基于审查任务模型的机载系统和设备的适航审查技术研究

本文通过对当前适航审查过程中出现的难点进行分析，提出了基于审查任务模型的审查分类分级方 法，实现了各类不同适航审查数据层级结构化管理，形成清晰可见、可跟踪的、完整的审查证据链。此方法目 前已经在一些项目上初步应用并有效解决了初期在机载系统和设备在审查过程中的难点，有效地支持适航审查 能力提升，促进适航审查相关方构建形成多层级化的标准跟踪和管理能力。此方法后续也在多个型号项目审查 过程中实现了同一审查数据和结论的复用和迭代，有效帮助审查部门提升适航审查效率的同时也给机载相关单 位提供了一定数据积累，从而促进其更好的正确理解并贯彻审查方的适航审查要求，为促进国家的航空产业链 更好发展添砖加瓦。     

基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。     

OGSRN: Optical-guided super-resolution network for SAR image

Although Convolutional Neural Networks(CNNs) have significantly improved the development of image Super-Resolution(SR) technology in recent years, the existing SR methods for SAR image with large scale factors have rarely been studied due to technical difficulty. A more efficient method is to obtain comprehensive information to guide the SAR image reconstruction.Indeed, the co-registered High-Resolution(HR) optical image has been successfully applied to enhance the quality of SAR image due to it...     

检查性反潜时声纳浮标阵阵型优化

存总结检查性反潜要求与特点的基础上，分析了检查性反潜时声纳浮标阵的主要阵型，建立了声纳浮标阵作战效能的仿真模型，并在想定条件下对典型声纳浮标阵的搜索效能进行了仿真研究。比较、分析仿真结果，提出了检查性反潜时声纳浮标阵阵型的优化结果.