基于CNN-LSTM的在轨卫星故障预测分析

在役考核中,对遥测参数进行监控与分析,是评估在轨卫星工作状态及健康状况的重要途径.为解决在线多任务故障预测问题,提出了结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的数据挖掘模型,并运用了一种基于误差反馈的权重自调整机制.利用某型卫星(含故障)遥测参数的仿真数据进行分析处理,实验结果表明:在线CNN-LSTM模型以最小的信息损失进行建模,对比单一模型以及传统的回归模型,CNN-LSTM模型不仅在测试集上取得了最小平均绝对百分比误差12.61％,同时模型预测性能在长时间预测中优于离线模型.     

一种新的多用户检测方案

本文提出一新的多用户检测方案,它利用其所知道的用户的扩频序列,提高系统上行线路的多用户检测性能。该检测方案使用正交匹配滤波器来抑制已知和未知扩频序列的用户的干扰。     

高超声速滑翔目标多层递阶轨迹预测

为给高超声速滑翔目标态势与威胁评估、拦截防御等提供先验知识,提出一种多层递阶轨迹预测方法。该方法借鉴多层递阶预测理论对预测模型进行随机补偿,将轨迹预测问题分解成气动参数和模型误差的混合预测以及在此基础上对目标轨迹的预测。方法首先利用气动参数增广状态向量进行动力学建模,对气动参数和模型误差进行混合估计,根据参数估计值进行时间序列预测。然后,在参数预测的基础上,利用动力学模型积分预测目标轨迹。仿真设计了2种有规律的飞行模式仿真场景,分析跟踪与预测时间对预测精度的影响,结果表明算法具有稳定可靠的轨迹预测能力。     

基于码相扩展的TTCM直序扩频系统研究

提出了一种基于码相扩展扩频信号集上的TTCM直接序列扩频系统方案,通过将Turbo编码与扩频映射相结合,使得信号之间的最小欧氏距离增加,从而在不增加发射功率、不减小信息速率、不改变调制方式的前提下提高了系统的误码率性能.仿真结果表明,基于码相扩展的TTCM直序扩频系统可以比单纯直序扩频多获得1～3dB的编码增益,同时对载波初相估计误差和相位噪声的敏感程度并不增加.     

守卫“第二国境线”武警北京总队九支队外国使馆警卫记事

北京的东三环两侧,是首都最繁华的商业区,坐落在这里达20余平方千米的使馆区,展现了别样的异域风睛,增添了别样的异域神秘：风格迥异的世界各型建设鳞次栉比,数百面各色国旗迎风招展,操着各种语言、不同肤色人群穿梭其间……在这块特别的土地上,驻扎着一支伴随共和国诞生而成长壮大的部队——武警北京市总队第九支队,这是人民军队编制序列里唯一一支成建制的外事警卫支队。在这里,他们守卫的是人民利益,代表的是国家形象,体现的是民族意志。     

m 序列完备递归采样值的存在条件

本文用群论方法讨论了n级m序列完备递归采样值的存在条件,证明了对任意n级m序列,其完备递归采样值存在的充要条件是商群G=Z_p~*/H(其中p=2~n—1,Z_p~*={s|(s,p)=1},H={1,2,2~2,…,2~(n-1))为循环群。在完备递归采样值存在的条件下,求出了完备递归采样值的个数为n.φ(φ(2~n—1)/n)。最后给出了递归采样值的一个重要性质。     

跳频码序列的统计检测

实际使用的跳频码伪随机序列的测试建议有杉以理想跳频码序列为目标的Ｘ＾２统计检测,以实际研制的混沌芯片为例,描述了统计检测的结果。     

基于正交最小二乘估计的非线性时间序列的预测

在对非线性时间序列的短期预测中经常采用局部线性化的预测算法 ,原有的算法使用普通最小二乘法 (LS)估计近似线性模型的参数。对于存在噪声的数据 ,该算法的数值稳定性较差。本文在对非线性空间进行局部线性化的基础上 ,采用正交最小二乘方法 (OLS)对线性模型同时进行结构选择与参数辨识 ,改善了数值的病态特性 ,增强了算法的稳定性     

m 序列的完备递归采样法

本文提出了m 序列递归采样的概念,研究并解决了素数周期m 序列的完备递归采样,对周期为合数的情况得到了一些有用的结论。     

基于可变模板的前视目标跟踪算法

基于图像序列分析的图像制导极大地提高了成像武器的跟踪精度。给出了一种基于可变模板技术和遗传退火算法的图像序列目标跟踪算法。根据目标的物理特征构造出可变模板,定义合适的能量函数,采用遗传退火算法进行优化搜索。实验结果表明,该算法能够精确检测并跟踪目标,具有很快的收敛性和较高的抗噪声性。