超高分辨率机载SAR成像算法及其GPU实现

雷达成像分辨率的不断提高,给SAR高精度实时成像处理带来了新的挑战。采用高效精确的成像算法以及对算法进行硬件加速是解决该问题的有效途径。本文提出了一种适用于超高分辨率机载SAR成像的精确高效成像处理方案,并利用并行化硬件平台GPU对该成像方案进行了硬件加速。实测数据处理结果充分验证了该处理方案的聚焦精度和处理效率。     

国航西南分公司新开成都至义乌、腾冲航线

国航西南分公司从3月28日至10月30日执行2010年民航夏秋航班计划,公司计划在独家开通成都-义乌航线基础上．再开辟成都-腾冲、九寨沟-北京等4条新航线．同时大幅增加旅游热线及东北航线的航班密度。     

图解建模方法在提取沟壑密度中的分析研究

沟壑密度是反映地表破碎程度的重要因子,在土壤侵蚀、地貌演变等研究中有重要作用。对于沟壑密度的提取方法目前较为复杂,这主要由于在提取过程中所涉及到的因子数目众多,为进一步的空间分析研究设置了障碍。利用图解建模分析方法建立一套沟壑密度提取分析空间数据模型,对沟壑密度的快速提取提供了一套全新的解决方案。最后,以四川省数据为例,采用该分析方法提取出了四川省沟壑密度数据,为进一步研究四川省地形地貌特征奠定了基础。     

静电悬浮加速度计噪声测试数据的频谱分析方法

分析了不同系数的离散傅里叶变换公式的含意,并从中筛选出符合工程分析要求的正确公式。为使用快速傅里叶变换可采用多种方式使数据符合2的整数次幂,分析了各种方法的优缺点;分析了各种频谱的应用对象,得出静电悬浮加速度计噪声适宜采用功率谱密度,且在窗函数应用上宜选择与之符合的系数;给出了使用OriginLab公司Origin5.0/7.0软件计算功率谱密度时所必须采取的纠正措施,提出地面测试静电悬浮加速度计噪声需采用差分方法以仰制环境噪声,具体操作方法是,将两台加速度计已扣除平均值的时域噪声值相减后除以平方根2。      

国航加大的京蓉航班密度成都飞北京每小时一班

从3月30日开始．国航北京-成都航线将实现整点“滚动发班”．高舒适度．高频次的航班安排将节省旅客出行时间．给旅客带来更加愉快的航空体验。     

大气密度分层计算时的再入弹道解析解

给出了在考虑阻力系数为速度的函数的情况下,并将大气密度进行分层计算时,估算再入飞行器弹道主要参数的一组解析式。按上述方法进行了仿真计算,并将计算结果,Ｂａｒｂｅｒａ解,有关文献解同数值解进行了比较。结果表明,由于大气密度采用分层计算,更真实地反映了飞行器的再入环境、解析估算值较其它两种解更接近于数值解,完全可用于再入飞行器的再入弹道初步估计和再入性能分析。     

ECSP制备及电控燃烧技术研究进展

电控固体推进剂(Electrically controlled solid propellant, ECSP)具有点火、燃速及熄火可由馈入电能进行调控的良好性能,而成为一种备受关注的新型推进剂。针对ECSP制备及电控燃烧技术的研究现状,以主氧化剂为分类依据介绍了已公开报道的三类ECSP配方及性能;概述了熔融浇注法和凝胶固化法两种ECSP制备技术路线并分析了其各自的优缺点;从导电机理、电化学分解、热分解三方面分析了ECSP电控燃烧机理;总结了ECSP电控燃烧性能表征试验及ECSP电控燃烧特点;分析了当前公开报道的ECSP电控点火装置的优缺点;最后总结和展望了ECSP在制备技术和电控燃烧机理研究方面的不足和可以深入开展的研究方向。     

民用飞机焊接管路建模及高周疲劳分析

焊接结构具有连接性良好、重量轻、易于加工等特点,被广泛应用于民用飞机系统管路的连接。但是焊接结构的不连续性容易引起应力集中效应,从而导致焊接部位产生疲劳破坏。以某型飞机焊接管路接头为研究对象,首先介绍了一般管路焊接结构的疲劳破坏区域、破坏模式及焊接焊缝要求,之后采用实体网格单元对焊接接头进行了细节有限元建模,并详细说明了为消除应力集中效应需注意的焊缝、焊趾等的有限元建模要求和网格收敛性要求。本文中振动激励载荷环境选用RTCA/DO160中规定的振动环境曲线,利用Abaqus软件中的PSD分析模块对焊接管路进行了应力响应功率谱密度(PSD)分析,最后选取三区间法疲劳损伤模型和Miner线性疲劳累积损伤理论,给出了焊接结构的疲劳寿命分析结果。     

一种改进的GM-C-CPHD空间多目标跟踪算法

随着空间目标的数目急剧上升,提高空间多目标跟踪精度成为必然要求,但空间多目标跟踪存在轨道动力学模型不完善的问题。针对该问题,提出一种改进的高斯混合势概率假设密度滤波(GM-C-CPHD)算法。通过在轨道动力学模型中考虑一个不确定性模型参数,即面质比参数(AMR),基于协方差传递面质比参数对位置、速度状态估计的影响,提高空间目标跟踪精度。仿真分析表明:相对于GM-CPHD滤波器,目标数量的跟踪和状态估计性能均有所提高,具有良好的应用前景。     

样本标签污染条件下的雷达辐射源个体识别技术

针对辐射源个体识别(Specific Emitter Identification,SEI)中由于数据集存在错误标签导致识别率下降的问题,提出了 1种有监督和无监督融合的错误标签识别和纠正方法。首先采用无监督密度峰值聚类方法将数据集中出现的标签错误样本找出,再使用 K折交叉实验对这些标签异常的样本进行预测投票,将得票数多的标签作为错误标签纠正的结果。经过清洗的数据集再通过卷积神经网络进行训练,得到 1个较为理想的辐射源个体识别的网络模型,保证了在样本污染条件下,辐射源个体识别网络仍能具有较好的识别率。文章所提方法的识别率相比未经处理的数据集的识别率在标签错误率小于 30%时平均提高 3.3%;在标签错误率大于 30%时,也能使个体识别率达到 90%左右,验证了文章所提方法在对错误标签的识别和纠正上可以取得较好的效果。