无人机集群组网高精度测距技术研究

针对无人机组网系统机间测距精度受限于时域采样周期时延估计的问题，本文提出一种联合正交频分复用（OFDM）前导序列和导频序列进行高精度测距估计的方法，利用最大似然估计和双向测距法将参与计算的序列测距估计结果按比例进行加权平均。同时，仿真分析了联合测距估计方法性能。结果表明：联合估计方法的前导与导频序列差分自相关间隔长度取典型值时测距精度能达到0.1 m以下，可在较低信噪比下实现厘米级测距精度，提升了集群组网测距的稳定性。     

基于组合方式的延时精确测量方法

研究了延时线的精确时间测量方法。首先介绍了传统群时延测量方法的误差，并分析了误差形成的机理，然后提出采用基于群时延和相位时延相结合的方式进行延时精确测量的方法。采用二次测量的方式，结合群时延的粗测量和相位时延的精测量，完成延时的精确测量，并通过仿真、试验验证了该方法在延时测量方面的精度更高。     

节流水平对气液针栓喷注单元雾化特性的影响

为了分析气液针栓喷注单元雾化特性和雾化机制，采用背光成像技术和相位多普勒（PDA）系统进行试验研究，获得了雾化模式、体积流量分布、索泰尔平均直径（SMD）分布和速度场随节流水平的变化规律。结果表明：气液针栓喷注单元雾场形态为扇形雾场，雾化模式为剪切破碎。体积流量沿径向呈单峰形分布，随着节流水平降低，雾场外缘向中心收缩。SMD沿径向呈现递增规律，雾化最好的区域分布在雾场中心和两侧。SMD随节流水平增加而增大。当动量比不变时，节流水平对SMD的分布范围影响很小。针栓头部下方的中心回流区轴向尺寸随着节流水平降低而减小。     

基于最优估计法的瑞利激光雷达反演大气温度研究

基于瑞利激光雷达的回波光子信号对中层大气进行探测，结合最优估计法，对大气温度进行反演。本文基于瑞利散射激光雷达方程建立正向模型，选择大气模型的温度廓线作为先验状态信息，构建用于最优化处理的成本函数，利用Levenberg-Marquardt最优化算法对成本函数执行最优化处理，得到大气温度的反演结果，对反演结果的不确定度分析的同时利用平均核矩阵对反演结果中真实信息的贡献进行评估。利用瑞利激光雷达方程产生的模拟回波信号进行了大气温度的反演处理与分析，对中国科学院国家空间中心提供的瑞利激光雷达实测数据进行大气温度的最优估计反演。结果表明，90 km以下的反演不确定度在10 K以内，且相较于CH方法，最优估计法具有反演有效范围高的优势；在回波光子信噪比较高的区域，反演不确定度较小，且真实信息对反演结果的贡献占主导地位。     

基于占比样本数据融合的高校毕业生平均薪酬模型研究

本文研究了高校毕业生的平均薪酬问题，分别在各专业毕业生的月平均薪酬有显著性差异（类型1）和无显著性差异（类型2）的情形下，建立了基于占比样本数据融合的月平均薪酬模型，指出了传统的基于非专业占比的毕业学生薪酬统计方法的局限性，得到了基于专业占比的毕业学生薪酬统计方法的有效性，在实际应用中具有一定的指导意义。     

面向声源定位的改进广义互相关时延估计方法

面向以数字微机电系统(MEMS)麦克风作为声传感器的声源定位阵列,完成了前端麦克风阵列的电路设计和以现场可编程逻辑门阵列(FPGA)为核心的数据采集系统的开发,并对麦克风输出的脉冲密度调制信号进行了降采样处理.针对传统的广义互相关算法在低信噪比下时延估计误差较大的问题,提出了一种改进PHAT加权函数的方法.在同等条件下对基于不同加权函数的广义互相关算法进行了MATLAB仿真验证,实验结果表明,在低信噪比条件下该方法相较于传统的广义互相关算法,时延估计误差更小且抗噪性能更强.     

机载时间敏感组网分析综述

时间敏感网络“准时、准确”的调度与传输机制可以有效地提升工业自动化系统、车载综合电子系统中信息交互的确定性，潜在的也成为了机载系统高确定性组网的候选方案之一，但如何将其多种时间敏感整形和调度机制与机载组网环境和需求进行匹配，是当下首要解决的问题。在对现阶段的时间敏感网络的标准进行总结的基础上，详细分析了机载组网的需求，并从时间敏感网络调度与优化、保证时延边界分析两方面总结了当下时间敏感网络相关研究的最新进展，以及与机载组网环境相结合的考虑，进一步针对机载组网的典型需求，从协议剪裁、体系管理、模型工程、可靠安全、无线混传等方面详细讨论了时间敏感网络技术在机载环境应用所面临的挑战和关键技术。     

基于URANS/TPP模型的风扇转静干涉单音噪声预测

为了解决风扇噪声三维高精度评估问题，基于非定常雷诺平均数值模拟（Unsteady Reynolds Average Numerical Simulation, URANS）模型和三平面压力（Triple Plane Pressure, TPP）模态匹配模型，发展了风扇转静干涉单音噪声数值预测方法。分析了URANS模型管道内单音计算的可行性，并建立了误差控制准则。在此基础上，采用URANS模型获得风扇非定常流场，同时基于TPP方法进行声源提取，得到管道内单音噪声的模态特性。基于国产某型大涵道比缩尺风扇试验数据，对模型准确性进行对比验证。结果表明，该模型能够进行转静干涉噪声的可靠预测。此外，进行了基于弯掠静子的低噪声叶片设计，并采用提出的数值模型分析了三维流场/声场，探究了基于叶型设计的转静干涉声源抑制机理，实现了对风扇低噪声设计的支撑。     

代价敏感惩罚AdaBoost算法的非平衡数据分类

针对非平衡数据分类问题，提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中，引入一种新的自适应代价敏感函数，赋予少数类样本及分错的少数类样本更高的代价值，并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机（Support vector machine,SVM）优化模型作为基分类器，采用带有方差减小的随机梯度下降方法（Stochastic variance reduced gradient,SVRG）对优化模型进行求解。对比实验表明，本文提出的算法不但在几何均值（G-mean）和ROC曲线下的面积（Area under ROC curve,AUC）上明显优于其他算法，而且获得了较大的平均间隔，显示了本文算法在处理非平衡数据分类问题上的有效性。     

基于VMD-MA的GNSS-MR雪深反演方法

针对利用全球卫星导航系统多径反射(GNSS-MR)技术反演雪深过程中信噪比(SNR)序列趋势项分离不佳和反演结果波动较大的问题，提出一种基于变分模态分解(VMD)和移动平均(MA)的雪深反演方法。VMD算法通过自适应高通滤波有效分离SNR序列的趋势项，MA算法对初始反演结果进行平滑处理从而减少随机波动。选用瑞典KIRU站2021年前5个月GLONASS不同频段的SNR观测值开展实验，研究所提方法的可行性。结果表明：基于VMD算法的反演结果与气象站原位雪深相关系数超过0.95，均方根误差(RMSE)最低约5 cm，较传统算法减少近40%；经MA算法平滑处理后，反演精度进一步提高。考虑到GNSS站和气象站之间的差异性，选取GPS SNR反演结果作为参考数据源，不同参考数据源取得了一致的实验结论,验证了所提方法的可行性和有效性。