基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。     

Lift coefficient prediction at high angle of attack using recurrent neural network

In this paper, identification of dynamic stall effect of rotor blade is considered. Recurrent Neural Networks have the ability to identify the nonlinear dynamical systems from training data. This paper describes the use of recurrent neural networks for predicting the coefficient of lift (C_Z) at high angle of attack. In our approach, the coefficient of lift (C_Z) obtained from the experimental results (wind tunnel data) at different mean angle of attack θ_mean is used to train the recurrent neural network. Then the recurrent neural network prediction is compared with experimental ONERA OA212 airfoil data. The time and space complexity required to predict C_Z in the proposed method is less and it is easy to incorporate in any commercially available rotor code.     

区域运输规划模型系统

提出一种区域运输规划模型系统,以求从定量的角度,预测一个区域内的货物运输量,继而确定这些运输量对该区域内存在的多种运输方式的偏好结构,最后仿真这些运量在相应的各种运输网络上的分布情况,同时仿真模型还对运输网线路经过新建或扩建后所形成的新的运量分布进行模拟。根据运量分布情况,就可提出初步的规划建设方案。     

金属多层膜超晶格结构研究

用高分辨的三晶体x—射线衍射仪测量了Zr、Cu金属交替的多层膜的x—射线小角反射谱。用扩展了的Born—wolf光学模型对Zr、Cu多层膜的x—射线小角反射数据进行了定量分析。结果表明，该金属多层膜在其生长方向具有超晶格结构。在两层金属膜之间的界面上，由于内扩散，形成了界面交混层，它使x—射线小角反射所产生的高阶Bragg峰的强度减弱。由于两种金属膜的晶格不匹配，使高阶Bragg峰加宽。界面的粗糙度可用来模拟x—射线小角反射曲线的阻尼振荡效应。     

Vision-based bio-inspired guidance law for small aerial vehicle

During predation, a flying insect can form a stealth flight path. This behavior is called motion camouflage. Based on the study results of this behavior, the perception and neurology of flying insects, a novel bio-inspired guidance law is proposed for the terminal guidance for small aerial vehicle with charge-coupled device imaging seekers. The kinematics relationship between a small aerial vehicle and target is analyzed, and a two-dimensional guidance law model is established by using artificial neural networks. To compare with the proportional guidance law, the numerical simulations are carried out in the vertical plane and in the horizontal plane respectively. The simulation results show that the ballistic of the small aerial vehicle is straighter and the normal acceleration is smaller by using the bio-inspired guidance law than by using the proportional guidance law. That is to say, the bio-inspired guidance law just uses the information of the target from the imaging seeker,but the performance of it can be better than that of the proportional guidance law.     

微波光子技术在电子对抗中的应用

由于光子技术的宽带和低损耗优势,微波光子技术已经在电子对抗领域中尤其是在微波信号的产生、处理、控制及传输等方面引起了强烈关注.着重阐述了微波信号的光子方法产生及处理、光子微波滤波器、光真延时波束形成以及光学A/D模数转换等技术,最后给出了结论.     

面向空间容迟容断网络的路由算法研究

将空间网络作为一种典型的容迟/容断网络(Delay/Disruption Tolerant Network,DTN),同时利用空间网络星座拓扑的规律性和可预见性,通过构造链路通断时间图,快速建立虚拟拓扑路由表;针对路由过程中可能出现的链路中断问题,设计了拥塞控制机制、正常中断机制和链路失效机制来提高路由效率;在The ONE网络仿真平台中对提出的时间图路由算法(Time-GraphRouter)进行了仿真,并与传染路由(EpidemicRouter)、转发等待路由(SprayAndWaitRout-er)、预测路由(ProphetRouter)三种路由机制进行了对比。仿真结果表明,文章提出的路由算法的平均投递率达到了0.98以上,综合性能优于其他三种路由算法。     

立方体星的技术发展和应用前景

系统论述了立方体星技术发展的三个阶段;从2010-2013年已成功发射的立方体星与纳卫星中挑选了10颗典型卫星,研究分析其技术水平、应用价值和特点优势;并重点论述了立方体纳卫星的应用;最后预测了立方体纳卫星的未来应用前景。     

高超声速飞行器动态神经网络反推自适应控制

针对高超声速飞行器纵向模型的高度非线性特点,在考虑模型不确定性的情况下,提出了高超声速飞行器动态神经网络调节函数反推自适应控制方法.对给定的速度指令,引入积分型Lyapunov函数设计跟踪控制器,取消了控制增益一阶导数上界的限制,且避免了控制器的奇异性;对给定的高度指令,引入调节函数技术,设计了反推控制器,避免了将模型化为严反馈形式;采用动态神经网络对未知系统动态进行自适应在线逼近.根据Lyapunov理论证明了设计的控制律保证了闭环系统的稳定性与指令跟踪的精确性.仿真结果验证了该方法的可行性及有效性.     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。