针对航天器在轨运行环境中故障样本稀缺、工况多变及传统诊断方法对模型精度和标注数据依赖度高的挑战，本文旨在系统综述基于迁移学习的航天器故障诊断技术及其发展趋势。文章分类梳理了四大迁移学习策略——基于实例、基于特征、基于模型和领域自适应，并结合重要性加权、自适应批量归一化、参数微调与对抗性训练等关键技术，分析了各策略的原理、优劣与典型应用场景；同时探讨了多策略融合框架在复杂工况下的协同作用及创新要点。综述表明：通过源域与目标域知识迁移，迁移学习方法可有效缓解数据不足与分布偏移问题。多源域适应与对抗性域自适应的迁移学习为航天器智能故障诊断提供了有力支撑。后续工作应聚焦无源域自适应、多模态数据融合、半监督迁移学习及模型可解释性，以推动该领域技术在实际航天任务中的应用与发展。

本文综述了遥感卫星数据传输技术的发展现状和未来趋势。文章首先介绍了遥感卫星数据传输的发展历史，进一步介绍了遥感卫星数据传输技术，详细阐述了数据压缩、数据加密、数据组帧、数据编码、数据调制以及数据发送等关键技术。接着分析了遥感卫星数据传输面临的带宽限制、信号处理、实时性和数据处理的挑战，并总结了采用激光进行数据传输、采用更复杂的调制体制以及采用多源融合和计算传输等应对挑战的策略。最后展望了未来星间激光中继传输、星上计算传输、计算星座应用于遥感卫星智能在轨融合的发展趋势。研究表明，遥感卫星数据传输技术将朝着更高传输速率、更高可靠性、更便捷的数据处理和更智能的任务流程的方向发展。

现有基于深度学习的调制识别方法难以适应具有显著时变特性的短波信道，限制了其在短波信号调制识别中的应用。此外，在非合作短波通信场景中，训练数据集通常难以覆盖所有可能出现的调制类型，因而开集调制识别具有重要应用价值。本文结合通信领域知识和开集识别技术，提出了一种基于多模态特征融合的短波信号开集调制识别方法，有效缓解了短波信道时变性和未知调制类型对识别性能的影响。所提方法首先利用通信领域知识获得对信道变化具有鲁棒性的多模态特征，随后通过多模态特征融合和深度特征学习来提取具有判别性的深度特征表示，从而有效地识别已知和未知调制类型。此外，还通过流形混合策略生成混淆数据作为虚拟样本辅助网络训练，以提高网络对未知类型的识别能力。实验结果表明：所提方法优于现有的开集调制识别方法。当训练与测试信号的信道条件相同时，其开集识别性能有3%以上的性能提升；当测试信号的信道条件发生剧烈变化，即训练与测试信号的信道条件不同时，其性能较现有方法提高了8%以上，对信道变化表现出较强的鲁棒性。

在航天测控通信领域，精准的遥测、遥控与数据传输能力是保障航天器可靠运行的关键技术。随着航天任务复杂度的不断提升和测控通信环境的日益严苛，测控系统对通信链路的可靠性提出了更高要求。Polar（Polar code，极化码）是一种高可靠、低复杂度、高增益的编码方式，对载波频偏误差高度敏感。针对航天测控通信系统对可靠性和同步精度的双重高需求，本文提出了一种基于Polar码辅助的频偏估计（Polar code-aided frequency offset estimation，PCAFOE）算法模型，并基于均方误差（Mean Square Error，MSE）的估计指标进行了蒙特卡罗仿真和相应分析。与传统的载波同步频偏估计算法相比，PCAFOE算法具有更高的估计精度，能够显著提高测控通信系统的载波同步性能，为新一代航天测控系统提供有效的技术支撑。

针对无人机集群组网场景中双天线空时编码（STBC）通信系统现有的信道估计算法由于阈值固定、对信道响应长度内噪声处理不足导致的路径漏检、性能不佳的问题，本文提出一种基于能量比置信度的动态双阈值判决的信道估计改进算法，并且该算法无需预先获取确切信道响应长度。对该算法的性能进行了对比仿真，结果表明，本文提出的算法相较于传统基于阈值的傅里叶变换-最小二乘算法在误码率为1E-5数量级时有接近2 dB的性能提升，并且能有效地滤除信道冲激响应估计值中的噪声，提升了无人机集群组网中的信道估计性能。

针对28 V抗辐射P沟道场效应晶体管在阻性负载10.4 Ω时出现输出电压波形振荡的问题进行了研究，发现主要原因是器件自身寄生参数与外围电路参数的失配。为规避这一现象，提出了电路改进方案，即在栅极串联电阻以降低V_GS变化速率，破坏振荡发生的条件；同时在栅源电极增加钳位二极管，确保栅源电压V_GS始终低于额定值，以提升电路工作的安全性和长期可靠性。

S频段单通道测控设备的和差通道存在相位差，相位差还会随环境变化、传输介质及组装工艺的不同而产生变化，因此在进入基带终端进行信号解调前完成相位差的校正，才能解调出正确的角误差信号，最终实现对目标的稳定跟踪。在实际工作中，多采用高位架设信标机的方式进行相位差校正，可以有效解决和差相位不一致的问题，但是随着测控设备布站地域拓展和状态准备时间压减，传统的校相方法已不适用。本文研究在一定频率工作范围内，通过提前测试出S频段单通道测控设备的相位差，利用线缆补偿或者增加移相器等器件，设计之初就在一定误差范围内减小相位差对角误差的影响。后期设备在使用过程中，免除了开展校相的复杂工作流程。本文给出了S频段单通道测控设备免校相的原理和方法，并通过实验验证了本文方法的有效性。

媒体接入控制（MAC）协议是无线通信系统的关键环节，其中基于统计优先级的多址接入（SPMA）协议采用优先级阈值和退避机制优化信道资源分配。在特定场景下，传统SPMA协议在阈值设置和退避时间计算上存在不足，本文提出一种结合动态阈值调控与多要素退避的协议改进方案。在阈值动态调控方面，依据各优先级数据包传输成功率实时调整阈值，确保优先级阈值与业务需求动态适配。高负载场景下，通过熔断机制抑制低优先级发送。在退避时间计算方面，引入信道负载差分因子，融合优先级等级、业务比例及负载变化速度，构建多要素融合退避算法。仿真对比表明：改进的协议在网络吞吐量、传输成功率和时延性能上显著优于传统SPMA协议。低负载场景下，低优先级传输成功率提升约5%；高负载场景下，通过熔断机制抑制低优先级发送，保障高优先级传输成功率维持在80%以上。同时，改进协议将各优先级平均端到端时延控制在10 ms内，最高优先级时延低于2 ms，有效满足差异化服务质量需求。

目前，航天器软件设计愈发复杂、功能逐渐增多，如果能够将其模块进行合理拆分，可以更好地进行编码与管理。然而考虑到成本、功耗、布线等因素，难以让多个软件各自运行在不同的CPU芯片中。现在多核CPU技术发展迅速，一块CPU芯片中可以集成多个CPU内核，达到使用一块CPU芯片就可以同时运行多个软件的目的。以S698PM这款国产多核CPU芯片为基础，本文提出一个多核CPU引导监控软件的设计方案，使该芯片能够加载并启动2个CPU内核，并令其运行不同的业务软件。经过实验测试证明，该方案能够正常完成CPU的多个内核的引导功能，并完成对业务软件的重构工作。目前以该方案为基础的引导监控软件在轨运行良好，能够完成规定的所有功能。

针对分布式光伏系统规模化并网导致的数据维度激增与计算复杂度高的问题，提出一种基于边界特征辨识与K维树优化的数据压缩算法。首先，基于决策边界敏感度理论构建了最小化总延迟的优化框架，提出增强的类间边界保留算法（EIPB），通过动态维护决策边界特征，降低传输数据量；其次，提出基于K维树（KD-Tree）空间划分的增强特征选择算法（EIS），利用近邻搜索加速技术，提升特征辨识效率；最后，优化动态误差分配的扇形无损压缩算法（DEASC），通过自适应斜率约束与多阶段熵编码，实现压缩效率与保真度的协同优化。实验结果表明：EIPB-EIS联合算法相较于传统方法，平均压缩比提升至7.8，重构百分比均方根误差降至0.51%，传输延迟降低了62.7%，解决了高维光伏数据的高效传输与精准重构难题。