基于热电效应的高效环控系统

部分空间科学实验对环境温度有较高的要求，环境温度高于或低于空间科学系统能够提供的热沉温度，需要有可靠有效的加温降温处理措施。使用可靠性强的热电制冷片作为制冷制热方式和气液换热器二次换热来实现环境温度控制的需求，并对不同流体温度制冷制热效果进行分析，结果表明流体温度和目标温度差越小，热电制冷制热的效果越好。在环境温度制冷工况中，热电单元数量随电流增加先减少后增加，在制热工况中则单调递减，设计中需按照制冷工况进行热电单元数量的确定。当流体温度接近制冷制热的目标温度时，会出现整个系统总效率优于热电系统效率的区间。通过对热电单元和气液换热器的组合系统的性能计算，提供一种适于热电环控系统的计算方法和部件选型思路，对空间站环控系统的设计有重要参考意义。     

基于散射信息和元学习的SAR图像飞机目标识别

SAR图像由于数据获取难度大,样本标注难,目标覆盖率不足,导致包含地理空间目标的影像数量稀少。为了解决这些问题,该文开展了基于散射信息和元学习的SAR图像飞机目标识别方法研究。针对SAR图像中不同型号飞机空间结构离散分布差异较大的情况,设计散射关联分类器,对飞机目标的离散程度量化建模,通过不同目标离散分布的差异来动态调整样本对的权重,指导网络学习更具有区分性的类间特征表示。考虑到SAR目标成像易受背景噪声的影响,设计了自适应特征细化模块,促使网络更加关注飞机的关键部件区域,减少背景噪声干扰。该文方法有效地将目标散射分布特性与网络的自动学习过程相结合。实验结果表明,在5-way 1-shot的极少样本新类别识别任务上,该方法识别精度为59.90%,相比于基础方法提升了3.85%。减少一半训练数据量后,该方法在新类别的极少样本识别任务上仍然表现优异。      

基于三维地球的多源空间科学数据可视化管理系统的设计与实现

如何高效地组织和管理日益增长的多源海量空间科学数据、提高数据的可用性和易用性,是空间科学目前需要重点解决的技术问题。在充分分析现有空间科学数据管理技术和数据特点的基础上,提出了一种有效的系统架构,研究并利用空间关系数据库及分布式数据库技术,实现了海量异构数据的高效存储、检索与定位;研究基于三维数字地球的多层次细节展示方法、三维数据剪裁、多线程并行加载等关键技术,提高了空间科学数据的集成可视化显示与应用效率。最后设计并集成了多源空间科学数据可视化组织与管理系统,在实际工程应用中验证了设计的合理性与有效性。     

基于改进双层LT码的天基物联网数据收集方法

将卫星网络、无人机集群引入物联网应用,为第6代移动通信系统提供了参考的应用场景.对天基物联网中各层的数据收集方法进行了分析,提出了天基物联网中的数据收集策略.融合当前网络编码和多层分布式LT码的优势,提出了一种基于改进双层LT码的数据收集策略.该策略采取自适应分组编码机制,避免了因多路径交叉导致的数据丢失.仿真实验结果表明,该策略能够在网络连接不稳定的情况下,有效提升数据传输的成功率和吞吐量.     

载荷映射用于航天器振动试验条件制定的方法

准确把握航天器振动试验条件是实现航天器有效检验的前提。首先,通过典型柔性结构试验表明振动台刚性边界不同于真实环境的柔性边界条件,导致结构传递函数发生改变,说明如果以传统的有效载荷界面加速度包络作为试验条件可能导致过试验或欠实验;然后,采用载荷映射方法,以响应等效为目标,基于有限元模型,根据实际响应与试验边界,采用数值优化方法计算试验边界条件下的映射载荷;最后,以此来制定振动试验条件。结果表明,载荷映射方法可以有效解决边界条件不同可能引起的欠试验问题,同时结合主动下凹方法或力限技术可以缓解有效载荷共振频率处的过试验现象。     

基于铂热电阻的高温检测系统设计与优化

为了实现基于金属铂材料制作的热电阻温度传感器在高温测量环境下实现对温度数据的高精度测量,提出一种基于优化电路参数及阻温方程参数的温度检测系统设计方案。设计利用恒压源电路,获得稳定的理想电压,通过不平衡电桥差分放大电路和二阶有源滤波电路得到理想采集信号;设计优化了电路参数,校正了铂热电阻因高温产生的非线性。通过熔融沉积成型(FDM) 3D打印喷头实验平台,验证了设计方案的有效性,实现了在高温测量环境下对温度数据高精度测量的目的。     

五级流水线RISC-V处理器的研究与性能优化

国内基于RISC-V指令集的嵌入式处理器的研究在近几年内得到了快速发展.在性能评估研究上多集中于2-3级流水的小规模、低功耗处理器,针对5级流水架构处理器的性能量化研究较少.针对该问题,在传统5级顺序流水架构的基础上,分别从RISC-V指令预测、流水线机制、乘除法算法、存储架构等方面分析处理器优化的策略.针对不同策略优...     

基于CNN和农作物光谱纹理特征进行作物分布制图

以卷积神经网络（Convolutional Neural Network, CNN）为代表的深度学习技术,在农作物遥感分类制图领域具有广阔的应用前景。以多时相Landsat 8 多光谱遥感影像为数据源,搭建CNN模型对农作物进行光谱特征提取与分类,并与支撑向量机（SVM）常规分类方法进行对比。进一步引入影像纹理信息,利用CNN对农作物光谱和纹理特征进行提取,优化作物分布提取结果。实验表明：① 基于光谱特征的农作物分布提取,验证结果对比显示,CNN对应各类别精度、总体精度均优于SVM,其中二者总体精度分别为95.14%和91.77%;② 引入影像纹理信息后,基于光谱和纹理特征的CNN农作物分类总体精度提高至96.43%,Kappa系数0.952,且分类结果的空间分布更为合理,可有效区分花生、道路等精细地物,说明纹理特征可用于识别不同作物。基于光谱和纹理信息的CNN特征提取,可面向种植结构复杂区域实现农作物精准分类与分布制图。     

基于三维地球的海量遥感影像高效可视化管理系统的设计与实现

针对数量日益增长的多源、异构遥感影像组织与管理问题,在分析遥感影像特点的基础上,设计并实现了海量遥感影像高效可视化管理系统。研究了系统的组织架构,借助三维地球技术,提升系统的可操作性与视觉体验;采用元数据库技术,实现海量、多分辨率遥感影像的统一、快速查询、检索与定位;通过遥感影像缩略图、金字塔模型和线程池机制,提高遥感影像读取及可视化显示的效率。最后,完成了基于三维地球的遥感影像可视化管理系统的功能集成,实现遥感影像的多种管理模式和多层次需求。在此基础上,在实际工程应用中为海量遥感影像的分发服务提供有力的技术保障。     

基于改进HOG特征的建筑物识别方法

随着机器学习方法的广泛应用,建筑物识别技术得到了快速的发展,识别的准确性一直是人们关注的重点。梯度方向直方图（HOG）特征提取方法中的梯度求解方式不能有效提取建筑物的边界特征,直接影响了识别的准确性,提出基于方向可控滤波器的HOG算法,利用支持向量机学习方法实现建筑物的识别。实验结果表明,该方法在平均准确率、TP、FP、召回率、精确率和F1值等指标上优于基于方向可控滤波器的建筑物识别方法,证明了该方法可以有效识别建筑物。