高动态扩频信号的捕获跟踪与解调

本文给出了一种高动态扩频信号的跟踪解调方法，采用数字平方环载波捕获跟踪，并实施数字下变频对无载波频率变化的扩频信号进行简单相干积累解扩解调，变二维捕获过程为两个一维捕获过程，简化了高动态情形设计方案。     

航空工业的高技术产业属性

提起高技术产业,人们往往认为是指近一二十年来出现的一系列新兴技术产业,如微电子、计算机、生物工程、海洋工程、航天、新材料和新能源等。对航空技术是否属高技术?航空工业是否属高技术产业?有人还有怀疑。的确,航空工业已有数十年的发展历史了,但航空工业不是普通的加工工业,而是典     

高频宽范围阻抗测量的一种新方法

本文根据微波网络理论,提出了利用A参量求解高频阻抗的新方法,详细介绍了如何将该方法用于网络分析仪系统测量高频阻抗,并将其测试结果与美国惠普公司生产的专用高频阻抗分析仪HP4191A及该公司最新展出的频谱、网络、阻抗分析仪HP4195A的测试结果作了比较,实践证明,该方法与传统的S参量法相比,大大拓宽了阻抗测量范围,提高了测量精度(能自动地消除联接电缆的影响),且适用于被测件的同轴联接及非同轴联接。此方法对利用各种网络分析仪实现高阻测量具有普遍意义。     

洛马公司的天基红外系统-高轨卫星的研制取得重大进展

该公司已经完成并交付了一个复杂的、高性能通信子系统，该子系统是天基红外系统-高轨卫星星座首颗地球静止轨道卫星红外载荷的组成部分，这在该项目上具有重大里程碑意义。这个通信子系统将在“天基红外系统”中发挥重要作用，它能够从红外载荷向作战人员提供抗干扰、生存力强的通信，提供覆盖全球的导弹发射探测和防御数据。这个子系统还能通过与地面站的持续交互通信对卫星提供安全的指挥与控制。     

基于环境减灾二号A/B卫星HSI数据的太湖叶绿素遥感监测研究

叶绿素a(Chl-a)是湖泊富营养化和初级生产力评价的关键指标。在传统地面观测受限于时空尺度的问题下,高光谱遥感为光学特性复杂的内陆湖泊监测提供了新的思路。文章针对环境减灾二号A/B卫星高光谱成像仪(HJ-2A/B HSI)数据的湖泊叶绿素定量监测能力问题,选择太湖为研究区域,结合地面同步观测数据和准同步的哨兵-2(Sentinel-2)卫星多光谱(MSI)数据,系统评估了HJ-2A/B HSI数据的遥感反射率数据质量,构建了太湖叶绿素HJ-2A/B HSI遥感反演模型。模型的平均绝对百分比误差(MAPE)为37.5%,均方根误差(RMSE)为0.0078 mg/L,HJ-2A/B HSI与Sentinel-2 MSI影像提取的叶绿素浓度整体空间趋势基本一致。结果表明：HJ-2 HSI可为内陆湖泊叶绿素及其它水质参数的遥感定量监测提供有效的数据支撑,并仍可在辐射数据质量、大气校正等方面进行进一步的优化,以满足水环境遥感业务化监测的应用需求。     

高拱坝失效模式与失效概率

为克服高拱坝确定性安全评价中不考虑随机性、不进行风险分析的弊端,提出研究超静定结构高拱坝的失效模式、利用失效概率与失效风险值对高拱坝进行风险评价。在分析洪水、地震和材料老化等造成高拱坝失效原因的基础上,利用故障树分析法探索出高拱坝具有失稳溃坝、剪滑垮坝、超量开裂以及人为毁坝等4种主要失效模式;从产生载荷参数随机数、获取随机变量的分布规律和建立失效模式的状态函数等方面研究了高拱坝单个失效模式与系统失效概率的计算方法。计算了某高拱坝剪滑失效模式的失效概率。     

精密热控技术在太极一号卫星上的应用

为探测空间引力波,中国科学院提出了太极计划,其第一步是通过近地轨道卫星太极一号对核心载荷的关键技术进行验证.由于温度稳定性直接影响干涉仪测距和加速度的测量精度,太极一号卫星提出了(T±0.1)K的高精度、高稳定度温控指标.针对该指标要求设计热控方案,从热组件的选取到单机设备的应用均依照高指标进行控制.为了保证方案实施的...     

基于自适应支配和参考向量的高维多目标优化算法

现有的改进支配方法提高了解集逼近Pareto前沿的能力,但平衡种群收敛性和多样性的能力仍然不足。针对此问题,提出了一种基于自适应支配和参考向量的高维多目标优化算法(An adaptive dominance and reference vector based evolutionary algorithm for many-objective optimization,ADRVEA)。首先提出自适应支配(Adaptive dominance,AD)来设计小生境机制;然后通过参考向量划分目标空间来提高种群多样性;最后构建适应度表达式来实现精英选择。实验证明所提出的ADRVEA不仅性能良好,而且有效平衡了种群的收敛性和多样性。     

基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。