一种基于深度学习的高轨卫星CEI信号频率估计算法

针对高轨卫星连线干涉测量(Connected Element Interferometry,CEI)信号的高精度频率估计这一难题,建立了CEI中的正弦信号频率估计模型。设计了基于深度学习框架的CEI信号频率估计算法,将算法划分为基于前馈深度神经网络的频率表征模块和基于卷积神经网络的频率计算及估计模块,在此基础上设计了各模块的具体结构和学习训练流程。对于算法的核心模块进行了仿真实验验证,并将所提算法与前人的相关算法进行了比较与分析,证明了该算法的有效性、稳定性和优越性。     

基于直线运动机构的大变倍比红外变焦成像系统

针对同时兼顾大范围搜索和精确识别目标的迫切需求,研制了一种大变倍比红外变焦成像系统,设计两片独立运动的变倍镜及一片补偿镜,通过两个变倍镜级联的方式获得大变倍比。结合系统运动镜片多及变焦曲线复杂的特点,采用直线运动机构实现镜片变焦运动,使用集成编码器及螺纹丝杆的直线电机作为驱动。通过有限元仿真开展了系统力学分析,所设计镜片最大位移为3.04×10^-3 mm。成像系统适用于中波红外制冷式640×512焦平面阵列探测器,变倍比达到55倍。实验室成像及外场实景成像的结果表明,系统在焦距由6 mm至330 mm连续变化的过程中成像清晰、像质良好,验证了系统的连续变焦成像性能,该设计合理可靠。研究成果在搜索、跟踪、侦察、监视等方面有广阔的应用前景。     

用于空间BIB探测器的0.3 W@4.2 K大冷量轻量化低温系统

大阵列BIB探测器由于其高量子效率和低暗电流而成为广泛的研究对象,特别是在空间应用方向。如2021年发射的詹姆斯韦伯太空望远镜,它已经进行了许多重要的天文观测。一个稳定、高效、轻量化的液氦温区低温系统对BIB探测器的运行至关重要。氦节流制冷机可取代传统的大容积液氦杜瓦,能满足空间液氦温区的制冷要求。为了同时提高4.2 K的制冷量并减轻重量,提出了一种0.3 W@4.2 K的大冷量轻量化的4.2 K低温制冷系统。并且在现有0.1 W@4.1 K制冷量的低温系统上进行实验,验证了该系统的设计方法。在不同的冷却温度区采用不同的冷却方法,以实现冷却的高效性和轻便性。开发了一个新的集成斯特林制冷机,在80 K时提供高效的一级预冷,制冷量为15 W,重量仅为4.5 kg;二级预冷采用主动活塞调相的15 K脉管制冷机,制冷量为0.9 W。此多级低温制冷系统通过耦合氦气JT循环,可以在4.2 K时提供0.3 W的制冷量,输入功低于1.8 kW。此系统将为正在快速发展的红外天文观测所需的空间BIB探测器提供保障。     

电路课程个性化教学辅助系统设计与应用

本文设计了一种集题目编辑、测试发布、在线测试和成绩分析等功能于一体的电路课程个性化教学辅助系统,学生在测试和练习时可以逐级获得解题提示,系统根据学生答题情况,自动分析学生学习信息,推送个性化练习题和测试试卷,促进学生个性化知识点的强化训练。教师可全面掌握学生个性化学习信息。经过探索和实践,该系统增强了学生对课程知识点的系统认识,有效促进了课程教学目标的达成。     

“通信与电子信息科技英语”混合教学设计

基于“通信与电子信息科技英语”课程教学,提出了适用于该课程的线上线下混合教学设计。首先分析了课程的特点和存在的问题,并以混合式课程教学目标为基础,提出了混合教学设计的内容,包括：线上和线下教学内容分配、混合教学资源建设、混合教学活动设计以及课程考核设计。     

嵌入式操作系统教学方法研究

提升电子信息工程专业学生分析问题和解决问题的能力,是建设课程思政的重要任务。嵌入式操作系统专业课程内核要素众多且相互耦合,导致学生较难理解这门专业课程的知识点。针对此,本文从内核要素、运行时序和案例分析的角度,研究嵌入式操作系统教学方法,通过教学案例和学生实验成绩验证了所提教学方法的教学效果。该教学方法有助于提升该门课程的教学效果。     

“数字电子技术基础”MOOC设计与应用

采用线上线下混合教学模式已经成为提升教学质量的必要手段。2021年3月数字电子技术基础在中国大学MOOC平台上线,基于项目教学法,重构知识体系,以4个精心设计的、循序渐进的、侧重不同知识点的、具有代表性的项目为课程脉络主线,讲解过程中广泛采用对比教学法、层次教学法、错误引导法,逐步引领学生建构知识体系。本MOOC课程可有效缓解学时不断减少与挑战度要求不断提高之间的矛盾。     

基于显著性检测的星载嵌入式跟踪系统

随着航天科技的不断发展,计算机视觉算法在卫星上的应用方兴未艾,为了实现更多的功能需求和应对可能的威胁,视觉目标跟踪作为其中基础但具有挑战性的任务更是至关重要。然而,目前已有的目标跟踪算法大多数算法只限于对图像序列进行跟踪。另一方面,受到硬件条件制约,很多优秀的算法因为复杂度较高很少被应用到星载嵌入式系统中。这些目标跟踪算法运行时,通常需要人为地给出目标的边界框。为了自动得到边界框,需要目标检测算法对输入图像进行运动目标检测。本文提出了一种基于显著性检测和相关滤波的单目标检测与跟踪一体化算法,并与嵌入式系统相结合,在搭载的TMS320C6678芯片上达到了2 048 pixel×2 048 pixel分辨率下24 fps的帧率。具体地,检测算法负责对图像进行预处理并获得边界框,然后目标跟踪算法给出目标在后续帧中的位置。为了验证算法在实际跟踪中的有效性,本研究搭建了一个由相机、DSP和云台组成的光学平台并进行了实验验证。在该系统中,DSP自动完成检测、跟踪、驱动云台和再检测任务,达到了很好的检测跟踪效果。     

基于无人机的空地信道特性测量系统

随着各种飞行器和通信一体化的发展,对空地信道特性的研究变得愈发重要且迫切。针对空地通信场景,本文研制了一套由无人机发射单元和地面接收单元组成的无人机空地信道测量系统。该系统选取具有平坦功率谱特性和大动态范围的ZC序列作为测量序列,利用硬件实现实时提取信道冲激响应(Channel Impulse Response, CIR),并通过采样偏差恢复、系统响应校正等方式,提高信道测量系统的准确性。实测验证结果表明,本文研制的信道测量系统与信道模拟器模拟结果和射线跟踪(Ray Tracing, RT)仿真结果基本一致。最后,开展了校园场景空地实测活动,分析了该场景路径损耗(Path Loss, PL)、莱斯K因子、均方根时延扩展(Root Mean Square-Delay Spread, RMS-DS)等信道特性。     

5G光载无线通信前传系统数字预失真线性化研究

第五代移动通信系统新空口(5G NR)的信号带宽、调制度和峰均比相比4G信号高很多。用于小蜂窝或微蜂窝基站组网的光载无线通信(Radio-over-Fiber, RoF)前传系统的非线性失真也更加严重。为了使5G NR信号线性传输,采用记忆多项式(Memory Polynomial, MP)和广义记忆多项式(Generalized Memory Polynomial, GMP)模型构建数字预失真器,矫正5G RoF前传系统的非线性。在实验中搭建了2 km光纤的RoF前传系统,并采用100 MHz带宽5G NR信号作为测试信号对其进行线性化测试。实验结果表明,采用MP和GMP数字预失真器进行线性化时,5G RoF前传系统的邻信道功率比(Adjacent Channel Power Ratio, ACPR)可分别改善13 dB和17 dB以上。这说明MP和GMP数字预失真器对5G RoF前传系统的非线性具有显著的抑制作用。因此基于MP和GMP两个模型的数字预失真器均可用于5G RoF前传系统的线性化,而且GMP预失真器比MP预失真器对该系统线性化的能力更强。