卫星位置和速度的Lagrange插值算法分析

导航接收机中通常采用开普勒轨道参数法计算卫星的三维位置和速度.这种算法计算量较大,在资源有限的廉价用户机或要求高频度输出卫星位置和速度的高动态接收机中会使处理器资源非常紧张.采用Lagrange插值算法可以获得相同精度的卫星位置和速度,且大大降低计算量.利用GPS数据对不同插值区间长度和插值阶数的Lagrange插值法的计算精度和处理时延进行了定量分析.结果表明,Lagrange插值算法计算卫星位置和速度可以使处理时延降低十几倍,这在每个历元的导航解算需要同时计算多颗卫星位置和速度的接收机中具有重要意义.     

多媒体流处理器中缓冲器的体系结构设计

传统微处理器体系结构不能很好地匹配媒体处理应用的特点.针对处理器与存储器之间日益增长的性能间隙问题,分析了传统微处理器对媒体处理应用的通讯瓶颈;通过分析Cache存储器的特点,得出了传统的Cache结构并不适合现代媒体处理应用的结论,讨论了目前针对处理器通讯瓶颈的一些解决办法;提出了一种以大容量流寄存器堆替代Cache作为中间缓冲器,并能适合于媒体处理应用的金字塔存储层次体系结构设计.该体系结构具有三级并行数据带宽存储层次,即片外SDRAM、全局寄存器堆和局部寄存器堆.三级并行存储层次所能提供的带宽依次提高一个数量级,带宽之比为1∶16∶256,从而可以有效地支持卫星遥感图像预处理对数据带宽的需求.      

基于全零点FIR前向滤波网络的超分辨成像方法研究

距离多普勒成像的距离分辨率和横向分辨率,分别取决于发射信号的有效带宽和目标相对于雷达在相干积累时间内的转角。采用的方法可以突破上述的限制,其方法是采用全零点FIR 前向滤波网络,在成像处理前进行线性预测滤波,仿真结果表明,这是一种改善距离多普勒成像雷达分辨率的有效方法。     

结构动力学模拟试验计算机测试系统现状及发展趋势

文章简要介绍了结构动力学模拟试验计算机测试系统的原理及技术演变过程,对该领域的技术现状及发展趋势作了探讨.     

双向液压锁裂纹分析

几年来,我公司生产的K8飞机零件双向液压锁在做寿命试验中,多次发现该零件的进油腔与出油腔的R部位漏油,如图1箭头所示。该零件的材料为LD5,其生产过程为：模锻→热处理→机械加工→表面处理。现根据有关要求分析裂纹产生的原因,并提出相应的改进措施。     

基于实测和差波束天线方向图的∑△STAP性能分析

基于实测和差波束天线方向图研究∑△STAP的性能,文中详细推导了和差波束天线方向图的空时二维杂波协方差矩阵和∑△STAP算法的最佳权矢量.理论分析和仿真计算结果表明,和差波束低副瓣增益有效抑制了旁瓣杂波,降低了杂波自由度.当杂波起伏或载机速度提高时,杂波自由度增加,∑△STAP算法的系统改善因子凹口相应展宽,慢动目标检测性能下降.∑△STAP算法能迅速应用于机载火控雷达,有效提高慢动目标检测性能.     

变宽度斜槽机匣处理对组合压气机的扩稳效果研究

采用三维数值模拟方法,对高负荷轴流-离心组合压气机开展了机匣处理扩稳设计技术应用研究.为了同时达到较好的扩稳效果和较小的设计点效率降幅,在组合压气机第一级转子对应机匣位置采用了前伸出转子叶尖前缘、槽宽从前端到后端变化的斜槽机匣处理设计.对设计结果的分析显示,变宽度斜槽机匣处理在转子尖部区域呈现明显的抽吸-再注入扩稳流动...     

直扩系统最佳接收条件下的处理增益研究

目前在计算直扩系统的扩频处理增益时一般都是采用求扩频前后带宽之比的公式,这个公式求出的只是一个近似值,而且近似程度不高。针对这一问题,文章分析了直扩系统的最佳接收机,提出了直扩系统的无信息码元间串扰的条件,并在此基础上推导出在白噪声及窄带干扰下的扩频处理增益的一个较精确的公式,得出了窄带干扰下的扩频处理增益的最大值及达到最大值的条件。     

月面巡视器太阳能帆板功率衰减特性研究

太阳能帆板的功率衰减特性分析,对地外天体表面探测器的功率平衡、电源系统健康管理以及长寿命在轨管理有重要意义。通过对月面巡视器在轨运行第2到11月昼的电流遥测进行研究,提出了一种基于有限遥测的太阳能帆板功率衰减特性分析方法。首先利用一种滞环的方法对大量的电流遥测进行数据处理;然后进行日月距离和太阳入射角的归一化,通过数据拟合计算,得出落月第一年太阳能帆板功率衰减约为2.5%,并利用巡视器历次月昼唤醒时刻的太阳入射角变化情况验证了该方法的有效性,对地外天体的太阳能帆板功率衰减特性计算提供一定参考。     

财务困境预测：二元Logistic回归分析与GABP算法比较

为了更好的判断和预测公司财务状况的健康程度,选取2018年至2021年114家首次被特别处理(Special Treatment, ST)的公司和189家非ST公司的85项指标,分别采用二元Logistic回归分析和GABP算法对公司的财务状况进行预测和分析。结果显示GABP算法对于财务困境的预测在预测准确率、适应性和可解释性方面均强于二元Logistic回归分析,说明机器学习在处理大量财务数据以及复杂的线性拟合问题方面具有较大的优势。将GABP输出的结果通过K-means算法进行聚类分析,纵向分析可以看出公司的发展趋势,横向分析可以得出公司财务状况在当前市场的地位,为下一步战略的规划和实施提供帮助。研究结果可为公司判断和预测财务状况选择合适方案提供依据。