星载大型柔性索网天线重力环境下的型面调试

大口径柔性索网天线在地面环境下重力变形较大,且变形与天线反射面的制造误差始终交织在一起从而影响天线型面精度调试。针对这一问题,文章给出了反射面各类误差的定义,提出了制造误差与天线口面向上和口面向下不同放置状态型面误差的相互关系并予以证明;通过对这些关系式的运用降低了反射面重力变形与反射面制造误差的耦合程度,为反射器在重力环境下的型面调试指明了方向;此外结合工程需求给出了索网天线型面调试的流程,在实际工作中利用该流程可以有效地减少天线翻转调整次数,提高索网天线的型面调整效率。     

一种转台角位置定位精度检测方法

角位置定位精度和速率精度是转台产品的最主要两项技术指标,转台产品均需检测。其中角位置精度检测方法的操作步骤多,影响因素多。本文从角位置精度的检测方法,检测步骤和检测技巧等方面进行初步的剖析,重点阐述用24面体进行位置精度检定中的过程与方法。     

卫星遥感影像外方位元素的误差传播研究

高分辨率卫星遥感影像的几何定位精度与影像外方位元素精度密切相关.文章针对单景影像直接对地定位和立体影像前方交会定位两种典型情况,对影像各外方位元素在目标几何定位中的误差传播规律进行分析比较,相关结论可供卫星姿控及相机载荷设计方参考.     

基于刃边法的星载相机在轨MTF测量精度分析

调制传递函数(MTF)反映可见光对地遥感系统在对地物成像过程中信号的扩散与削弱程度,是表达系统辐射性能的重要指标.文章对星载可见光CCD相机在轨MTF主要测量方法进行比对分析,通过数据仿真,重点对随机噪声、边缘探测与拟合等主要影响刃边法精度的因素进行了分析.分析结果表明,计算所用刃边法能够较准确地计算可见光遥感系统的M...     

INS/SAR组合导航参数传递建模及精度分析

 对合成孔径雷达景象匹配辅助（INS/SAR）组合导航中地面合成孔径雷达(SAR)匹配点位置参数向飞行器主惯导中心的传递过程进行研究。分析了SAR匹配点位置传递过程中所涉及的各环节及其相互关系,以此为基础建立了测量参数传递过程数学模型,提出适合该模型的误差分析与精度估计方法,结合理论和实验结果对各测量参数误差所造成的传递误差进行分析和比较,得出单一测量参数误差影响程度的排序,并在此基础上得出总精度的估计值。参数传递模型及精度实验结果与实际情况相符,可为组合导航中合理的精度分配提供依据。     

保证数控铣加工的尺寸精度

本文介绍了数控编程和数控加工中保证零件的尺寸和公差要求的方法。一种方法是用公差的中间值作为终点坐标的尺寸编程;另一种方法是用公称尺寸编程,用公差的中间值作与公称尺寸的差值作为刀补值,通过刀具补偿保证尺寸要求。     

一种基于二级变维Kalman滤波的跟踪算法

Kalman滤波器是一种高速的目标跟踪器.针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种自适应Kalman滤波算法.该算法使用两级滤波器,根据目标机动性的变化,适当的调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾.通过对仿真结果分析表明,算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值.     

利用星间测距的轨道计算方法

基于天基空间监测的技术背景,根据单位矢量法的基本原理,给出了一种在已知目标卫星轨道面的前提下仅利用星间测距对目标卫星进行轨道计算的算法,并对已知轨道面的不同误差大小对定轨精度的影响进行了分析。模拟计算表明,轨道倾角的误差对定轨的精度影响更大。     

Application of support vector machine combined with K-nearest neighbors in solar flare and solar proton events forecasting

The support vector machine (SVM) combined with K-nearest neighbors (KNN), called the SVM-KNN method, is new classing algorithm that take the advantages of the SVM and KNN. This method is applied to the forecasting models for solar flares and proton events. For the solar flare forecasting model, the sunspot area, the sunspot magnetic class, and the McIntosh class of sunspot group and 10 cm solar radio flux are chosen as inputs; for the solar proton event forecasting model, the inputs include the longitude of active regions, the flux of soft X-ray, and those for the solar flare forecasting model. Detailed tests are implemented for both of the proposed forecasting models, in which the SVM-KNN and the SVM methods are compared. The testing results demonstrate that the SVM-KNN method provide a higher forecasting accuracy in contrast to the SVM. It also gives an increased rate of ‘Low’ prediction at the same time. The ‘Low’ prediction means occurrence of solar flares or proton events with predictions of non-occurrence. This method show promise for forecasting models of solar flare and proton events.     

消除数据调制影响的FFT捕获方法

在利用快速傅里叶变换(FFT, Fast Fourier Transform)捕获扩频信号的过程中,为了提高捕获精度,会遇到基带数据调制影响捕获性能的问题.主要分析了基带数据符号跳变影响FFT捕获性能的原因:在频域内造成待检测信号的幅度衰减以及频点偏移.提出了一种解决此问题的方法:通过对I和Q两路信号的运算,构造一个不受数据调制影响的复信号,对此信号作FFT,完成捕获.给出了此方法的MATLAB仿真,以及基于现场可编程门阵列(FPGA, Field Programmable Gate Array)的实现方案.实验数据表明,此方法消除了基带数据调制对FFT捕获性能的影响,且在相等积分时间的条件下,比常用方法的捕获精度提高了一倍.