面向宇航应用光传输微系统集成技术

为了满足宇航系统对高速、宽带数据和图像传输产品小体积、轻质化的需求,研究光传输高速高密度集成技术.基板采用带状差分线设计和叠层组装工艺,提高集成密度、缩小体积提升了系统组装的空间,并通过建模仿真设计分析高速信号完整性;将光器件设计在外壳底板上,实现高效散热结构设计,同时提高了光器件使用可靠性;采用混合集成微组装工艺,硅...     

嵌入式技术在漏磁检测系统中的应用

将嵌入式技术、信号处理技术与漏磁检测技术结合起来,研制成一种适用于野外作业的便携式漏磁检测装置。由于采用了嵌入式模块,简化了电路的设计,提高了系统的整体性能。实验测试表明,该装置灵敏度及检测效率高,且成本低。在管道外侧一次扫查能检测出深度为0.2mm的缺陷,在冶金、石油化工以及城市水暖供应等工业部门中具有广阔的应用前景。     

数字卫星电视信号模型及性能分析

在基于数字卫星电视信号的无源探测系统中,分析其波形特点,探讨其用于雷达照射源信号的性能,对于整个系统研究来说,具有重要的意义。文中以“鑫诺一号”卫星为例,给出了基于“鑫诺一号”卫星参数为数字卫星电视信号的模型,并对该模型进行了仿真。仿真结果表明,数字卫星直播电视信号作为无源探测雷达的照射源信号具有较强的适应性,是一种优良的照射源信号。     

飞机燃油系统地面模拟试验干扰的产生和处理

分析燃油地面模拟试验台测控系统在调试过程中模拟量输出信号出现大幅度波动的原因,介绍其处理过程及实际效果,指出在试验中应采取的措施。     

用于EMI测量接收机脉冲响应校准的标准脉冲信号产生方法

EMI测量接收机作为电磁兼容测试中的关键仪器应用越来越广泛，但目前该类仪器的脉冲响应校准所用的标准源完全依赖于进口，国内尚无可替代的标准脉冲信号产生器。介绍一种用于EMI测量接收机脉冲响应校准的标准脉冲信号产生方法，首先建立标准脉冲信号的参数模型并对其进行数值分析和仿真，验证其符合CISPR 16-1-1标准的要求，之后搭建实验系统，利用标准脉冲信号生成软件控制任意脉冲信号发生器输出标准脉冲信号并对其进行补偿修正，获得符合CISPR 16-1-1标准要求的标准脉冲信号，该信号可用于EMI测量接收机脉冲响应的校准。     

经验模态分解火箭发动机多界面粘结检测特征信号提取技术

针对固体火箭发动机在存放期间粘结界面易出现脱粘的情况,采用超声纵波对其一二界面粘结质量进行检测,得到的二界面脱粘缺陷回波信号通常混叠了 一界面多次反射透射的信号,无法与一界面粘结信号区分.为了区分不同界面回波信号,选用EMD(经验模态分解)对回波信号分解,并根据相关性系数得到信号主导作用模态分量,提取其检测信号幅度特征...     

小波变换的原理及其在噪声材料超声评价中的应用

从信号自理的角度给出了小波变换的工程理解。小波变换可以看作从原始信号中不断抽取细节,最终只留下信号主干的过程。用小波变换对噪声材料粗晶奥氏体不锈钢中人工缺陷的超声Ａ型信号处理的结果表明,在对小波系数合理解释的情况下,小波换能有效地提高信噪比。     

脉冲磁流体发电技术研究进展

本文总结和阐述了现有脉冲磁流体发电机的类型及其国内外研究进展,同时对磁流体发电过程中的关键技术和科学问题(近电极压降、边界层分离、Hartmann效应、发电系统建模、性能分析、高磁雷诺数、强电磁效应、阻抗匹配等)进行了综述总结,以期掌握磁流体动力学行为及能量转化机理,提升发电机性能,并介绍了在航空航天领域的三种主要应用方式：磁流体能量旁路、超燃冲压发动机驱动的磁流体发电及表面磁流体发电。最后，对脉冲磁流体发电技术研究的发展趋势进行了总结和展望,旨在对其实用化进程提供指导和借鉴意义。     

基于分层人工鱼群的相干极化-DOA联合估计

智能优化算法是解决多维非线性优化问题、提高计算效率的有力工具。本文针对相干辐射源极化-空间角联合估计中计算量巨大的工程难题，以广义子空间拟合约束公式为代价函数，提出一种分层人工鱼群算法。该算法基于分层协同策略将鱼群分为底层和顶层，底层以人工鱼群算法进行全局搜索以保证种群多样性，顶层以粒子群算法进行局部搜索以加快收敛速度。仿真结果证明：分层人工鱼群算法能大幅降低广义子空间拟合的计算量，尤其是在较多目标的情况下。算法可有效提高计算效率，同时可提供优于传统人工鱼群算法的估计精度。     

Large-scale real-world radio signal recognition with deep learning

In the past ten years, many high-quality datasets have been released to support the rapid development of deep learning in the fields of computer vision, voice, and natural language processing. Nowadays, deep learning has become a key research component of the Sixth-Generation wireless systems (6G) with numerous regulatory and defense applications. In order to facilitate the application of deep learning in radio signal recognition, in this work, a large-scale real-world radio signal dataset is created based on a special aeronautical monitoring system - Automatic Dependent Surveillance-Broadcast (ADS-B). This paper makes two main contributions. First, an automatic data collection and labeling system is designed to capture over-the-air ADS-B signals in the open and real-world scenario without human participation. Through data cleaning and sorting, a high-quality dataset of ADS-B signals is created for radio signal recognition. Second, we conduct an in-depth study on the performance of deep learning models using the new dataset, as well as comparison with a recognition benchmark using machine learning and deep learning methods. Finally, we conclude this paper with a discussion of open problems in this area.