基于多特征尺度特征融合的航空指挥动作识别

视觉辅助引导系统(Visual aided Guide System,VaGS)是未来航空运输必不可少的重要组成部分,可以大大节省地面指挥和引导资源,提高安全性。VaGS的核心技术是识别地面指挥员手势并将其转化为指令。介绍了一种新的高效手势识别体系结构,它主要包括2个部分:(1)采用多尺度浅层结构进行特征学习,将全局身体姿态特征与局部手势特征提这两种尺度特征进行融合;(2)所提取的特征输入到超限学习机(Exteme Learning Machine,ELM)中进行分类,输出指令。实验结果表明,在自建的40个类别的航空指挥动作数据集中,准确率达到98.5%,单帧用时0.13 ms。     

双星定位系统/SINS深组合导航系统研究

以卫星模拟器为基础，介绍了一种双星定位系统定姿的基本原理，解决了双星定位系统存在的位置滞后即定位实时性较差的缺陷，把双星定位系统的位置与姿态信息和捷联惯导系统的位置、姿态信息进行组合后，可有效地提高系统的精度．     

基于工厂机制的Air-SeaSim CGF模型系统

针对仿真模型可重用性不足的问题,以海空对抗战术仿真为背景,设计了一种基于工厂机制的Air-SeaSim CGF(Computer Generated Forces)仿真模型开发系统.遵循"自底向上"的开发原则,构造了由模型层、对象层、服务层和应用层构成的Air-SeaSim CGF模型系统软件体系结构.基于工厂机制的实体模型设计,对CGF实体进行适当的分解,抽象出满足仿真需求的模型,以组件形式表示,通过定义组件接口实现实体模型的快速组装及其功能的扩展.系统应用效果表明,通过工厂机制开发技术设计的Air-SeaSim CGF实体模型,集成了不同粒度组件的仿真模型,实现了实体模型行为组件在不同兵力模型建立过程中的共享和组合,简化了用户的定义,有利于模型的统一开发.     

虚拟战场地形重构技术研究

在虚拟战场的大地形的建模中,因地形数据过大和计算机技术所限,一直没有很好的解决方案满足军事视景仿真系统的需要。文中根据战场环境地形建模的实际需求,提出了数据对称拟合的算法,可以有效地简化地形DEM数据,解决地形数据过大的问题,同时提出了基于双三次B-样条的地形重构算法,根据地形区域关注程度不同,而采用不同的地形分辨率,对地形进行细化重构,可有效地降低计算机的负荷。实践结果表明,满足了大规模虚拟战场环境三维地形视景仿真的需要。     

基于贝叶斯模型的长码DS-CDMA信号扩频码与信息序列联合估计

 针对长码直接序列扩频码分多址(DS-CDMA)信号的盲解扩,在信号模型分析的基础上,提出了一种基于可逆跳跃的马尔可夫链蒙特卡罗(RJ-MCMC)扩频码和信息序列联合估计算法。该算法分别对建立的联合后验分布模型进行迭代抽样,并有效地在不同维数的子空间中跳转,从而构造一条马尔可夫链,使其平稳分布为待估参数的后验分布,最终拼接得到每个用户的完整扩频序列和信息序列估计。仿真结果表明:该方法在迭代二十几步时达到收敛;并且在功率相同和不同条件下,当信噪比(SNR)大于-9 dB时,估计序列与真实序列的相似度均超过0.95,信息序列的误码率低于0.01;同时算法对不同用户个数和不同调制样式具有较强的适应性,与Fast-ICA算法相比,估计性能平均提高了约3 dB。     

一种基于 KFCM的 SVM遥感图像机场目标分类算法

在遥感图像机场目标分类方面,支持向量机(SVM)有着广泛的应用,但由于样本不平衡问题以及不确定性数据的存在,传统SVM算法的分类精度与效果还无法令人满意。为提高传统SVM分类器的性能,文章将建立在模糊理论基础上的模糊核C-均值聚类算法(KFCM)用于处理遥感数据的不确定性问题,并通过聚类分析后的目标子图,剔除非目标样本的同时保留了目标样本,较好地解决了样本不平衡问题。将基于KFCM的SVM分类算法用于遥感图像机场目标的分类,实验结果和性能分析表明该算法分类性能优于传统SVM算法。     

红外目标模拟器自动检定系统的研究与实现

主要介绍了红外目标模拟器检定装置的工作原理、工作环境和性能指标,着重论述系统设计中的光学设计思路,论证了系统的电路设计原理及实施过程.     

循环加载与随机加载对疲劳损伤等效性的研究

两种不同性质的载荷对疲劳损伤来说应采用完全不同的分析方法，但是从总的损伤累积效应来看，两类载荷作用的效果是相同的，就是使构件最终破坏。由此可见，两种载荷对损伤累积来说存在一定的内在关系。从损伤等效这一概念出发，导出了循环加载与随机加载对损伤的等效性关系，并给出了数值算法。     

基于模仿强化学习的固定翼飞机姿态控制器

研究了基于模仿强化学习的飞机姿态控制器。首先,建立专家经验数据集,并利用行为克隆对控制网络参数初始化;而后,控制网络利用强化学习和监督学习混合模式训练,通过奖励函数塑形和经验数据集监督学习引导强化学习算法快速收敛,使姿态控制器姿态响应优化的同时符合专家经验。控制网络输入为飞机姿态角误差、角速度等状态变量,输出控制增稳系统指令。实验表明,模仿强化学习控制器能够实现不同初始条件下飞机姿态角快速响应并与经验数据相符。     

基于迭代译码的LDPC码稀疏校验矩阵重建

为了改善高误码率情况下低密度奇偶校验（LDPC）码稀疏校验矩阵重建算法的性能,基于迭代译码的思想提出了一种稀疏校验矩阵的重建算法。首先,利用对偶空间算法获取到部分非稀疏校验向量,并对其进行稀疏化处理。其次,利用稀疏化后的校验向量对LDPC码进行软判决迭代译码,从而对码字中错误比特进行纠正,以改善码字质量。然后,对纠错后码字再次进行校验向量获取,不断重复迭代。最后,实现LDPC码稀疏校验矩阵的重建。实验结果表明:在误码率为10-3量级下,针对IEEE802.16e、IEEE802.11n等协议下的LDPC码,所提算法均能有效完成重建,同时新算法的稀疏矩阵重建率要明显好于传统方法。