空管雷达组网的分布式数据融合技术研究

现代空中管制多采用多雷达组网技术对飞机进行监视，以扩大监视空域的覆盖面积并提高对飞机的监视精度。本文就空管雷达网分布式数据融合系统的体系结构进行研究，给出四种分布式体系结构的模型，总结了能够用于分布式组网雷达体系结构的数据融合的基本方法。并展望这一技术的发展趋势和应用前景。     

无人机航拍影像目标检测与语义分割的深度学习方法研究进展

无人机（UAV）因其小型轻便、操作简单等优点获得了广泛的应用。将深度学习方法与无人机系统相结合,有助于在清晰度高、视野范围广的无人机航拍影像上快速准确地检测出所需目标,相关课题已成为当前的研究热点之一。对近十年来无人机航拍影像目标检测与语义分割的深度学习方法研究进展进行了综述。首先概述了无人机及其航拍影像的特点和广泛的应用场景,简述了无人机航拍影像目标检测与语义分割方法的发展历程。然后对基于深度学习的无人机航拍影像目标检测与语义分割方法按照不同的网络模型进行分类,分别总结了它们的改进策略、应用场景、贡献和局限性。随后收集梳理了近些年无人机航拍影像的数据集,归纳了常用的卷积神经网络模型的评价指标。最后指出了本领域目前存在的相关问题,并对未来的研究趋势进行了展望。     

空中交通管制的可视化仿真模型

随着航班量日益增长,空域结构、扇区划分、程序设计等方面的是否合理显得尤为重要,构建仿真模型的主要原因是在没有真实航班的情况下生成数据。可以使用python运行模型来预测和观察进出港航班,而不需要在飞机或是地面管制单位安装传感器来测试新的思路或技术如何影响现实的空管工作。这有助于加速空管系统的优化和数据收集。利用HTML和python语言进一步分析数据,得到数据间的关联性并进行可视化的展示。智能空管的建设需要训练机器学习模型,这需要巨大的数据集,数据的收集和处理成本可能很高。通过仿真模型在程序上生成数据可以很容易地达到目标。     

构筑新型空域管理体系——波音空中交通管理集团的关注焦点

现有的以雷达为基础的空域管理体系不能利用飞机意图数据,要预留大片空域来确保飞机进近和离场等情况下的安全性,因而美国和欧洲的空管体系已饱和。在航空运输业迅速发展和空域日趋紧张的情况下,必然要求一种更适应当前和未来航空运输的空域模式出现。 成立于2000年11月的波音空中交通管理集团利用波音已有的空管方面的人才,考虑到自身与亚太地区利益的同一性,力争提供一个较好的未来空中交通解决方案,以缓解亚太和全球的航班延误与     

基于迁移学习的无人机对地面目标识别研究

无人机对地面目标的识别精度受到数据集少和目标小的影响。传统深度学习需要大量有标注的数据集,限制了在具有小样本下的无人机对地面目标识别领域的应用。将迁移学习的方法用于卷积神经网络VGG16,并修改VGG16网络最后的3个连接层;同时利用单样本数据增强法将UC Merced数据集扩大到原来的8倍,对其进行验证和对比分析。实验结果表明,基于迁移学习的VGG16网络对地面目标识别的准确度可达97.62%,相较于未使用迁移学习的VGG16网络模型,整体提高了23.53%。并且在相同训练参数的设置下,模型比SqueezeNet、AlexNet、Inceptionv3、MobileNet-v2以及EfficientNetb0模型验证精度提高了3.63%～17.38%,收敛速度最快,可基本满足对地面目标的识别。     

基于深度学习的无人机航拍目标检测研究综述

目标检测是提高无人机（UAV）感知能力的关键技术之一,其研究对于无人机的应用有着重要意义。与基于手工特征的传统方法相比,基于卷积神经网络的深度学习方法具有强大的特征学习和表达能力,成为目前目标检测任务的主流算法。近年来,目标检测技术已经在自然场景图像上取得了一系列突破性进展,在无人机领域的研究也逐渐成为热点。首先系统阐述了基于深度学习的目标检测算法的研究进展,并总结了相关算法的优缺点。对常见的航空影像数据集进行了梳理并介绍了迁移学习的方法;从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发,对无人机目标检测在近期的研究进行了归纳和分析。最后讨论了存在的问题和未来可能的发展方向。     

空管多雷达数据融合系统的设计与实现

现代空管多采用多雷达联网技术对飞机进行监视,以扩大监视空域的覆盖面积并提高对飞机的监视精度。本文设计了一套分布式空管多雷达数据融合系统的体系结构,对数据融合流程中的各关键步骤进行了详细介绍,并结合工程实际和具体的开发环境,对系统的工程实现进行了详细的阐述,其中包括系统的主要功能模块划分,以及各模块的内部流程结构和相互关系,最后给出了系统实现的结果和结论。     

基于改进人工势场法的无人机避让航迹规划

随着无人机技术的不断发展,以及无人机应用领域的不断扩展,无人机与有人机在低空空域的融合运行是我国通用航空事业发展的必然趋势,而感知与规避技术是无人机与有人机间避免碰撞的重要保障。在对感知与规避技术进行详细阐述的基础上,对其关键技术问题之一的避让航迹规划进行了研究。首先,针对传统人工势场法的局部震荡问题提出了解决方案;其次,结合感知与规避实际背景,对威胁区模型进行了优化,并对无人机自身性能约束进行了建模;最后,对改进算法进行了仿真验证,阐明了其对无人机动力能源消耗、避让时间和任务执行效率等方面的影响。     

空域网格化方法及其在空管中的应用研究

传统的空域理论方法面临交通密度快速增长、空域管制对象复杂多类异构等一系列问题,研究空域数字化建模,发展出新的空中交通四维时空框架,在此基础上开展全新的空域与空中交通流量协同管理是当前的迫切需要。本文聚焦包括平面格网模型以及空域空间格网模型的空域网格化方法的总结,并对空域网格化方法的空管应用研究进行综述,在此基础上,对空域网格化及数字化研究重点及发展趋势进行综合分析。本文研究能够为空域网格化及数字化理论与应用的可持续发展提供科学指引。     

无人机航拍野生动物智能检测与统计方法综述

近年来无人机航拍技术逐步应用于野生动物保护,在很大程度上提高了考察效率。由于航拍图像与地面拍摄图像的特征差异较大,加之野生动物生存环境背景复杂,目前没有通用的方法可直接应用于野生动物航拍图像的检测与统计。本文回顾了智能检测和统计技术近年来的发展,针对无人机航拍野生动物图像的大场景、小目标、多尺度、复杂背景等特点,介绍了无人机航拍动物群数据集的选取与建立方法,以及基于深度学习的检测与统计方法,并进行了深层次地分析,归纳了各类方法的优势和可应用场景,总结了各方法的特点和适用范围,同时针对存在的问题给出了改进方向。     

多尺度层级金字塔网络的无人机入侵检测方法

近年来,无人机的快速发展给众多领域带来便利,然而无人机入侵给机场安全带来了巨大的挑战。由于无人机目标小、背景复杂、飞行速度快等特点,现有的主流目标检测方法通常难以准确地识别出入侵的无人机,易产生误检漏检的现象。提出了多尺度层级金字塔网络的无人机入侵检测方法,同时利用特征融合模块赋予特征金字塔不同层级、不同尺度的图像语义信息,并通过网格删除和4-Mosaic数据增强技术,对小样本数据集进行扩充,有效地提高了模型的泛化性能。实验表明,方法较于目前最优的无人机检测方法性能提升了5.5%。     

低空小型无人机空域冲突视觉感知技术研究进展

无人机（UAV）空域冲突感知技术是国家空域集成中最具挑战的关键技术,针对小型无人机在低空空域应用愈加广泛、迫切需要融入低空空域的背景,综述了低空小型无人机空域冲突视觉感知技术的研究进展。首先,论述了低空小型无人机的应用现状,归纳了低空空域环境与小型无人机的典型特征;其次,根据感知对象的类型,将现有的空域冲突感知设备分为协同式与非协同式2类,通过对比总结了机器视觉作为低空小型无人机空域冲突感知设备的优势;然后,论述了视觉信息预处理、入侵目标视觉检测、基于视觉的避障路径规划这3项空域冲突视觉感知关键技术的最新研究进展;最后,总结了该领域有待进一步解决的难点,并对未来的发展方向进行展望。     

对我国空域管理改革问题的思考与对策

在我国进行第三步空管体制改革时，必须注意对空域管理问题的研究。军民航空管部门应从树立大局意识，理顺飞行空域结构，明确空域管理权限、范围和职责，推进“统一管制”目标实现等方面做好空域管理工作，为国家空管体制下一步改革做出应有贡献。     

基于深度强化学习的空战机动决策试验

空战智能决策将极大改变未来战争的形态与模式。深度强化学习决策机可以挖掘飞行器潜力，是实现空战智能决策的重要技术范式，但其工程实现鲜有报道。针对基于深度强化学习的双机近距空战机动智能决策的工程实现问题，开发了适于应用的深度神经网络在线机动决策模型，发展了通过飞行控制律跟踪航迹导引决策指令的机动控制方案，并进一步开展了软硬件实现工作与人机对抗飞行试验，实现了智能空战从虚拟仿真到真实飞行的迁移。研究结果表明基于本文发展的近距空战机动决策及控制方法，智能无人机在与人类“飞行员”的对抗中能够迅速做出有利于己方的动作决策，通过机动快速占据态势优势。研究结果显示了深度神经网络智能决策技术在空战决策中的潜在应用价值。     

基于形态自适应网络的无人机目标跟踪方法

针对无人机影像目标跟踪过程中常出现的目标方向变化、目标遮挡变化、样本多样性不足等问题,提出了一种基于形态自适应网络的无人机航空影像目标跟踪算法。首先使用基于数据驱动的方法对数据集进行扩增,添加了遮挡样本和多旋转角度样本,提高样本多样性;提出的形态自适应网络模型通过旋转不变约束改进深度置信网络,提取强表征能力的深度特征,使得模型能够自动适应目标形态变化,利用深度特征变换算法获取待检测目标的预定位区域,采用基于Q学习算法的搜索机制对目标进行自适应精准定位,使用深度森林分类器提取跟踪目标的类别信息,得到高精度的目标跟踪结果。在多个数据集上进行了对比实验,实验结果表明该算法能够达到较高的跟踪精度,可以适应目标旋转、目标遮挡等形态变化情况,具有较好的准确性和鲁棒性。     

基于深度学习的无人机航拍视频多目标检测与跟踪研究进展

随着无人机航拍的数据采集愈加便捷，以无人机为平台的多目标检测与跟踪技术发展迅速，在智慧城市、环境监测、地质探测、精准农业和灾害预警等民用和军事领域有着广泛的应用前景，近年来深度学习的突飞猛进也为其提供了多种更为有效的解决思路。然而，无人机视角下目标外观发生突变、目标区域被严重遮挡以及目标消失和重现等挑战性的问题尚未完全解决。综述了基于深度学习的无人机航拍视频多目标检测与跟踪算法，总结了该领域的最新进展，包括多目标检测、多目标跟踪2个模块。多目标检测模块划分为双阶段与单阶段两个部分。对于多目标跟踪模块则依据基于检测的跟踪和联合检测的跟踪2个经典框架，分别阐述了2类算法的原理并分析其优缺点。随后对现有的公开数据集进行统计分析，并对基于无人机航拍视频的多目标检测与跟踪领域内标杆挑战赛VisDrone Challenge近年来的最优方案进行了对比分析。最后总结了无人机视角下多目标检测与跟踪亟待解决的问题并展望未来可能的研究方向，为后续相关研究的人员提供参考。     

无人机低空交通管理系统综述

低空空域改革是提高低空空域利用率和促进低空产业发展的重要举措,无人机的低空运行是低空空域改革的重点。低空无人机的数量与低空空域使用需求急剧增加,亟待发展与空中交通管理系统相称的无人机空中交通管理系统。为了解低空无人机运行现状和发展无人机低空运行关键技术,从无人机交通管理系统/智能交通管理系统、无人机低空运行关键技术和无人机低空运行飞行规则三个方面对无人机低空交通管理系统的现状进行了总结介绍,并探讨了无人机低空交通管理系统的发展趋势。     

空域监视、导航技术相关问题探讨

空域监视是保障飞行安全、提高空管运行效率的关键技术。经过多年的建设和完善,我国的空域监视系统已具备场面监视、机场终端区监视以及航路航线监视等一系列完整的空域监视能力。随着空域分类管理和低空开放的新需求,新的监视技术和手段也将得到进一步发展。本文将就空域监视技术的演进过程、空域监视技术在低空空域监视中的应用及相关热点问题进行了探讨,并对空域监视技术的发展作一展望。一、空域监视技术的演进过程     

基于“胶囊型”动态地理围栏的无人机航路规划

针对无人机多条航线运行效率低与经济性差的问题，提出了一种“胶囊型”动态地理围栏的无人机航路规划方法。根据无人机地理围栏的分类，对无人机地理围栏算法执行流程进行了概述。选取中国浙江省杭州市为地理围栏验证试验区域，在该区域内采用A*算法进行了单一航线与两条航线的无人机航路规划研究，并在空域栅格内设置了无人机禁止飞入区域。在确定的航线上采用“胶囊型”动态地理围栏方法，经过模拟计算得到，单一航线上的空域利用率提高超过10%。并且当两条航线交叉时，“胶囊型”动态地理围栏方法可节省15%的运行时间，提高了空域利用率与经济性。     

基于强化学习的多无人机避碰计算制导方法

针对大量固定翼无人机在有限空域内的协同避碰问题,提出了一种基于多智能体深度强化学习的计算制导方法。首先,将避碰制导过程抽象为序列决策问题,通过马尔可夫博弈理论对其进行数学描述。然后提出了一种基于深度神经网络技术的自主避碰制导决策方法,该网络使用改进的Actor-Critic模型进行训练,设计了实现该方法的机器学习架构,并给出了相关神经网络结构和机间协调机制。最后建立了一个实体数量可变的飞行场景模拟器,在其中进行"集中训练"和"分布执行"。为了验证算法的性能,在高航路密度场景中进行了仿真实验。仿真结果表明,提出的在线计算制导方法能够有效地降低多无人机在飞行过程中的碰撞概率,且对高航路密度场景具有很好的适应性。