星箭分离相对位姿摄影测量方法

提出一种基于视觉的星箭分离相对位姿测量方法。在相机内参数已知的情况下,将相机安装于运载火箭,并在卫星上固连不少于6个合作标志,利用相机对合作标志实时成像;基于单目位姿估计的基本原理,采用高效n点渗透与正交迭代结合的方式解算卫星与火箭之间的相对位姿关系。仿真实验结果、半实物仿真实验结果证明了所提测量方法的可行性和准确性。     

系统频率偏差对同时全极化测量的影响及其校准

目标极化散射矩阵的精确测量是全极化雷达极化信息处理的前提和基础。基于正负线性调频信号,针对采用数字解线性调频处理的同时全极化测量体制雷达,分别推导了雷达中频频率偏差和采样频率偏差对同时全极化测量影响的数学模型,提出一种雷达中频频偏和采样频偏的联合估计与校准方法。仿真和实测数据表明：雷达系统频率稳定度会引起不同通道极化测量结果峰值位置和相对相位的变化,采用所提方法能够有效校正峰值偏移,补偿相位误差,提高目标极化散射矩阵测量的精度。     

利用过阻尼电路合成高压方波脉冲

在过阻尼RLC电路分时放电的基础上,提出新型高压方波脉冲产生方法。理论分析表明:过阻尼RLC电路产生的双指数电压波与脉冲形成线产生的方形电压波具有类似的上升沿和平顶。电路模拟表明:通过人工过零技术可以对双指数电压波进行截尾,从而形成完整的高压方波脉冲。建立了原理验证性样机,由两组RLC电路构成,每组电路包含一台脉冲电容器和一只三电极场畸变气体开关,两组电路共用一个上升沿调节电感。实验证明:样机可以在电阻负载上输出幅值为17 kV、平顶宽度为330 ns～5.8μs、上升沿为100～350 ns的单极性高压方波脉冲。该方法适应性强,对负载变化不敏感,同时具有良好的可调节性,方波上升沿、平顶宽度连续独立可调。     

主星带伴随微小卫星编队SAR系统的空间分辨率分析

根据主星带伴随微小卫星编队SAR系统的结构特点,建立了双站SAR系统的几何模型,然后推导分析了距离分辨率和方位向分辨率的解析表达式,最后仿真分析了以ENVISAT作为主星、"干涉车轮"的距离分辨率和方位向分辨率随主星到编队小卫星的距离、相对轨道高度的变化情况,并且与主星SAR的分辨率进行了比较。结果表明:(1)空间分辨率大小随波束入射角的变化基本上与主星一致;(2)空间分辨率随主星与伴随小卫星的距离增大而增大;(3)空间分辨率之差随微小卫星相对椭圆轨道短轴的增加而增加。     

指数寿命产品可靠性增长试验的Bayes分析

针对指数寿命产品的定时、定数截尾试验方案,推广了Mazzuchi-Soyer模型的应用范围。首先引入模型假设,以狄氏分布作为先验分布,综合利用产品研制的历史信息和专家信息,结合产品研制各阶段试验数据,给出了各阶段可靠性的联合后验分布。然后利用Gibbs抽样算法解决后验推断计算问题,得到各阶段产品可靠性的Bayes点估计和区间估计。最后给出产品可靠性增长分析实例,表明了模型的优越性。     

逐步Ⅰ型混合截尾试验下Burr部件的可靠性分析

在逐步Ⅰ型混合截尾试验下,研究了Burr部件寿命参数及可靠性指标的极大似然估计和Bayes估计.利用简单迭代方法,给出了寿命参数和可靠性指标的极大似然估计的数值解.然后利用Lindely Bayes近似算法得到了平方损失下寿命参数以及可靠性指标的Bayes估计.最后,运用Monte-Carlo方法对各估计结果作了模拟比较,结果表明Bayes估计较极大似然估计的误差小.     

基于信息需求的情报支持效能分析

经典的侦察与监测(S&R)系统效能分析方法存在模型难以建立、结果不准确等问题。考虑到S&R系统的目的是提供情报支持,提出一种基于信息需求的S&R系统情报支持效能分析方法。该方法以用户的信息需求为度量基准量,比较S&R系统性能对信息需求的满足度,并以此满足度作为S&R系统效能度量的指标。仿真实例表明了新方法的有用性。     

基于镜像的高可用数据对象布局算法

镜像是提高数据可用性的流行方法。借鉴RAID的方法,在算法一级实现数据的冗余分布,提出基于镜像的高可用数据对象布局算法。在数据对象和存储节点失效时,利用冗余数据重构数据对象和存储节点,有效保证存储系统的高可用性。采用马尔可夫激励模型对存储系统进行定量的可用性分析,计算结果表明该方法是有效的。     

旋转永磁式机械天线的研究与实现

为实现低频电磁发信系统的小型化和低功耗,对基于旋转永磁体的机械天线,即利用永磁体机械旋转直接激励电磁波的新型低频电磁发信技术进行了理论研究与工程实践。提出基于钕铁硼永磁体和永磁同步电机的旋转永磁式机械天线技术方案及其信息加载方法,构建基于电-机械-电磁能量转换的系统模型,对其辐射效率和辐射功率进行初步分析,研究旋转永磁体在不同无限均匀介质中产生时变磁场的分布与衰减特性,研制了原理样机,并对其近区磁场和2FSK信号的加载特性进行了实验测试,验证了该方案的可行性和有效性。     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。