凹半球形轨道分子屏分子流场理论计算

借助一个封闭的球形理论模型,对稳态非均匀分子流环境下的凹半球形轨道分子屏进行研究,计算了试验区分子数密度分布情况,讨论了主要影响因素,结果显示,利用凹半球形轨道分子屏可获得１０＾８分子数／ｍ＾３（等效于１０＾－１２Ｐａ）的极高真空,分子屏出气对试验区分子数密度的贡献是主要的,分子屏粘附系数增大不能有效改善空载情况分子屏试验区的真空度。     

性能优异的“飞天”航天服

微型载人航天器众所周知,太空的高真空、高洁净、强辐射等环境对人体来说是一个的致命环境,人一旦暴露在太空中将面临失压、缺氧、低温和辐射损伤4大危险,所以,人     

临近空间飞行器及其应用前景

从临近空间的概念出发,针对临近空间特定的环境研究了临近空间飞行器的特性和分类。结合临近空间飞行平台的特点,对其应用前景进行了归类和探讨。     

高动态环境下GPS信号跟踪环路优化算法研究

跟踪环路优化主要针对于降低GPS接收机测量中的热噪声误差和动态应力误差。调节环     

基于混合Contourlet变换和主成分变换的高光谱图像融合

针对高光谱图像波段多、存在噪声干扰等特点,提出了一种混合Contourlet和主成 分 分析（principal component analysis, 简称PCA）变换的高光谱图像融合方法。首先将多 个波段的高光谱图像进行Contourlet变换,得到系列多尺度、方向各异的子带系数,然后利 用PCA变换对各子带系数分别进行自适应融合处理。实验结果表明该算法可以有效地进行高 光谱图像融合,消除噪声干扰,获得比直接应用Contourlet变换和PCA变换更好的融合效果 。〖JP〗     

基于局部均值差分的红外小目标图像背景抑制算法

复杂背景条件下红外小目标检测是提高红外武器系统探测距离的有效措施之一。针对小目标的特点提出了一种基于局部均值差分的红外小目标图像背景抑制算法。首先,通过优化的高通滤波进行初始背景抑制;然后,在分析小目标与背景像素差异的基础上检测目标潜在区域;最后,通过局部分割和特征分析实现抑制背景并增强目标。仿真结果表明,对于复杂地物及云层背景的红外图像,所提算法在提高目标信噪比及对比度方面均有较强的稳定性。     

高亚声速轴流压气机的优化叶型

基于计算流体动力学和数值优化算法,研究了一种压气机叶型优化设计方法.以入口马赫数为0.7的高亚声速轴流压气机叶型为研究对象,采用拉丁超立方实验法选取优化变量并构建了考虑攻角特性的目标函数,通过引入Gamma-Theta转捩模型,考虑了附面层转捩的影响,最终获得了可以有效改善攻角特性和降低总压损失的高亚声速轴流压气机优化叶型.计算结果表明:优化叶型可以显著降低入口马赫数为0.2~0.8时+4°和-4°攻角的总压损失,使设计工况(入口马赫数为0.7)下的低损失攻角增加4°以上,优化叶型最佳稠度降低20%并改善低雷诺数时叶栅的流动特性.      

不同冲击角度外物损伤对TC4钛合金高循环疲劳强度的影响

基于空气炮冲击试验装置在不同冲击角度下进行了TC4钛合金平板试件的外物损伤模拟试验,采用逐级加载试验方法测试获得了光滑和冲击损伤试件的高循环疲劳(high cycle fatigue,HCF)强度,研究了冲击角度、冲击位置以及冲击损伤宏观几何尺寸与HCF强度的关系.结果表明:不同冲击角度下的损伤对HCF强度的影响程度不同.冲击损伤在试件边缘时,30°冲击使试件HCF强度的下降幅度最大;冲击损伤在试件表面时,60°冲击使试件HCF强度的下降幅度最大.试件边缘产生的缺口使HCF强度的下降幅度一般大于试件表面产生弹坑的影响.但在60°冲击时,冲击缺口损伤的影响要小于冲击弹坑损伤的影响.冲击损伤宏观几何尺寸一定程度上可以表征损伤试件HCF强度下降的严重程度.      

一种基于运动补偿的高动态微弱直扩信号捕获算法

针对高动态长时间积累情况下直扩信号能量无法有效积累的问题,提出了一种基于运动补偿的二倍分组块补零（Double Block Zero Padding,DBZP）算法。首先利用Keystone变换对输入信号与本地伪码在频域相乘后的结果进行处理,消除伪码自相关峰走动;再利用分段解线调技术同时补偿掉多普勒扩展和伪码自相关峰弯曲;最后对信号进行相干积累。仿真结果表明,基于运动补偿的DBZP算法能有效地消除动态的影响,大幅减小积累损耗,进而提升捕获灵敏度。该算法能广泛应用于基于直扩信号的高动态微弱目标捕获。     

基于GPU的高光谱遥感主成分分析并行优化

主成分分析（principal component analysis, PCA）是高光谱遥感图像特征提取的重要方法。为了在保证精度的同时,提高高光谱遥感PCA算法的计算效率,文章提出一种基于图形处理器（graphic processing unit,GPU）＋中央处理器（central processing unit,CPU）异构系统的PCA并行优化方法。该方法利用GPU的并行计算能力实现PCA中复杂的协方差矩阵计算与维数缩减过程,优化了像元去均值的计算流程;解决了GPU内核计算像元累加和非合并访问问题;利用共享内存机制,提高了访存效率。此外,该方法采用改进的Jacobi快速迭代法在CPU中进行特征分解,保证了算法的精度。实验结果表明,该方法在保证精度的同时能够有效提高计算效率,在Quadro600平台上的加速比达到141倍,满足了高光谱遥感图像实时应用的需求。