针对卫星双向时间频率传递(two-way satellite time and frequency transfer, TWSTFT)存在周日效应、短期稳定度不高的问题,通过引入基于注意力机制的Transformer权值矩阵,利用Vondrak-Cepek组合滤波的方法将中国科学院国家授时中心(Nat...针对卫星双向时间频率传递(two-way satellite time and frequency transfer, TWSTFT)存在周日效应、短期稳定度不高的问题,通过引入基于注意力机制的Transformer权值矩阵,利用Vondrak-Cepek组合滤波的方法将中国科学院国家授时中心(National Time Service Center, NTSC)、德国物理技术研究院(Physikalisch-Technische Bundesanstalt, PTB)之间的TWSTFT和全球定位系统(Global Positioning System, GPS)P3码共视法的时间比对链路进行融合,分析融合前后链路的性能指标并与没有周日效应、短期稳定度高的GPS精密单点定位(GPS precise point positioning, GPS PPP)时间比对参考链路进行比较。结果表明,引入注意力机制权值的Vondrak-Cepek组合滤波融合方法与参考链路GPS PPP的标准差为0.310 9 ns,具有改善TWSTFT周日效应、提升链路整体稳定性的作用。展开更多
为保障复杂装备技术状态管理的有效集成和多方协同,实现技术状态管理业务数据的双重有序管控,提出基于领域系统(domain system,DS)的建模架构和设计方法。通过引入基于模式的系统工程(pattern-based system engineering,PBSE)框架,构建...为保障复杂装备技术状态管理的有效集成和多方协同,实现技术状态管理业务数据的双重有序管控,提出基于领域系统(domain system,DS)的建模架构和设计方法。通过引入基于模式的系统工程(pattern-based system engineering,PBSE)框架,构建基于DS的复杂装备技术状态管理基本架构,设计DS元模型、DS模型、DS模式的建模方法,将国防部体系架构元模型(Department of Defense Architecture framework metamodel,DM2)进行复杂装备技术状态管理领域化重组为DS元模型,并通过领域元数据映射为DS模型,使其有序组织为适用于具体装备技术状态管理的DS模式。为验证所提方法的有效性,以运载火箭结构系统多视图物料清单(X bill of material,XBOM)为案例,开展基于DS的技术状态管理应用。结果表明,所提方法可为其技术状态管理提供兼具建模的一致性和可追溯性的实施方案,为复杂装备技术状态管理的领域模型配置提供指导性思路。展开更多
针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短...针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点,再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时,权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘,消除幅度模糊与短扩频码序列的影响,再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明,NIC神经网络较特征值分解法的抗噪声性能提高6 dB,同时较Hebbian准则神经网络所需学习组数减少50%。展开更多
针对复杂电磁环境下雷达复合干扰识别困难和网络模型复杂度高的问题,将多标签分类与改进的ShuffleNet V2相结合,提出一种轻量化的多标签ShuffleNet(multi-labeling ShuffleNet, ML-SNet)雷达复合干扰识别算法。首先,使用轻量化的Shuffle...针对复杂电磁环境下雷达复合干扰识别困难和网络模型复杂度高的问题,将多标签分类与改进的ShuffleNet V2相结合,提出一种轻量化的多标签ShuffleNet(multi-labeling ShuffleNet, ML-SNet)雷达复合干扰识别算法。首先,使用轻量化的ShuffleNet V2作为主干网络,引入SimAM(similarity-based attention module)注意力机制,提高网络特征提取能力。其次,使用漏斗激活线性整流函数(funnel activation rectified linear unit, FReLU)代替线性整流单元(rectified linear unit, ReLU)激活函数,减少特征图的信息损失。最后,使用多标签分类算法对网络输出进行分类,得到识别结果。实验结果表明,在干噪比范围为-10~10 dB的情况下,所提算法对15类雷达复合干扰的平均识别率为97.9%。与其他网络相比,所提算法具有较低的计算复杂度,而且识别性能表现最佳。展开更多
L波段数字航空通信系统(L-band digital aeronautical communication system,LDACS)作为未来航空数据链的重要技术手段之一,非常容易受到相邻波道的测距机系统信号的干扰。为此,提出一种基于稀疏贝叶斯推断的LDACS波束形成方法。首先,将...L波段数字航空通信系统(L-band digital aeronautical communication system,LDACS)作为未来航空数据链的重要技术手段之一,非常容易受到相邻波道的测距机系统信号的干扰。为此,提出一种基于稀疏贝叶斯推断的LDACS波束形成方法。首先,将LDACS地面站的粗略来向信息作为先验,并根据空域信号来向的稀疏性构建稀疏信号。随后,通过贝叶斯推断估算干扰和噪声的功率,估计各个信源的来向。最后,重构干扰噪声协方差矩阵,获得波束形成权矢量。该方法无需知晓干扰数量、干扰来向等信息。仿真结果表明,该方法在低信噪比和少快拍条件下也能稳定输出波束方向图,表现出较好性能。展开更多
针对现有基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法的再入制导方法计算精度较差,对强扰动条件适应性不足等问题,在DDPG算法训练框架的基础上,提出一种基于长短期记忆-DDPG(long short term memory-DDPG,LST...针对现有基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法的再入制导方法计算精度较差,对强扰动条件适应性不足等问题,在DDPG算法训练框架的基础上,提出一种基于长短期记忆-DDPG(long short term memory-DDPG,LSTM-DDPG)的再入制导方法。该方法采用纵、侧向制导解耦设计思想,在纵向制导方面,首先针对再入制导问题构建强化学习所需的状态、动作空间;其次,确定决策点和制导周期内的指令计算策略,并设计考虑综合性能的奖励函数;然后,引入LSTM网络构建强化学习训练网络,进而通过在线更新策略提升算法的多任务适用性;侧向制导则采用基于横程误差的动态倾侧反转方法,获得倾侧角符号。以美国超音速通用飞行器(common aero vehicle-hypersonic,CAV-H)再入滑翔为例进行仿真,结果表明:与传统数值预测-校正方法相比,所提制导方法具有相当的终端精度和更高的计算效率优势;与现有基于DDPG算法的再入制导方法相比,所提制导方法具有相当的计算效率以及更高的终端精度和鲁棒性。展开更多
文摘针对卫星双向时间频率传递(two-way satellite time and frequency transfer, TWSTFT)存在周日效应、短期稳定度不高的问题,通过引入基于注意力机制的Transformer权值矩阵,利用Vondrak-Cepek组合滤波的方法将中国科学院国家授时中心(National Time Service Center, NTSC)、德国物理技术研究院(Physikalisch-Technische Bundesanstalt, PTB)之间的TWSTFT和全球定位系统(Global Positioning System, GPS)P3码共视法的时间比对链路进行融合,分析融合前后链路的性能指标并与没有周日效应、短期稳定度高的GPS精密单点定位(GPS precise point positioning, GPS PPP)时间比对参考链路进行比较。结果表明,引入注意力机制权值的Vondrak-Cepek组合滤波融合方法与参考链路GPS PPP的标准差为0.310 9 ns,具有改善TWSTFT周日效应、提升链路整体稳定性的作用。
文摘为保障复杂装备技术状态管理的有效集成和多方协同,实现技术状态管理业务数据的双重有序管控,提出基于领域系统(domain system,DS)的建模架构和设计方法。通过引入基于模式的系统工程(pattern-based system engineering,PBSE)框架,构建基于DS的复杂装备技术状态管理基本架构,设计DS元模型、DS模型、DS模式的建模方法,将国防部体系架构元模型(Department of Defense Architecture framework metamodel,DM2)进行复杂装备技术状态管理领域化重组为DS元模型,并通过领域元数据映射为DS模型,使其有序组织为适用于具体装备技术状态管理的DS模式。为验证所提方法的有效性,以运载火箭结构系统多视图物料清单(X bill of material,XBOM)为案例,开展基于DS的技术状态管理应用。结果表明,所提方法可为其技术状态管理提供兼具建模的一致性和可追溯性的实施方案,为复杂装备技术状态管理的领域模型配置提供指导性思路。
文摘针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点,再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时,权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘,消除幅度模糊与短扩频码序列的影响,再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明,NIC神经网络较特征值分解法的抗噪声性能提高6 dB,同时较Hebbian准则神经网络所需学习组数减少50%。
文摘针对复杂电磁环境下雷达复合干扰识别困难和网络模型复杂度高的问题,将多标签分类与改进的ShuffleNet V2相结合,提出一种轻量化的多标签ShuffleNet(multi-labeling ShuffleNet, ML-SNet)雷达复合干扰识别算法。首先,使用轻量化的ShuffleNet V2作为主干网络,引入SimAM(similarity-based attention module)注意力机制,提高网络特征提取能力。其次,使用漏斗激活线性整流函数(funnel activation rectified linear unit, FReLU)代替线性整流单元(rectified linear unit, ReLU)激活函数,减少特征图的信息损失。最后,使用多标签分类算法对网络输出进行分类,得到识别结果。实验结果表明,在干噪比范围为-10~10 dB的情况下,所提算法对15类雷达复合干扰的平均识别率为97.9%。与其他网络相比,所提算法具有较低的计算复杂度,而且识别性能表现最佳。
文摘L波段数字航空通信系统(L-band digital aeronautical communication system,LDACS)作为未来航空数据链的重要技术手段之一,非常容易受到相邻波道的测距机系统信号的干扰。为此,提出一种基于稀疏贝叶斯推断的LDACS波束形成方法。首先,将LDACS地面站的粗略来向信息作为先验,并根据空域信号来向的稀疏性构建稀疏信号。随后,通过贝叶斯推断估算干扰和噪声的功率,估计各个信源的来向。最后,重构干扰噪声协方差矩阵,获得波束形成权矢量。该方法无需知晓干扰数量、干扰来向等信息。仿真结果表明,该方法在低信噪比和少快拍条件下也能稳定输出波束方向图,表现出较好性能。
文摘针对现有基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法的再入制导方法计算精度较差,对强扰动条件适应性不足等问题,在DDPG算法训练框架的基础上,提出一种基于长短期记忆-DDPG(long short term memory-DDPG,LSTM-DDPG)的再入制导方法。该方法采用纵、侧向制导解耦设计思想,在纵向制导方面,首先针对再入制导问题构建强化学习所需的状态、动作空间;其次,确定决策点和制导周期内的指令计算策略,并设计考虑综合性能的奖励函数;然后,引入LSTM网络构建强化学习训练网络,进而通过在线更新策略提升算法的多任务适用性;侧向制导则采用基于横程误差的动态倾侧反转方法,获得倾侧角符号。以美国超音速通用飞行器(common aero vehicle-hypersonic,CAV-H)再入滑翔为例进行仿真,结果表明:与传统数值预测-校正方法相比,所提制导方法具有相当的终端精度和更高的计算效率优势;与现有基于DDPG算法的再入制导方法相比,所提制导方法具有相当的计算效率以及更高的终端精度和鲁棒性。
