基于统计学特征的密集型气液雾化随机模型优化方法研究

在高气液动量比的空气雾化流场中，液滴和液丝从液核剥离的过程具有高自由度、分布密集的特点，传统理论模型难以对其准确预测。本文对结合大涡模拟方法的随机雾化模型进行优化，在初始雾化过程，提出使用液滴统计平均温度来表征液滴碰撞统计学特性的改进方法。液滴的统计平均温度分别采用气液相对动能模型的粒子追踪法和亚网格动能模型的粒子追踪法。研究表明，使用改进的气液雾化随机模型预测密集型空气雾化流场，大幅改善了传统雾化随机模型在初始雾化区域过预测的缺陷，平均动能的相对误差为15.5%，平均索特尔直径的相对误差为7.2%，与未改进前的模拟结果相比，误差降低了41.1%和15.0%。此外，本文还探究了喷雾张角模型对雾化流场预测结果的影响，分别将实验所得经验公式法、相界面气液动量平衡所得模拟法与亚网格动能模型的粒子追踪法结合。结果表明喷雾张角经验公式预测结果更为准确，在平均索特尔直径预测方面准确性提高了17.3%。     

基于多层次特征的高分影像海岸带地物分类

针对高分辨率影像地物光谱丰富复杂的问题，文章提出了一种结合像元-对象-空间格局特征的水域、盐田等海岸带精细地物分类方法。首先基于像元和空间格局特征分别利用遗传算法优化随机森林参数进行分类；其次将两种分类结果采用D-S证据理论融合；然后基于不同地物斑块的空间上下文信息，采用粒子群算法优化支持向量机（Support Vector Machine，SVM）参数实现面向对象的二次分类。为验证方法的有效性，收集山东省莱州湾海岸带附近区域的“高分二号”卫星影像，开展了水域及水利设施用地、盐田、工矿用地、交通运输用地、住宅用地、沿海滩涂、海域与耕地8类地物的分类实验，总体精度达到97.21%，Kappa系数为0.964 2。实验结果表明，文章提出的高分影像海岸带地物分类方法兼顾像元、对象及空间格局特征优点，能够实现多层次细致分类，并同时兼具较短的训练时长与较高的分类精度。该研究成果可为中国海岸带生态环境监测与土地利用规划提供一定技术支撑。     

航空数据存储卡毁钥能力评价方法研究

为满足复杂战场态势下机载数据的安全性需求，需要建立对航空数据存储卡毁钥能力有效评价的方法。 建立航空数据存储卡毁钥能力有效性评价的目的是保证航空装备信息安全的重要措施，是科学、准确评价毁钥 设计是否满足需求的重要手段，是航空装备定型列装前必要的信息安全测评过程。通过对航空数据存储卡的典 型结构和硬件毁钥原理进行分析，对毁钥后电学、物理和化学等技术手段进行深入的研究，提出一种针对航空 数据存储卡毁钥能力的评价方法，从数据存储卡读取能力和存储介质损毁状态两个过程对毁钥效果开展评价， 从而规范了当前测评机构对数据存储卡毁钥能力评价过程中无统一方法的现状。本文利用该评价方法对某样品 航空数据存储卡经硬件毁钥试验后开展毁钥效果分析，验证方法的有效性。航空数据存储卡毁钥能力评价方法 可以很好的评估毁钥设计的效果，确保机载数据的安全。     

卫星双向时间频率传递研究进展

介绍了卫星双向时间频率传递的基本原理和技术演进,重点论述了基于伪码相位测量的卫星双向时间频率传递方法及其误差来源,阐述了双伪码卫星双向时频传递技术、载波相位卫星双向时频传递技术和卫星双向 日波动效应等重点研究方向的最新进展.针对制约卫星双向时间频率传递技术性能提升的主要问题,给出了相关发展思考.     

STABC-IR: An air target intention recognition method based on bidirectional gated recurrent unit and conditional random field with space-time attention mechanism

The battlefield environment is changing rapidly, and fast and accurate identification of the tactical intention of enemy targets is an important condition for gaining a decision-making advantage. The current Intention Recognition (IR) method for air targets has shortcomings in temporality, interpretability and back-and-forth dependency of intentions. To address these problems, this paper designs a novel air target intention recognition method named STABC-IR, which is based on Bidirectional Gated Recurrent Unit (BiGRU) and Conditional Random Field (CRF) with Space-Time Attention mechanism (STA). First, the problem of intention recognition of air targets is described and analyzed in detail. Then, a temporal network based on BiGRU is constructed to achieve the temporal requirement. Subsequently, STA is proposed to focus on the key parts of the features and timing information to meet certain interpretability requirements while strengthening the timing requirements. Finally, an intention transformation network based on CRF is proposed to solve the back-and-forth dependency and transformation problem by jointly modeling the tactical intention of the target at each moment. The experimental results show that the recognition accuracy of the jointly trained STABC-IR model can reach 95.7%, which is higher than other latest intention recognition methods. STABC-IR solves the problem of intention transformation for the first time and considers both temporality and interpretability, which is important for improving the tactical intention recognition capability and has reference value for the construction of command and control auxiliary decision-making system.