用于超宽带引信目标回波模拟的窄脉冲电路设计

超宽带引信目标回波模拟器是对超宽带引信进行成批、快速测试的有效手段,而超宽带窄脉冲产生电路的设计是其关键技术之一。目前的窄脉冲产生电路多是针对高斯脉冲或者双极高斯脉冲所设计,不能直接用于回波模拟器窄脉冲的产生。在球形目标回波假设的前提下,提出了一种使用阶跃恢复二极管(SRD)和超宽带滤波器联合设计产生二阶高斯脉冲信号对引信回波进行模拟的方法。通过仿真确定了SRD电路参数、超宽带滤波器的性能指标及其尺寸,根据仿真结果实现了窄脉冲产生电路。测量结果表明,所产生的窄脉冲信号波形与理论波形基本一致。     

一种基于空-频稀疏的水声目标线谱重构方法

针对短数据量情况下被动声呐目标参数估计的问题，提出了一种波达角-频率联合估计方法，用于解决传统方法频率分辨能力和角度分辨能力不足的问题。该方法根据稀疏重构理论，利用目标在空间域和频域的稀疏特性，通过理论推导建立了空-频联合稀疏重构模型，并使用凸优化方法求解；仿真分析了该方法在不同信噪比条件下，对相邻目标的波达角和频率的估计能力，并使用海上测得数据验证了该方法的有效性。实验结果表明：该方法在短数据量情况下，可以准确估计目标的波达角和频率，并对噪声和相干目标有显著的鲁棒性，可以用于被动声呐探测机动目标。     

Arnold变换的置乱恢复研究

基于Arnold变换的原理和特点,探讨了2种置乱恢复方法,并通过仿真,比较了它们的置乱恢复效率。从缩短恢复时间的角度出发,综合2种方法提出了优化方案,在一定程度上提高了置乱恢复的效率。     

利用整帧翻转的SRAM型FPGA故障注入加速算法

不可恢复异常比特位(unrecoverable-sensitive bits, UR-SB)不能通过定时刷新修复,会造成卫星载荷在轨服务的长时间中断,是地面故障注入试验需要着重评估和改善的。但UR-SB占比极低,若采用传统逐位翻转故障注入方法,其测试耗时太长,效率极低。提出了一种基于整帧翻转的静态随机存取存储器型现场可编程门阵列的故障注入加速算法,其通过整帧翻转能够快速筛除不存在UR-SB的配置帧,并进一步用二分法对存在UR-SB的配置帧进行快速搜索,有效加速了UR-SB的精确定位过程。以在轨常用XQR2V3000器件为例,理论分析在较差情况下测试效率可提升207倍,信号生成载荷实测结果最高可提升949倍,理论分析和实测结果均验证了所提加速算法的有效性。     

利用分时刷新和位置约束的卫星载荷BRAM抗辐照设计方法

为解决星载资源严格受限条件下,静态随机存取存储器型现场可编程门阵列中块随机存储器(block random access memory, BRAM)的轻量级、高可靠抗辐照加固难题,提出了一种基于分时刷新和位置约束的卫星载荷BRAM抗辐照加固设计方法,通过监控算法执行时隙实现BRAM分时刷新,并增加位置约束有效降低三模冗余后两模设计同时发生异常的概率,以较少的资源消耗有效提升BRAM在轨抗辐照可靠性。重离子加速试验结果表明,采用分时刷新和位置约束加固方法后,卫星载荷单粒子功能中断截面下降约81.63%,在轨BRAM异常由3颗星2年发生3次减少为25颗星2年未发生,在轨抗辐照可靠性大幅提升。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

粒子滤波匹配追踪重构算法

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下粒子滤波匹配追踪稀疏信号重构算法。该算法将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

舰载分布式火控系统功能备份、重组和恢复的一种设计与实现方法

以一个舰载分布式火控模拟系统为背景,给出一种系统功能备份、重组和恢复的设计与实现方法。主要介绍设计要求、备份策略、检测机制和分级实现。实验表明,系统在损失近５０％设备时仍能维持原功能工作,在损失７０％以上时尚能继续运行,从而证明了该方法的正确、可行和有效     

二维衰减谐波估计的四阶混合累积量方法

针对二维衰减谐波估计方法在大样本容量条件下计算量过大的问题,提出了一种基于二维四阶混合累积量的ESPRIT方法。在不影响估计精度的前提下,通过保持特征矩阵结构不变,有效地减小了算法的计算量。利用四阶混合累积量对高斯噪声的自动抑制,降低了参数估计的信噪比门限并提高了估计精度。仿真实验表明,在高斯色噪声条件下该方法的计算效率和估计性能优于现有方法。     

稀疏平衡变分自动编码器的文本特征提取

针对文本特征提取方面的高维数据特征区分度较低、基于规则的特征学习的自学习性能差、变分自动编码器存在过度剪枝等问题,提出稀疏平衡变分自动编码器(Sparse Balanced Variational AutoEncoder,SBVAE)的文本特征提取模型.为消除噪声干扰,提高文本特征提取模型的鲁棒性,在文本特征提取的输入...