一种深空粒子采样返回探测器构型设想

以太阳风粒子、深空尘埃等为目标的采样返回探测任务是空间科学与深空探测研究的热点方向之一。对“星尘号”“起源号”两个典型采样返回探测器的构型进行了分析,并梳理了其主要构型特点。结合我国月地高速再入返回飞行器的构型特点,提出了一种深空粒子采样返回探测器构型的设想：总体构型由长方形主体和流线型返回器组成,主体构型适应于承载返回器和其他装器设备,返回器构型适应于样品收集和再入返回气动外形。设计方案采用了充气式采样器进行粒子收集,具有体积小、重量轻、折叠效率高、展开可靠、工程实施简单等特点,并采用了可重复收拢展开的太阳翼,能够适应收集不同类型深空粒子的需求。     

2 AU以内的“渐进型”太阳高能粒子事件模拟

太阳高能粒子（Solar Energetic Particle,SEP）事件是影响地球空间以及深空辐射环境的主要因素之一。“渐进型”太阳高能粒子事件中的高能粒子主要来自于日冕物质抛射（Coronal Mass Ejection,CME）所驱动的激波扩散加速（Diffusive Shock Acceleration,DSA）过程。CME驱动的激波在行星际的传播过程中,其结构不断演化,进而影响到高能粒子的加速过程。本文利用二维太阳高能粒子加速和传播模型,对发生于2014年4月18日的太阳高能粒子事件实例进行了数值模拟。模型考察了黄道面上2 AU的距离以内包含地球所在位置的4个不同点,分别计算了每个点上高能粒子的通量。数值模拟的结果表明：黄道面内不同位置的观察点,与激波波前的磁力线连接不同,从而导致观察点处高能粒子的通量有着显著的差异。该模型的计算结果可以为深空探测计划开展辐射环境研究提供必要的输入。     

并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂，对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点，在轴承智能故障诊断中引起了广泛的关注。然而，由于航空发动机内声信号所处的环境噪声较强，传统的轴承故障诊断方法无法实现精确的特征提取。为此，研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点，在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取，可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法，能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取，然后采用权值归一化方法约束训练得到的权值矩阵。最后，通过仿真和实验数据验证了所提方法的优越性。结果表明，并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类，可用于声学信号下的轴承智能故障诊断。     

基于130nm 工艺嵌入式SRAM 单粒子软错误加固技术研究

在空间环境中,嵌入式SRAM 易受高能粒子的作用发生单粒子软错误,针对这一现象,文章研究了深亚微米工艺下嵌入式SRAM 的单粒子软错误加固技术,提出了版图级、电路级与系统级加固技术相结合的SRAM 加固方法以实现减小硬件开销、提高抗单粒子软错误的能力。并基于该方法设计了电路级与TMR(三模冗余)系统级加固相结合、电路级与EDAC(纠检错码)系统级加固相结合和只做电路级加固的3 种测试芯片。在兰州近物所使用Kr 粒子对所设计的测试芯片进行单粒子软错误实验,实验结果表明,系统级加固的SRAM 抗单粒子软错误能力与写入频率有关,其中当SRAM 的写入频率小于0. 1s 时,较只做电路级加固的芯片,系统级和电路级加固相结合的SRAM 可实现翻转bit 数降低2 个数量级,从而大大优化了SRAM 抗单粒子软错误的性能。并根据实验数据量化了加固措施、写频率和SRAM 单粒子翻转截面之间的关系,以指导在抗辐照ASIC(专用集成电路)设计中同时兼顾资源开销和可靠性的SRAM 加固方案的选择。     

伽马射线波段的地球与天空

对一架绕着地球运行的伽马射线望远镜来说，地球是最明亮的伽马射线源。地球之所以会发出伽马射线，是因为来自太空的宇宙射线高能粒子撞击地球大气所致。这种交互作用挡住了危害性辐射，让它们不会传到地表。在费米伽马射线望远镜大面积望远相机拍摄的这幅精彩的天与地影像中，这种伽马射线成为最具主宰性的辐射。在制作这张影像时，只纳入了银河中心在费米伽马射线望远镜正上方时的观测数据。其中，天顶投射至影像的中央，地球和天底附近的辐射映射到周边，     

预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统，结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF），提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整，进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则，采用五阶球面单形积分准则处理球面积分，广义高斯-拉盖尔积分准则处理径向积分；描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。     

贝叶斯推理运动轨迹相干累积的动目标检测方法

雷达理论和实践都表明相干累积是机动目标探测行之有效的方法,但其性能会因脉冲回波处理间隔内未知距离和/或多普勒的徒动而降低。为解决这个问题,提出了一种贝叶斯推理运动轨迹相干累积的动目标检测方法。首先,通过对脉冲压缩回波信号的距离频率进行翻转,就可从未翻转与翻转后的回波信号相乘的傅里叶逆变换中,提取出慢时间维描述待探测多目标运动轨迹的时频信号。视该时频信号中各目标运动轨迹为状态变量,获得的时频信号为观测,建立起多目标运动轨迹的状态空间模型。这样,据贝叶斯滤波推理出的目标运动轨迹,构建出快-慢时间维联合的二维匹配滤波器,就能补偿目标高速/机动带来的未知距离和/或多普勒徒动。理论分析和仿真实验均证明：所提算法适用具有复杂且未知运动状态的目标,且呈现出了优于文献报道方法的性能。     

跟踪飞机机动的自适应滤波方法

本文研究了对目标机动的最优检测问题,针对飞机主要有三种飞行状态:匀速直线运动、加速直线运动与圆运动这一特点,提出了既探测飞机机动又同时判断飞机作何种形式的机动的方法;并建议对飞机的不同飞行状态,采用相应的动态模型。在此基础上,给出了自适应滤波方法。最后给出的仿真计算果表明,自适应滤波方法有较高的跟踪精度。