双层梯度蜂窝吸波结构优化设计

设计了一种带蒙皮和金属底板的双层梯度蜂窝吸波结构，并利用Hashin-Shtrikman（HS）模型获得其等效电磁参数。在此基础上，以反射率低于-10dB带宽最大为优化目标，利用保收敛粒子群优化算法（Guarantee Convergence Particle Swarm Optimization，GCPSO）对四种不同排序方案的双层梯度蜂窝吸波结构进行优化设计。结果表明，入射电磁波的角度和极化方式以及吸波材料的选择、排序和厚度对双层梯度蜂窝结构的吸波性能有很大的影响；不同入射角度下TM极化时的吸波特性明显优于TE极化，在入射角为60^°时最为明显；对比四种方案优化结果显示，case 1方案由于选用损耗角较小的吸波材料充当透波层，分布于蒙皮下面，而选用损耗角较大的吸波材料作吸收层，并置于吸波结构底层，因而具有最大的优化目标函数，吸波效果最佳，且蜂窝高度仅为具有相同吸波效果的case 3方案的49.44%。因此，选择case 1方案作为本文最终优化结果。     

融合明度特征的V-SAD立体匹配算法

针对SAD算法难以对图像中纯色与弱纹理部分进行准确匹配的问题,提出了将HSV空间明度特征与SAD算法相融合的立体匹配算法,称为V-SAD算法.首先将图像从RGB空间转化至HSV空间,并根据H、S、V值将像素点按照颜色分为10类,同时得到明度特征图.然后结合SAD算法需要的灰度特征图计算匹配代价,得到初步的视差图.接着,根据HSV空间的颜色信息对图像进行分割,结合数学形态法求解分割区块中的独立连通域.再利用边缘生长法对每一个连通域的视差进行恢复.最后,使用左右一致性检测方法对视差图进行优化.实验结果表明,利用图像的明度信息衡量纯色与弱纹理区域的匹配点的相似度是有效的,该V-SAD算法有效改善了SAD算法在弱纹理和纯色区域的匹配效果,平均误匹配率下降了13.02％.     

基于压缩感知的嵌套FDA 雷达距离- 角度联合估计

针对频率分集技术，与非均匀阵列、压缩感知理论相结合，实现目标距离- 角度的联合估计。通过 频率分集技术提高信号空间自由度，将距离参数引入导向矢量矩阵，实现距离- 角度参数的联合。并结合嵌套 阵列，显著提高雷达阵列孔径。该方法针对嵌套阵虚拟阵列流型矩阵的优化过程导致的秩亏缺问题，传统的空 间平滑算法会以牺牲部分阵列孔径为代价将单快拍问题转化为多快拍问题，采用正交匹配追踪算法可以实现单 快拍下的高精度参数估计，避免了空间平滑技术对阵列孔径的影响。并通过压缩感知理论的应用降低信号维度， 减小了计算复杂度。     

空气涡轮起动机优化设计和匹配特性

为改善某型空气涡轮起动机的性能，并使其与辅助动力装置的引气特性匹配，采用数值仿真和试验相结合的方法，开展了某型空气涡轮起动机气动性能和流场细节的研究，并完成了导向器和涡轮级叶型优化设计，改型后涡轮流量增大了23.2%，效率提升了3.4%，功率增加了18.0%。数值仿真和试验结果的对比表明，流量整体差别较小，波动范围在±3%以内，均值为0.17%；功率差别最大为2.38%，最小为0.1%，符合性较好。数值仿真结果表明，空气涡轮起动机改型后与辅助动力装置的引气特性线存在共同工作点，实现了两者的匹配工作，改善了辅助动力装置的工作状况。     

Optimal crater landmark selection based on optical navigation performance factors for planetary landing

Planetary craters are natural navigation landmarks that widely exist and are easily observed. Optical navigation based on crater landmarks has become an important autonomous navigation method for planetary landing. Due to the increase in observed crater landmarks and the limitation of onboard computation, the selection of good crater landmarks has gradually become a research hotspot in the field of landmark-based optical navigation. This paper designs a fast crater landmark selection method, which not only considers the configuration observability of crater subsets but also focuses on the influence on navigation performance arising from the measurement uncertainty and the matching confidence of craters, which is different from other landmark selection methods. The factor of measurement uncertainty, which is anisotropic, correlated and nonidentically distributed, is quantified and integrated into selection based on crater pairing detection and localization error evaluation. In addition, the concept of the crater matching confidence factor is introduced, which reflects the possibility of 2D projection measurements corresponding to 3D positions. Combined with the configuration observability factor, the crater landmark selection indicator is formed. Finally, the effectiveness of the proposed method is verified by Monte Carlo simulations.     

基于RVCF的大视角差异图像匹配方法

文章针对 SIFT算法对大视角变化图像匹配效果差的问题,提出一种改进的 SIFT算法——抗视角变化特征 提摘取算法(Resistance to Viewpoint Change Feature,RVCF)。首先,利用最大稳定极值区域(MSER)算法提取图像中 的仿射不变特征区域；然后,利用协方差矩阵将 MSER检测出的椭圆区域转化成符合尺度空间条件的圆形区域；最 后,利用 SIFT算法对获得的圆形区域进行仿射不变特征的提取与匹配。实验结果表明:RVCF算法能够在大的视 角和尺度变化下成功实现图像间的匹配。     

磁损耗吸波涂层的损耗特性北大核心CSCD

为研究磁损耗吸波涂层的损耗特性,选取了两种羰基铁粉吸收剂及一种铁氧体吸收剂,采用同轴法测试了材料电磁参数,并计算了频率为1~18 GHz电磁波在吸波涂层中的衰减常数、相位常数和波长,考察了电磁波在吸波涂层中的衰减率,计算了吸波涂层对电磁波的输入阻抗和反射率。结果表明,厚度为2 mm的S型吸波涂层对频率为18 GHz的电磁波的衰减率达到-24.9 dB,电磁波能量下降为原来的0.3%。三种吸波涂层输入阻抗实部Re(Z_(in))最大值对应频率与反射率最大值对应频率值基本相等。输入阻抗实部Re(Z_(in))与自由空间中本征阻抗匹配性能不是决定涂层反射率的唯一重要因素。     

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。     

Target localization based on cross-view matching between UAV and satellite

Matching remote sensing images taken by an unmanned aerial vehicle (UAV) with satellite remote sensing images with geolocation information. Thus, the specific geographic location of the target object captured by the UAV is determined. Its main challenge is the considerable differences in the visual content of remote sensing images acquired by satellites and UAVs, such as dramatic changes in viewpoint, unknown orientations, etc. Much of the previous work has focused on image matching of homologous data. To overcome the difficulties caused by the difference between these two data modes and maintain robustness in visual positioning, a quality-aware template matching method based on scale-adaptive deep convolutional features is proposed by deeply mining their common features. The template size feature map and the reference image feature map are first obtained. The two feature maps obtained are used to measure the similarity. Finally, a heat map representing the probability of matching is generated to determine the best match in the reference image. The method is applied to the latest UAV-based geolocation dataset (University-1652 dataset) and the real-scene campus data we collected with UAVs. The experimental results demonstrate the effectiveness and superiority of the method.     

地图辅助行人航迹推算技术的室内定位方法

针对目前室内定位技术中位置漂移、定位结果偏差较大的问题,提出了一种融合行人航迹推算(PDR)、地标匹配修正和地图辅助的室内行人定位方法.该方法利用基于惯性传感器的PDR技术计算行人位置信息,利用行走过程中的传感器读数特征识别室内特定地标点,与地标库数据进行匹配后,修正PDR轨迹产生的累积误差.室内地图辅助主要是通过判断行人是否位于走廊等区域,限制轨迹穿墙,约束PDR定位轨迹.实验结果表明,融合定位算法得到的轨迹优于纯惯性递推算法得到的轨迹,更加接近真实的行走轨迹,定位精度提高了51.2％,平均定位误差降至1.8m,满足室内定位需求.