为“嫦娥”奔月保驾护航

2010年金秋,"嫦娥二号"卫星将再次造访月宫,与"嫦娥一号"不同,"嫦娥二号"将被直接送入地月转移轨道,奔向月球。就如我们外出旅行要关注天气的变化一样,"嫦娥二号"卫星在发射运行期间,将会遭遇到怎样的空间环境?是"风和日丽"还是"雷电交加"?面对读者感兴趣的问题,本刊特邀中科院空间中心专家为我们一一解开这些疑惑。     

对新形势下思想政治工作的几点思考

在市场经济条件下 ,部队官兵的思想观念、价值取向、思维方式和行为规范都发生了根本变化。面对这些变化 ,思想政治工作要从根本上摆脱被动局面 ,思想教育工作者就要在思想观念、工作思路和工作方法等方面大胆创新 ,勇于实践。创新是新时期加强和改进思想政治工作的必然要求 ,只有创新 ,思想政治工作才有发展。     

基于K-LC1a收发器和DSP的近程测距系统设计

针对FMCW雷达测距原理和差频信号特点,基于价格低廉的K-LC1a雷达收发器和TMS320VC5509A DSP(数字信号处理器)设计了一套近程测距系统。介绍了FMCW(调频连续波)测距原理及系统结构,设计了中频信号的放大滤波处理、模数转换数据采集和数字信号处理等关键模块。最后对目标测试结果进行软件仿真,在不同距离的目标测试下,结果显示正确。该系统工作稳定可靠、受环境影响小、有广阔的应用前景。     

基于RCS序列的助推段弹道导弹识别

在弹道导弹的助推段,通过低分辨率雷达得到RCS序列作为识别的重要信息。由于运动特性和电磁散射特性的差异,弹道导弹在助推段的RCS序列与其他目标相比具有可识别性,但需要对其RCS序列进行处理。基于目标识别技术,详细阐述能从RCS序列中提取出的特征参数,并通过直方图、N点截图等方法给出了直观的反映。最后,将弹道导弹助推段特征与飞机、燃料舱等典型目标进行对比,得到可以作为识别参量的特征参数,并通过类内类间距离验证了有效性。     

导引头加速度盲补偿技术研究北大核心

雷达导引头对有加速度的目标进行探测,采用传统的FFT相关检测会导致目标能量在多普勒通道上的扩散,使导引头的检测性能下降,通过补偿加速度可以将分散的目标信号能量汇聚在较窄的频带内。将从工程应用角度,提出一种加速度盲补偿技术,首先分析加速度对PD信号检测的影响;接着分析补偿原理,并以此建立加速度盲补偿的数学模型;最后对影响补偿效果的参数进行分析。     

基于熵权的多站纯方位目标定位分析北大核心

为克服传统权值主观性强、复合性差等现象,提出了一种基于改进熵权的多站纯方位目标定位算法。算法系统分析了匀速直线运动下的目标纯方位信息,给出了目标航迹参数与位置坐标模型,并运用均方误差进行了精度分析。仿真实验表明,本算法能有效地降低估计误差,提高多站融合精度。     

适用于GPU处理的长更新周期卫星导航信号载波相位跟踪环路

针对短环路更新间隔下GPU处理效率受限而长更新间隔下传统跟踪环路在高动态场景下不稳健的这一矛盾,提出一种可适应高动态场景的长更新间隔载波相位跟踪算法,该算法设计了一种低复杂度线性调频信号参数估计方法,实现跟踪初始阶段多普勒及变化率的精确估计进而消除大部分信号动态,在跟踪过程中采用4阶卡尔曼滤波对残余信号相位及动态进行精细跟踪。经仿真验证,200 ms更新间隔下,可实现多普勒一次/二次变化率分别达800 Hz/s、64 Hz/s²正弦运动场景下载波相位的快速稳定跟踪,1次更新即可收敛,跟踪灵敏度低至23 d B-Hz,相位跟踪精度远优于传统3阶锁相环路。     

一种巡逻执勤目标检测算法研究

巡逻执勤是具有重要意义的安全维稳行动,但是巡逻环境复杂、目标多样、检测难度大的问题十分突出,所以如何准确、实时检测巡逻执勤目标具有重大现实意义。为了提升对巡逻执勤目标检测的准确性和实时性,基于YOLOv5算法进行改进。为抑制巡逻环境带来的干扰,结合ECANet注意力机制进行改进,提高被检测目标显著性;同时为保证较好的实时性及多尺度目标检测能力,引入BiFPN网络结构。将改进算法与原始算法进行比较,mAP提升3.51%;与4种算法进行了对比实验,结果显示该算法能较好地降低巡逻执勤目标检测因检测相似、尺度多样、光照干扰等问题带来的影响,进一步验证了该算法在巡逻执勤目标检测任务中的有效性。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%~18.2%,并且具有更好的识别稳定性。     

生成对抗网络及其在无人系统中的应用

生成对抗网络(GAN)在无人系统多个层次上的应用提高了其智能化、自主化水平,具有巨大的应用价值和发展潜力。对GAN在无人系统技术中的应用进行了综合评述并且进行了展望。首先介绍了GAN的基本概念、训练方式和传统GAN的模型结构,并且从模型结构的变动、目标损失的变化以及适用的领域等方面详细介绍了深度卷积生成对抗网络(DCGAN)、循环生成对抗网络(CylcleGAN)、生成对抗模仿学习(GAIL)、序列生成对抗网络(SeqGAN)等GAN的8种衍生模型。接着概述了与无人系统OODA回路相关的智能感知、智能判断、智能决策、人机交互等方向上GAN方法的实际应用。最后基于无人系统共性技术的发展趋势,对GAN在无人系统的单体智能、多体或群体智能以及人机混合智能等方向上的应用进行了展望。