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。

针对大规模低轨导航星座部署中时频系统面临低成本、低功耗与高精度（亚纳秒级）的多重需求，本文提出一种基于微步进的恒温晶振（OCXO）时钟频率精细控制方法，解决晶振长期频率漂移问题。通过建立调频量化噪声模型，结合48位直接数字频率综合器（DDS）实现5×10^-13分辨率的高精度频率实时校正，构建满足快速精密定位服务的约束框架和调频流程方法。结果表明：该方法在24小时连续测试中，系统钟差精度（RMS）提升至0.24 ns，长期频率稳定度（10 000 s）达3.16×10^-14（较自由状态优化3个量级），短期稳定度（1 s~20 s）损失仅25%，为低轨星座建设提供了低成本、高精度、高稳定性时频基准解决方案。

随着电子技术和电机PWM控制技术的发展，电动伺服系统逐渐由模拟体制向数字体制转变。闭环控制周期是数字化伺服系统中的一个关键参数，它受到系统机动性、硬件资源、供电能力、功能性能等诸多制约，因此必须权衡设计闭环周期。目前国内外针对伺服系统闭环周期论述的文献较少。本文以电动舵机伺服系统为研究对象，首先详细分析了电动舵机伺服系统的组成、工作原理及信号传输链路；接着对电动舵机伺服系统进行数学建模，以及P-D控制律设计；然后基于Simulink建立了伺服系统仿真模型，分析不同闭环控制周期对系统各性能的影响；最后搭建实验平台，验证不同闭环周期对伺服系统性能的影响。仿真分析得出：随着闭环周期增大，阶跃响应速度有所减小；适当地增加闭环周期，能在一定程度上减小瞬态电流，避免大的瞬态电流拉低系统电压从而造成计算机复位的风险。本文研究对开展伺服系统和与其交互的平台系统正向设计具有一定的指导意义。

本文针对固定电容器相关标准规定的介质吸收系数检测要求，进行工程可行性研究，包括等效电路分析及实物验证，取得满意效果：证实单支路模型的合理可行性，有效简化电路分析。电容充放电后测取的剩余电压和电流呈现明显的峰值，充分反映吸收效应的存在及其变化规律。由峰值存在条件不难发现参试电容必须容值一致，便于比较定级。介质吸收系数的表达方式有电压型及电流型之别。测试用的高输入阻抗仪表须与信源阻抗匹配。

随着雷达电子干扰技术的快速发展，雷达所面临的有源干扰的多样性、干扰策略的变化性持续增长，雷达对鉴别有源干扰类型的需求愈发迫切。传统的有源干扰特征识别方法识别效果有限且泛用性差，现有的基于深度学习的方法参数规模较大且具有较高的数据需求，限制了其自身的发展和应用。为在参数量和数据量有限的条件下提高有源干扰识别效果，本文研究了基于多模态融合的小样本轻量化有源干扰识别算法，利用时间局部性实现了信号时频特征及高分辨距离像特征的轻量化融合，利用度量学习与特征检索技术提高了小样本情景下的干扰识别准确率。仿真和实测数据实验表明，本文提出的方法在多种情况下具有良好的识别效果。

受全球气候变化影响，近年来极端天气事件愈发频繁，台风发生的数量增多、强度增强。由于台风破坏力极强，对经济社会发展、人民生命财产安全以及海上活动都会带来严重影响，因此，实时定位台风对于减少其不利影响极为重要。本文基于我国风云四号静止卫星多通道扫描成像辐射计的红外云图观测资料，结合热带气旋最佳路径数据集，采用深度学习YOLOv8目标检测算法，实现了台风的自动识别和快速定位。验证结果表明：强热带风暴及以上强度台风的识别准确率超过83%，定位精度达到88%以上。这一成果为海上活动、海上交通运输以及海洋学研究提供了坚实的数据支撑，有效提升了台风监测的准确性和时效性，增强了相关领域的安全保障能力。

目标与观测平台之间的径向加速度会引起多普勒频率发生变化，多普勒变化率高精度估计在信号处理领域具有广泛的应用前景。为了提高处理增益，首先在脉内采用频域累积，将长时时域数据稀释为有限的谱线数据，然后再通过脉间切片谱相关处理，将多普勒变化率估计问题转换为最小二乘估计问题，使得脉间积累成为可能，通过脉内积累和多脉冲最小二乘估计可以大大提升处理增益进而获取较高的估计精度。同时通过谱相关处理，巧妙避开了信号载频、到达时间和初相的准确估计难题，对于脉内调制和重复周期变化特征不敏感，普适性强，工程应用价值高。最后通过各种场景下仿真试验，验证了算法的原理正确性、普适性和高精度估计特性。

自适应单脉冲技术是相控阵雷达实现目标检测和角度估计的常用方法。本文针对主旁瓣干扰并存的复杂环境下，因常规自适应波束形成算法性能下降导致单脉冲测角结果出现较大偏差的问题，设计了相控阵雷达两级自适应主旁瓣复合式干扰抑制方法。其中，第一级自适应利用改进的GSC结构完成对旁瓣干扰的抑制，同时通过构造阻塞矩阵，在抑制旁瓣干扰时，避免目标和主瓣干扰被削弱，实现主瓣保形；第二级自适应利用和差四通道主瓣干扰相消完成对主瓣干扰的分维抑制，即在自适应抑制俯仰或方位向主瓣干扰的过程中，保持方位或俯仰方向和差方向图的非自适应性，进而获得近似静态鉴角曲线的自适应鉴角曲线。仿真结果表明，本文方法实现了对主旁瓣干扰的有效抑制，同时保证了良好的单脉冲测角性能。

海洋资源开发与安全监测需求日益增长，这对水下探测和定位的精确性和效率提出了更高要求。传统水下地声探测设备因体积庞大、部署困难等问题已难以满足现代海洋观测需求。针对高精度、小型化水下地声探测的技术需求，本研究提出基于微机电系统（MEMS）技术的地震波传感器设计方法。通过构建敏感结构的二阶动力学模型，结合ΣΔ调制器实现全集成闭环系统控制，采用Simulink平台完成行为级建模与非理想特性仿真优化，并通过0.5 μm CMOS工艺实现芯片集成，芯片有效面积为7.8 mm²。本文设计了全差分前级电荷放大器、相关双采样电路。测试结果表明：传感器灵敏度达1.5 V/g，工作带宽300 Hz，1 Hz带宽下动态范围约为136 dB，等效输入噪声低至154 ng/√Hz，非线性度为0.065%，偏置稳定性约为28.2 μg，FOM值为204.5 μW·μg/Hz。本文最后验证了MEMS技术在水下地声探测领域的高精度应用潜力，这为地震监测与海洋环境感知提供了小型化解决方案。