基于多模特征融合的雷达干扰信号识别

传统制导雷达面临的新型有源干扰样式越来越复杂，雷达必须对各种干扰类型加以鉴别。传统的干扰识别方法仅对特定单一样式有效，通用性较差、泛化能力较弱，无法应对复杂多变的干扰对抗环境。因此，必须提出智能化更高、稳健性更强的普适干扰识别方法，提升制导武器抗干扰能力。为了提高干扰信号识别的准确率，研究了多模特征融合算法，并最终对时域、时频域、信息论特征进行融合以实现分类。首次将信息论中熵、相对熵、相对距离等概念引入到干扰信号分类这个应用场景中，通过仿真实验表明，能够有效对常见干扰进行有效识别，在较低干噪比下也有较好的识别准确率。     

结合极化自注意力机制的空间目标位姿估计

利用深度学习强大的特征提取能力和残差网络的捷径反馈机制，设计了端对端的图像位姿估计方法。该方法提高网络特征的学习能力，将Polarized Self-Attention注意力模块嵌入到残差网络ResNet-50中，对空间目标图像中的空间信息进行了增强。由于空间目标的位置和姿态信息相互独立，将其分为两个不同的网络结构分支通过回归分别得到两者的信息。其中，在姿态信息回归分支中，对姿态信息进行软分配编码，相比直接回归有效减少了姿态误差。最后在URSO空间目标图像数据集上进行了实验验证，所提算法对空间目标位姿估计取得了更好的估计结果。     

基于立体视觉的无人机位姿测量方法

现有的无人机位姿视觉测量方法大多基于诸如关键点等几何尺寸在图像和模型间的对应关系完成位姿计算；然而，在复杂情况下易出现关键点图像坐标定位失效的问题，而针对特定机型的算法设计泛化性不佳。针对这一问题，本文提出了一种基于立体视觉的固定翼无人机位姿测量方法，通过立体视觉重建目标无人机三维点云，基于无人机组件三维点云拟合鲁棒地完成位姿测量。首先，使用一种二维、三维数据结合的方式，利用卷积神经网络完成组件的分割。其次，分别利用机翼和机身点云拟合无人机坐标系的z轴和x轴，进而完成目标无人机位姿的计算。整个计算过程无需已知具体机型或尺寸。经试验验证，本文方法在10m的范围内达到了1.57°和0.07m的位姿测量精度，具有较高的精度和鲁棒性。     

航天大功率电动伺服系统功率驱动设计及验证技术

针对运载火箭30 kW以上功率等级电动伺服控制驱动器的研制要求，设计了一种强环境适应的大功率绝缘栅双极型晶体管(IGBT)功率驱动模组。通过对火箭固体助推发动机工作环境分析，设计了基于光耦驱动器件的功率驱动与保护电路;为有效提升功率驱动模组在高压大电流工作时的可靠性，采用降低功率主回路杂散电感与IGBT有源钳位闭环控制相结合的方法，有效抑制IGBT在大电流关断时的电压尖峰;通过对动力电进行滤波处理，有效解决高压高频信号通过线缆传输时对控制驱动器内、外部的电磁干扰问题;通过IGBT功率驱动电路的单双脉冲测试及连续功率测试，有效验证IGBT功率驱动模组的高压驱动能力，为大功率电动伺服系统的可靠性提供技术支撑。     

舷外有源诱饵对抗反辐射导弹模型研究

舰载雷达系统包括多种型号的雷达,在舰艇施放舷外有源诱饵对抗ARM时,不能简单地将其视为单一辐射源目标。通过分析舰载雷达辐射源工作特性,建立了舷外有源诱偏条件下ARM对舰载雷达的攻击模型。仿真结果表明,ARM散落点在舰载雷达周围分布较为密集,可以对舰载雷达系统构成了较大的威胁。     

一种低数据传输的多机器人实时视觉SLAM

针对多机器人视觉SLAM在实际应用中带宽受限的问题,设计了一种低数据传输的多机器人实时视觉SLAM系统.系统中引入了NetVLAD神经网络模型,通过改进NetVLAD降低了多机器人回环检测的计算资源占用,提高了回环检测的实时性.提出了一种针对描述子缺失情况下的特征匹配算法,提高了回环检测与相对量测的鲁棒性,并提出了一种增量式多机器人位姿图共享和优化方法.最后,通过在KITTI数据集进行测试,验证了该SLAM系统能有效减少多机器人通信过程中的数据传输,具有与单机器人SLAM相当的定位精度和实时性.     

卫星导航有源接收天线噪声温度测量

卫星导航有源接收天线的噪声温度是导航接收系统的关键技术指标之一。针对卫星导航有源天线总体噪声温度无法测量的问题，研制了两台口面型噪声源，口面噪声源主要由辐射体、辐射体物理温度控制和温度测量仪等组成。两个口面噪声源在L和S波段分别提供高低温标准噪声温度，采用Y系数测量方法测量有源接收天线的总体天线噪声温度。测量了某卫星导航有源天线的总噪声温度，在(1.19～1.29) GHz的频率范围内，中心频率1.24 GHz上噪声温度测量结果为206 K，但是在1.266 GHz频率点上噪声温度测量大于4 000 K，说明天线与滤波器之间、滤波器与放大器之间存在设计问题或其它问题，体现出测量有源天线噪声温度的必要性。     

聚醚砜改性Cf / BMI 复合材料的制备与性能

基于“离位”增韧技术,将“离位”增韧剂聚醚砜(PES)均匀地附载在碳纤维织物上,采用RTM 工 艺制备了Cf / BMI 复合材料(U3160/6421),通过低速冲击、DMA、SEM 和基本力学性能测试分析,研究了PES 对U3160/6421 复合材料性能的影响。结果表明,采用PES 附载的ES-Fabric 织物制备的复合材料具有良好的 增韧效果,其CAI 值提高了85%。由于PES 的加入,在复合材料层间出现了PES 和树脂BMI6421 的相反转结 构,改善了复合材料的损伤阻抗,提高了复合材料的损伤容限,并且“离位”层间增韧对复合材料的力学性能影 响不大。     

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。