基于随机参数逆高斯过程的加速退化建模方法

为了将随机参数退化模型应用于加速退化试验以提高可靠性评估结果的准确性,本文以逆高斯过程为例研究了基于随机参数退化模型的加速退化建模方法。利用加速系数不变原则推导出逆高斯过程各参数在不同应力下应满足的关系式,由此建立参数的加速模型,计算出加速系数,进而将加速应力下的退化数据等效折算到工作应力下。采用了随机参数的共轭先验分布,并且利用最大期望算法估计出随机参数的超参数值。仿真试验验证了所提方法的可行性和有效性,实例应用说明了所提方法具有较好的工程应用价值。      

基于多站数据融合的参数精估计方法

针对侦察设备处于星载SAR副瓣照射范围,从而导致截获信号湮没于强噪声背景这个问题,本文提出一种基于多站接收机之间的数据融合方法。在信号形式未知的情况下,通过此方法可以检测出淹没在噪声中的微弱信号,进行信号的分类和时频域参数的精估计。首先,将参考接收机与其他接收机之间进行互相关处理,得到峰值信息,根据峰值信息的位置得到信号与参考信号之间的延迟位置,进行延迟校准;其次,各个接收机分别进行粗步长的分数阶傅里叶变换（Fractional Fourier Transform,FrFT）,记录峰值信息为精估计做准备,根据峰值角度和分数阶傅里叶反变换恢复出原始信号;最后,判定是否存在信号,若信号存在实现多站原始信号功率比的加性融合,根据多站峰值信息限定旋转角度范围,采用精步长的分数阶傅里叶变换估计出调频率和中心频率;利用联合互相关谱实现信号能量的累积,采用自适应门线和边界波谷连续取小方法,找到信号存续状态中的左右边界,估计出带宽和中心频率,计算脉宽,实现时频域信号的精估计。仿真实验表明：该方法可以在低信噪比的高斯白噪声和有色噪声背景下,对线性调频信号（Chirp）的时频参数进行有效的精估计。     

星载激光测高地面数据处理设计研究

星载激光测高技术是对地观测系统中最为核心和前沿的信息获取技术之一,因其具有探测方向性好、测距精度高等特点,在地球科学领域中体现出了巨大的应用潜力。在ICESat/GLAS测高地面数据处理系统的基础上,针对将于今年发射的高分七号卫星的载荷特点,设计了一套星载激光测高地面数据处理系统软件。该软件可实现对星载激光测高数据的地面处理并生成3级数据产品,包含激光能量计算、波形分解和激光脚点定位等,以及相应各级产品的数据质量控制处理。利用高分七号仿真数据对该软件进行相应的性能测试,测试结果表明:该系统软件基本满足需求,已初步具备星载激光测高地面数据处理能力。     

基于DPSA的几种全极化RWR前端升级方案

现代高技术战争条件下，电子战任务和电磁环境中威胁信号形式变得更加多样复杂，要求电子战支援系统（ESM）天线传感器能够接收和检测各种不同极化的威胁信号，即具有全极化接收能力。本文首先简要的介绍了一种性能优良的天线一双极化曲折天线（DPSA），然后提出了利用单个双级化曲折天线，将现有机载雷达告警接收机升级为全极化接收机系统的四种解决方案，其中重点介绍了基于极化组合/分解思想的第四种方案。     

RDX/AP/HTPB推进剂热分解特性研究

利用高压差示扫描量热仪（PDSC）研究了RDX／AP／HTPB推进剂系列配方的热分解性能，发现配方组分的改变对RDX／AP／HTPB推进剂的热分解性能有影响，突出表现在RDX／AP／HTPB推进剂中RDX分解峰变宽，AP放热分解效应增强。推进剂中添加Al粉后，RDX的分解受到抑制，而AP的分解却得到增强。     

固有模态函数(IMF)积检测器——以低信噪比情况下超宽带雷达信号检测为例

首次提出了一种固有模态函数积检测器.首先通过经验模式分解(EMD)把带噪信号分解成有限个固有模态函数(IMF).检测的基本思路是,对各个IMF分量的绝对值作逐点乘积,用于抑制噪声并凸现信号,最后进行滤波和判决.本文以UWB信号为例,数据源于UWB雷达实验系统.在低信噪比(SNR),UWB脉冲与噪声波形相似,且噪声概率密度函数(PDF)未知情况下,进行实验.结果表明,当峰峰信噪比低于5 dB时,该检测器性能优于Teager能量算子(TEO).     

燃烧催化剂苯甲酸铜盐及其衍生物的热分解研究(Ⅱ)──双取代基苯甲酸铜盐的热分解机理

羟基氨基苯甲酸铜、二羟基苯甲酸铜、二硝基苯甲酸铜和对硝基苯甲酸铜的DSC和TG热分解研究表明，与苯甲酸铜一样，它们分解都生成一种稳定的二聚作中间产物──双核铜五元环络合物，前二者还能生成一种八元环二聚体络合物。芳香基上由于引入硝基，使主要分解反应阶段由吸热效应变成放热反应，具有二个硝基取代基者，这种放热效应较只有一个硝基者更强烈。本文还初步探讨了苯甲酸铜及其衍生物分解历程与双基推进剂燃烧过程催化效果的关系。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

一种利用信号幅度信息的光学传感器像平面GM-PHD滤波算法

针对光学传感器像平面多目标跟踪应用,基于有限集统计学理论(Finite Set Statistics, FISST)提出一种利用信号幅度信息的高斯混合概率假设密度(Gaussian Mixture-Probability Hypothesis Density, GM-PHD)滤波算法。该算法通过建立信号幅度似然函数将幅度信息引入到PHD的递推公式中,首先根据光学传感器的特点对输出的信号幅度进行建模,然后分别计算来源于目标和杂波的信号幅度似然函数,在目标信噪比未知的情况下给出一种替代计算方法,最后采用高斯混合方式实现该算法。仿真结果表明,本文提出的算法相比仅利用量测位置信息的PHD滤波器能够显著提高多目标跟踪性能和计算效率,而且在目标信噪比未知时同样具有稳定的性能。     

色高斯噪声背景下相干信源DOA估计

为在色高斯噪声背景下估计相干信源DOA,提出一种基于四阶累积量的相干信源DOA估计算法。对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关。通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源DOA估计。仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的DOA,并且相对于空间平滑算法具有更好的估计性能。