深空探测低信噪比通信研究

与传统无线通信相比, 深空通信由于传输损耗巨大、探测器能量受限且轨道多变等因素, 须解决信噪比(Signal to Noise Ratio, SNR)极低、数据接收不连续及信道参数多变等难题. 针对这些问题, 论述了在深空探测极低SNR下需重点研究的深空天线组阵、编码与调制、联合解调译码、喷泉码以及其自主无线电实现等关键技术, 以有效协助解决上述深空通信难题. 同时, 讨论了这些关键技术的发展趋势及其在未来深空通信中的应用.      

课堂学习共同体视野下高职生的主体性培养

当前高职教育教学实践大多忽视学生主体性培育,造成学生主体性残缺不全,这种现实违背了素质教育的宗旨。为改变这种状况,结合公共英语课程教学实践,英语教师借助于课堂学习共同体,探索对高职生进行主体性培育的路径。英语教师要走下讲台,为学生主体性发挥创设环境;提供实践活动情境,唤醒学生主体意识;借助于小组合作学习,促进学生主体参与,发展主体性能力;开展元认知策略训练,激发学生的自我主体性培育。     

利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

高职院校工学结合实现途径研究

工学结合、校企合作是高职院校培养高端技能型人才的根本途径,但高职院校工学结合普遍存在着口号喊得多、实质内容少、短期合作多、长效机制少、学校热情多、企业关注少、校企浅层次合作多、深层次合作少等问题。通过思考促进校企深度融合、工学有效结合的方式,提出了"三位一体,项目育人"的高端技能型人才培养模式。     

主体性教育视野下的商贸类高职院校思想政治教育研究

主体性教育代表着一种全新的教育哲学和教育理念,为"工学结合"人才模式下商贸类高职院校思想政治教育提供新的价值取向和理论基础,构成了"工学结合"人才培养模式下商贸类高职院校思想政治教育的行动逻辑。     

关于大学引进版英语教材的适用性分析

对航空机务工程类专业两个年级进行公共英语教学的纵向问卷调查,对其所使用的两套引进版教材的结构内容等进行分析,基于此,结合学伴用随原则和中国学生的英语学习策略,对这两套教材的适用性进行对比评价,为大学公共英语教材的引进或编写提供经验借鉴。     

图模型与学习算法结合的贝叶斯网络自动建模

针对纯数据驱动的贝叶斯网络结构学习算法的准确度和效率较低的问题,提出了一种融合多信号流图模型与K2学习算法的贝叶斯网络自动建模方法。该方法利用多信号流图模型能够描述信号之间传递与依赖关系的能力,结合K2学习算法在结构学习中的优势,实现了专家知识与数据驱动方法有效融合的贝叶斯网络结构自动学习算法。通过与常用网络结构学习算法的对比实验证明,该融合算法显著降低了结构学习对学习范围和训练数据规模的要求,具有更高的学习准确度和运算效率。采用真实系统实例阐述了该融合算法的应用过程,验证了算法的实用性。      

多节点探测器软着陆的路径规划方法

面向小行星探测任务的需要,柔性连接的多节点深空探测器是针对单节点探测器着陆易倾覆或反弹等问题的一种解决方案.基于此构建了一种采用柔性连接的三节点探测器并对其软着陆情况进行建模,提出了带自注意力机制的多任务深度强化学习方法.各节点以探测器主体为参照物描述自身状态,节点之间通过联合学习来提高各自对复杂环境的适应能力;在对探...     

多基线组合求解深空航天器载波相位模糊方法

针对深空航天器高精度定位需求,提出多基线组合求解载波相位模糊方法,获得比群时延更精确的相时延,极大地提高无线电干涉测量精度。首先建立多基线组合求解载波相位模糊的数学模型,推导该方法对长短基线组合的约束条件。然后利用美国甚长基线阵(VLBA)对本文方法进行仿真校验,结果表明航天器定位精度可以达到纳弧度量级。最后结合我国已有干涉测量网,分析在我国未来深空探测任务中采用多基线组合测量载波相时延的可行性,给出满足方法约束的站址选择建议,可为我国深空导航无线电干涉测量技术的发展和深空测控网的完善提供参考。     

基于深度学习的航天器组合体惯性参数在轨智能辨识

针对在轨服务过程形成新组合体的动力学参数未知的问题,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的智能参数辨识算法,实现在外力作用下,线动量和角动量不守恒条件下的航天器组合体多参数辨识。利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识。利用数学仿真试验对算法的可行性进行验证,结果表明：在24s内,质量与质心位置收敛;1190s内,惯量参数收敛,辨识精度在3%以内。说明所提方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵。