一种源包和虚拟信道相结合的AOS调度算法

针对目前高级在轨系统(AOS)应用中遥测调度算法大多没有同时支持源包和虚拟信道2级调度的问题,提出一种基于AOS遥测源包调度和虚拟信道调度相结合的算法,实现同时对源包调度和虚拟信道调度层面的支持。针对源包调度,提出一种基于源包刷新率的动态优先级调度算法,以保证实时数据及时下传。针对虚拟信道调度,提出一种采用最重要(VIP)/同步/异步相结合的3级调度,保证信道的合理分配利用。分别采用源包调度策略、虚拟信道调度策略和文章提出的算法策略,对某航天器下行数据的平均时延进行仿真。仿真结果表明:文章提出算法策略的平均时延,低于源包调度策略和虚拟信道调度策略,比单独采用源包调度或者虚拟信道调度的算法具有更高的复用效率和公平性。     

MUSIC算法在反射面多波束天线测向中的应用与改进

文章主要针对MUSIC算法在反射面多波束天线的应用问题进行了分析,并对MUSIC算法进行了改进,改善了MUSIC算法在应用中的测向性能。     

基于自适应算法的带罩阵列天线方向图综合

提出一种基于自适应天线理论的带罩阵列天线方向图综合方法。先用射线追踪法计算到达罩内阵列天线的入射信号,通过自适应算法进行波束赋形,再用表面积分法得到带罩自适应天线的远区辐射场。用权函数的迭代来减小带罩方向图和无罩方向图的差别,实现天线与罩的一体优化。数值仿真结果表明,该方法能实现对带罩阵列天线主瓣指向、零陷位置和副瓣电平的控制,同时减小了天线罩对系统辐射特性方面的影响。     

基于聚类的航天器多余物粒径特征识别方法

针对焊锡粒多余物粒径特征识别过程中,粒径区分度不足和粒径特征参数类间交叉对分类准确率的不利影响,提出基于聚类的高精密航天器多余物粒径特征识别方法.从信号时域与频域分析技术出发,选取多个特征参数构建多余物粒径初始特征参数向量;采用Fisher比量化各个特征参数对粒径的区分能力并削除贡献率较低的特征参数,从而构建最终多余物...     

基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

箭载无线传感器网络动态业务分配方法研究

无线传感器网络技术是新一代火箭测量系统中的关键技术之一,为实现箭上无线传感器节点业务动态变化场景下的信道资源无冲突分配,提出了一种基于优先级的动态业务分配方法——基于优先级的动态占空比节能位图辅助MAC协议(PD-EBMA)。主要思想是利用位图辅助适应业务量的动态变化、搭载预约的方式减少控制信息开销、背包算法提高信道利用率和降低时延,以及在流量较小时延不敏感的场景中使用动态占空比的思想降低能量开销。仿真结果表明:相比传统固定时隙的分配方式,PD-EBMA可以大幅提升网络灵活性,同时能耗和时延特性也得到显著改善。     

基于多项式插值的自由漂浮空间机器人轨迹规划粒子群优化算法

针对自由漂浮空间机器人轨迹规划问题,提出一种基于多项式插值与粒子群优化算法相结合的非完整运动规划方法。首先,通过对系统非完整约束条件进行分析,给出了以机械臂关节角耗散能为目标函数的轨迹最优控制算法;并采用高阶多项式插值方法逼近机械臂关节角轨迹,将插值多项式的系数作为优化参数,结合粒子群优化算法对关节角轨迹进行优化求解。最后,对本文提出的轨迹规划算法进行数值仿真。仿真结果表明关节角轨迹平滑连续,保证了关节角速度及关节角加速度在初始和终止状态均为零,从而验证了所提方法的有效性和可行性。     

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明：该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。