多级嵌套L型阵列及其测向算法

针对基于偶数(2q)阶累积量的测向算法中测向性能提高有限的问题,提出了一种基于多级嵌套 L 型阵列的2维测向算法。首先利用阵列的多级嵌套结构和2q阶累积量,形成具有更多自由度的虚拟均匀面阵;然后使用2维平滑方法,恢复其2q阶累积量矩阵的秩; 采用2维MUSIC算法,进行方位角和俯仰角的估计。与常规的2q MUSIC 算法相比,所提算法不仅具有更好的测向精度,而且由于虚拟均匀阵包含更多的虚拟阵元,因此能够估计更多信源的方位角。另外,针对该L型阵列的最优配置问题,推导了各级子阵阵元数的最优和次优分配表达式。仿真结果表明这些结论的正确性。     

天波超视距雷达电离层相位污染典型校正方法综合性能评估

对校正天波超视距雷达电离层相位污染的五种典型方法进行了综合性能评估,主要从校正效果、对不同污染的普适性、污染参数变化对方法的影响、信噪比对方法性能的影响、运算量等几个方面进行了比较与分析,为实际工程实现和改进电离层相位污染校正方法提供参考。     

凹腔前后缘圆弧对流场干扰的数值研究

基于两方程k-ωSST模型,对不同半径前后缘圆弧凹腔构型的超声速流场进行了二维仿真,获得了相应的流场特征参数。结果表明,与直角前后缘相比,采用圆弧构型时凹腔后壁的激波得到增强;随着圆弧半径的增加,凹腔内部的速度有所增大,而温度、涡量则呈递减趋势,从稳焰、助燃的角度看,后壁上端压力增大可以促进质量交换,同时降低回流区温度。综合考虑凹腔的稳焰和助燃作用,提出了一个适当的圆弧半径范围。     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

锥运动条件下新的速度误差补偿项研究

经典的捷联惯导积分算法往往需要在姿态更新过程中对圆锥误差项进行精确补偿。虽然考虑了载体姿态变化的影响,但速度更新算法通常忽略了圆锥效应的作用。就圆锥误差项引起的速度误差进行了研究。指出其与陀螺角增量对速度更新的影响方式相同。在假设的线性斜坡模型条件下,利用两个连续的角增量和比力增量,详细推导了新的速度误差项的二子样更新补偿算法。在一种特殊的机动条件下,即当载体绕横轴作圆锥角振动的同时又沿立轴作同频同相的线振动,推导的二子样优化算法能够使该误差补偿项的平均性能最优。仿真结果证明该优化算法能够对新的速度误差积分项进行有效的补偿。     

面向空间容迟容断网络的路由算法研究

将空间网络作为一种典型的容迟/容断网络(Delay/Disruption Tolerant Network,DTN),同时利用空间网络星座拓扑的规律性和可预见性,通过构造链路通断时间图,快速建立虚拟拓扑路由表;针对路由过程中可能出现的链路中断问题,设计了拥塞控制机制、正常中断机制和链路失效机制来提高路由效率;在The ONE网络仿真平台中对提出的时间图路由算法(Time-GraphRouter)进行了仿真,并与传染路由(EpidemicRouter)、转发等待路由(SprayAndWaitRout-er)、预测路由(ProphetRouter)三种路由机制进行了对比。仿真结果表明,文章提出的路由算法的平均投递率达到了0.98以上,综合性能优于其他三种路由算法。     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

基于无人机平台的机动式标校系统设计与应用

随着我国航天事业的不断发展,地面卫星测控网也日益完善,呈现出数量多、分布广、频段宽、工作体制多等特点。为提高航天测控装备标校的精度和效率,克服传统标校方式所具有的造价高、操作繁杂等缺点,研制了一套车载机动式、基于无人机(UAVs)平台的航天测控装备标校系统。该系统采用实时载波相位差分定位(RTK)技术,配备多类高度集成小型化目标载荷,可对地面统一测控、雷达和光电装备进行精度鉴定以及日常进行大动态范围标校和训练等工作。首先,介绍了系统的工作原理、系统组成及精度鉴定数据处理流程;其次,基于外场实验,给出了该系统的鉴定效果;最后,相较于目前测试性能单一的标校系统,该系统具有集成度高、机动性强、覆盖频段广、可完成性能实验多等优点,有更好的使用和推广价值。     

箭载无线传感器网络动态业务分配方法研究

无线传感器网络技术是新一代火箭测量系统中的关键技术之一,为实现箭上无线传感器节点业务动态变化场景下的信道资源无冲突分配,提出了一种基于优先级的动态业务分配方法——基于优先级的动态占空比节能位图辅助MAC协议(PD-EBMA)。主要思想是利用位图辅助适应业务量的动态变化、搭载预约的方式减少控制信息开销、背包算法提高信道利用率和降低时延,以及在流量较小时延不敏感的场景中使用动态占空比的思想降低能量开销。仿真结果表明:相比传统固定时隙的分配方式,PD-EBMA可以大幅提升网络灵活性,同时能耗和时延特性也得到显著改善。     

基于低比特量化神经网络的红外目标识别方法及其FPGA实现

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择,无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略,有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面,本文提出了更加高效的卷积计算单元,提高了硬件资源的利用率,同时也达到了更高的峰值性能。最终,在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证,系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率,其功耗为2.5 W。