领域备受关注的问题。针对现有词嵌入方法采用随机初始化词向量,不能很好地捕获上下位关系不对称和可传递的特性,且现有模型没有充分利用预测向量与真实投影之间关系的局限性,提出了一种基于图对比学习的上下位关系检测(HyperCL)方法。引入图对比学习进行数据增强,基于最大化局部和全局表示的互信息,学习具有鲁棒性的词特征表示。所提方法学习了将下位词的词向量投影到上位词和非上位词,同时能够更好地区分嵌入空间中的上位词和非上位词,从而提高了检测精度。在2个基准数据集上的实验结果表明,所提模型比现有方法在准确率上提升了0.03以上。