基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

面向卫星电源系统的一种新颖异常检测方法

面向卫星电源高维周期性时序遥测数据，提出了一种新颖的代表性特征自编码器（RFAE）模型，并用于无监督的异常检测。RFAE采用改进的堆叠自编码器损失函数和训练算法，从而使模型可以学习到相位相同样本的代表性特征；然后根据代表性特征重构样本，根据重构误差来判断样本是否异常。在试验部分首先通过模拟数据校验了RFAE算法能够有效地检测出高维周期性时序数据的异常，然后又采用某卫星电源系统2014年1~12月真实遥测数据进行试验，RFAE异常检测准确率达到99%，检测效果明显优于目前的其他异常检测算法，具有较高应用价值。     

通信信号智能调制识别对抗攻击研究

基于深度学习技术的通信信号调制识别算法由于其优秀的特征提取能力,极大地提升了调制识别任务的精度,但是对抗样本特性的存在,导致基于深度学习的调制识别模型的安全性受到了极大威胁,通过在训练好的调制识别网络中添加设计好的特定微小扰动,就可以使得调制识别模型完全失效。研究了基于深度学习的调制识别模型及其对抗样本攻击方法,提出一种基于快速梯度符号法的定向扰动生成方法,该方法在扰动和原始信号功率比为-21 dB的条件下,针对11类常见的不同调制种类的通信信号生成扰动,实现对通信信号调制识别模型的定向攻击,为智能调制识别模型的攻防对抗提供参考。     

KDTGAN：基于Transformer-GAN和知识蒸馏的高光谱目标检测

高光谱目标检测在地球观测中至关重要,被广泛应用于军事和民用领域。然而,由于高光谱图像的背景复杂性和目标样本的有限性,该任务面临较大的挑战。本文首先采用CEM（约束能量最小化）粗检测方法提取背景数据。随之,引入了一种新的知识蒸馏模型,即KDTGAN（通过Transformer-GAN实现）。教师模型的生成器采用了Transformer编码器的结构,并结合多尺度数据融合的方法,能够准确地学习背景分布,进而通过重构背景信息实现目标检测。为了克服GAN（生成对抗网络）训练不稳定的挑战,特别是纯背景数据的稀缺性,本文提出了一种新的损失算法,以减小可疑目标样本对模型性能的负面影响。为了降低模型的计算负担,本文引入知识蒸馏,并设计新的蒸馏损失对学生模型加以约束,使模型轻量化的同时提高学生模型检测精度。实验结果表明：KDTGAN相较于当前检测方法表现更优,具有更高的检测精度和鲁棒性。     

应急遥感影像信息快速提取方法探讨

针对应急影像信息快速提取需求,采用对应分析方法,实现最优波段组合和监督分类训练样本的快速选择与提纯,提高应急影像分类精度。对应分析方法分别将波段和像元值设为对应分析的变量与样本,建立波段与像元值间的对应关系,判别各类别相关性最强的波段信息,有效解决监督分类样本不纯、波段间信息冗余的问题。试验结果表明,该方法可快速、准确的筛选样本,分类结果稳定、可靠,适用于快速准确地提取应急影像信息。     

基于机器学习的二次电子发射唯象模型

基于机器学习和深度人工神经网络（artificial neural network，ANN）提出一种二次电子发射唯象模型。利用Vaughan模型生成先验数据集，用于训练生成描述二次电子发射一般规律的先验知识ANN模型，并在不同参数条件下验证了先验知识ANN模型的正确性。然后，分别利用银和铝合金材料的二次电子发射系数实验数据修正先验知识ANN模型，分别得到了描述两种材料的特异ANN模型。测试结果表明，特异ANN模型计算结果与实验结果相比的平均绝对误差较Vaughan模型和Furman模型降低了30%以上，与复合唯象模型精度相当或更高。在小样本条件下测试了二次电子发射ANN模型的正确性，验证了分步训练方式的有效性和二次电子发射ANN模型对于小样本集的适应性。提出的基于机器学习的二次电子发射唯象模型能够避免复杂的参数修正过程，能够基于先验知识提升模型对于小样本的适应性，能够实现二次电子发射系数的连续插值，适于在数值模拟软件中使用。     

实时嵌入式软件系统测试需求建模研究

使用形式化语言构建测试需求模型,有助于提高系统测试的自动化程度.UML状态图具有形式化特征,适合复杂系统详细行为的描述.本文基于面向对象思想,以状态图为核心技术,结合类图,提出了一种适合实时嵌入式软件的系统测试需求建模方法.该方法对被测软件系统的静态结构和动态行为进行建模,能清晰、完整地描述测试输入信息,包括前置条件、接口数据、激励事件、过程描述、后置状态等.并通过相关的建模机制实现了对实时性、并发性、时序性及数据反馈等约束特征的描述.基于该方法生成的需求模型,结合一定的测试用例生成策略,可以自动生成测试用例.作为示例,本文结合该方法对某飞行器控制功能进行建模,模型具有简洁、直观、易用的特点.     

分布式卫星编队飞行队形保持协同控制

针对分布式卫星编队飞行队形保持控制问题提出一种分布式协同控制算法,并给出该协同控制算法与编队卫星星间信息传递拓扑结构之间的关系。该协同控制算法以模型预测控制为基础,利用分布式编队卫星的自然特性以及编队卫星之间的信息传递拓扑结构,采用分布式的算法结构,设计分布式的模型预测协同控制算法。该控制算法是一种在线滚动优化控制算法,同时能够较好地解决存在状态约束、控制输入约束等情形下的各种控制问题。最后通过数值仿真验证了结果的有效性。仿真结果表明,当编队卫星星间信息传递拓扑结构中存在生成树时,提出的分布式协同控制算法能够有效地应用到编队卫星队形保持控制问题上来。     

旋压整体成形铝合金贮箱箱底内压稳定性先验设计研究

提出一种面向力学域与制造域相结合的、采用成形制造工艺力学模型精确表征制造特征影响的先验设计方法,并结合先进的边缘约束无模旋压成形工艺阐述先验设计理论方法与设计流程。通过旋压工艺力学模型获取箱底结构的制造工艺特征,针对制造工艺特征建立内压稳定性分析模型,研究了旋压工艺特征对稳定性的影响,与传统的一阶模态缺陷、单点凹陷缺陷进行了对比。研究结果表明,先验设计方法能够较好地捕捉制造工艺特征引起的结构屈曲模态的改变,能够较准确地预测结构的极限承载能力。     

基于堆栈自编码网络的铣刀磨损特征提取方法

针对传统切削数据人工提取的特征主观性和盲目性强、特征提取过程耗时且提取质量难以保证等问题,提出一种基于堆栈自编码网络(SAE)的切削信号数据特征提取方法,构建了由3个自动编码器(AE)组成的SAE网络。前一个AE无监督训练后得到隐藏层特征,作为下一个AE的输入,最后整体利用反向传播算法进行有监督微调,从而得到更优的特征表达。从基于SAE的数据重构性能分析和加工信号特征主成分分析2个层面,对切削信号特征提取的优劣进行评估。实例验证说明,相比于传统手工提取特征的方法,所提方法在压缩信号的特征提取方面表现出明显的优势,进一步说明了SAE特征提取的有效性。