应用标校卫星鉴定测控系统精度方法探讨

根据标校卫星的用途及所需提供的高精度比较标准等技术要求,针对星载比较标准及靶场数据处理状况,提出了改进和提高测控系统精度鉴定的技术途径.探讨和提出了4种类型的数据处理技术和方法,简述了它们的思路和关键技术,分析了应用条件和特点.其中.第1种方法是目前使用的经典鉴定方法;后3种方法（自鉴定方法、精确标准鉴定方法和融合处理鉴定方法）都充分利用了星上测量资源、卫星轨道运动特性以及优良的差分、自校准等融合处理技术,它们都明显优于经典鉴定方法.可以使标校卫星提供更精确的比较标准,扩大其目前的功能和用途.特别是融合处理鉴定方法,不仅可以精确地评定定位系统测量精度,而且可以为测速系统精度评定提供一种良好的技术途径.     

俄罗斯空间站推进剂补加程序分析

补加程序是推进剂补加系统的关键技术之一,而目前也仅有俄罗斯有成功应用的经验.根据目前获取的资料,经过计算、仿真和论证,对俄罗斯空间站的补加系统进行了研究,分析了ATV对空间站进行推进剂补加的程序,初步得到了俄罗斯空间站推进剂补加的特点,可作为目前我国空间站方案论证期间补加程序的参考.     

基于反射型超表面的超宽带涡旋波生成

由于轨道角动量的模态正交性,涡旋波的应用已成为提升信道容量的关键。然而,现有的涡旋波产生装置存在带宽窄、效率低、结构复杂等缺点,不利于无线通信系统信号的高效传输。文章利用 Pancharatnam-Berry相位原理,提出了 1种用于产生涡旋波的反射型超表面,能覆盖 8.6~19.3 GHz(相对带宽 76.7%)的频率范围,且在整个工作频带内入射平面波转换为反射涡旋波的效率达 80%以上。为验证所提超表面结构的性能,模拟了由不同旋转角的单元结构组成的超表面反射阵列,在右旋圆极化波的激励下,产生了期望模式数 l= 2的轨道角动量涡旋波,其数值模拟结果与理论相符。提出的超表面具有工作频带宽、模式纯度较高、低剖面、易于制作等优点,为超宽带涡旋波的产生提供了新的参考。     

N-fold Bernoulli probability based adaptive fast-tracking algorithm and its application to autonomous aerial refuelling

Recently, deep learning has been widely utilized for object tracking tasks. However, deep learning encounters limits in tasks such as Autonomous Aerial Refueling (AAR), where the target object can vary substantially in size, requiring high-precision real-time performance in embedded systems. This paper presents a novel embedded adaptiveness single-object tracking framework based on an improved YOLOv4 detection approach and an n-fold Bernoulli probability theorem. First, an Asymmetric Convolutional Network (ACNet) and dense blocks are combined with the YOLOv4 architecture to detect small objects with high precision when similar objects are in the background. The prior object information, such as its location in the previous frame and its speed, is utilized to adaptively track objects of various sizes. Moreover, based on the n-fold Bernoulli probability theorem, we develop a filter that uses statistical laws to reduce the false positive rate of object tracking. To evaluate the efficiency of our algorithm, a new AAR dataset is collected, and extensive AAR detection and tracking experiments are performed. The results demonstrate that our improved detection algorithm is better than the original YOLOv4 algorithm on small and similar object detection tasks; the object tracking algorithm is better than state-of-the-art object tracking algorithms on refueling drogue tracking tasks.     

卫星在轨推进剂补加量测量方法精度研究

卫星在轨推进剂补加量的精确测量技术是在轨补加任务的关键技术之一。本文结合型号攻关结果，提出2种在轨推进剂补加量测量方法数学模型，分别是压力-体积-温度(PVT)法和超声波流量计法。首先，PVT法是一种通过补加前后受体卫星贮箱剩余量反算补加量的间接测量方法，而超声波流量计法是利用超声波顺逆流相位差进行测量的直接测量方法;其次，在推进剂补加量测量模型的基础上，进一步通过取变分的手段提出2种模型的精度分析解析模型，解析的精度分析模型不仅可用于定性分析影响测量精度的因素，还可量化评价各个因素对测量精度的影响;最后，利用现有在研单机的精度水平及精度分析解析模型分析了2种方法的测量精度，验证了方法的有效性。