碘工质霍尔推力器内部过程数值模拟

随着霍尔推力器的大力发展，碘工质霍尔推力器越来越受到研究人员的重视。深入了解碘工质霍尔推力器放电室内部过程，为优化推力器性能和拓展空间应用提供依据。建立了二维PIC/DSMC/MCC混合方法模型，结合鞘层和二次电子发射模型，根据碘工质特性，加入解离-电离过程，在定壁温条件下，针对200 W碘工质霍尔推力器放电室内部过程开展了数值模拟，考察其放电室内等离子体的多场耦合特性以及与壁面的相互作用过程。研究其放电通道内部的等离子体行为，分析放电室内的等离子体参数，获取其离子数密度、离子轴向运动速度、电子温度等特征参数，将模拟结果和氙工质进行比较。结果表明:相较于氙工质，碘工质霍尔推力器存在解离区，宽度约为2 mm，位于近阳极区之后、电离区之前。     

基于特征重用和语义聚合的SAR图像舰船目标检测

针对单阶段算法SSD(Single Shot Detector)检测SAR图像舰船目标时特征利用率不高的问题,提出了基于特征重用和语义聚合的SAR图像舰船目标检测算法。该算法主要包括特征重用算法和语义聚合算法。在SSD检测算法的网络模型中,针对用于目标预测的前端网络进行了改进,通过提出的特征重用算法,将特征图按照通道分成2部分:一部分被卷积处理进行参数学习;另一部分经过池化之后,采用拼接的方式重新利用,可以在进行参数学习的同时,减小参数量和计算量。通过提出的语义聚合算法,将前端网络中位置信息丰富的底层特征和语义信息丰富的高层特征进行融合,提高了区分和定位舰船目标的能力。同时,还根据数据集SSDD中舰船目标尺寸和长宽比的分布情况,减小了锚框的尺寸,增大了锚框的长宽比,使产生的锚框更符合舰船目标特点。实验结果显示,检测准确率在数据集SSDD上从77.81%提升到81.43%,而增加的计算量不显著(平均处理时间从17 ms增加到23 ms)。     

基于客户价值的宽体客机典型航线选择

从民机制造商的角度，阐述了客户价值的理念，并以此为指导开展宽体客机典型航线选择的研究。从市场需求和性能需求两个方面深入分析航空公司选择宽体客机进行市场开拓的影响因素，并结合昆明至巴黎典型航线案例进行了说明。     

基于人工神经网络的多模型目标跟踪算法

针对在目标跟踪中单模型跟踪算法难以应对目标运动形式的变化,而多模型跟踪算法存在结构固定、跟踪精度被非匹配模型削弱且模型切换缓慢的矛盾,文章提出了一种基于人工神经网络的多模型目标跟踪算法。通过分析目标几种基本运动模式的轨迹特点,归纳出目标运动轨迹的特征向量。利用训练好的BP神经网络对滑窗里的轨迹段进行运动模型识别,按结果进行跟踪模型切换,达到使跟踪算法实时适应目标运动状态的目的。仿真结果证明了该算法的有效性,且与传统的多模型算法相比,具有结构更加简单、更强的灵活性和拓展性的特点。     

基于改进ORB的月面着陆视觉导航的配准方法

月球探测器在下降着陆过程中探测到的月面图像灰度均匀,缺少纹理信息,而视觉辅助导航采用传统ORB算法对灰度均匀的月面图像检测出的特征点数量较少,容易出现团簇现象,因此提出一种基于改进ORB算法的图像特征提取与匹配算法。首先对月面图像构建金字塔尺度空间模型,设置自适应阈值并构建掩膜逐一分块检测特征点;然后采用非极大值抑制使特征点分布均匀,消除聚集现象再进行特征匹配;最后结合渐进一致采样算法剔除误匹配,并计算下降序列图像间的位置变换关系。实验结果表明:该方法对于存在大尺度、旋转变化情况下的月面图像,在匹配精度方面比ORB提高10%～13%,在月面着陆视觉导航应用方面具有较好的适用性。     

基于小波相邻系数降噪的滚动轴承早期微弱故障时频特征提取

将小波相邻系数降噪与时频小波切片变换（FSWT）相结合用于滚动轴承的早期微弱故障时频特征提取，通过对滚动轴承加速疲劳试验早期微弱故障振动数据进行分析，结果表明:小波相邻系数可以有效降低淹没滚动轴承早期微弱故障特征的背景噪声；时频小波切片变换方法能有效提取出经小波相邻系数降噪后振动信号的时频特征，即滚动轴承发生故障时的特征频率及其谐频成分，验证了所述方法的有效性.此外，通过与谱峭度时频分析结果的对比，证明所述方法更能准确扑捉到滚动轴承发生早期微弱故障时的时频特性，突出了所述方法的优越性.      

基于VMD的自适应复合多尺度模糊熵及其在滚动轴承故障诊断中的应用

提出了一种基于自适应多尺度模糊熵、ILS（迭代拉普拉斯得分）特征选择和粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法。该方法采用变分模态分解对振动信号进行分解和重构，并计算重构信号的复合多尺度模糊熵；同时采用迭代拉普拉斯得分选择敏感故障特征，并将特征选择结果输入到基于粒子群优化支持向量机的多故障分类器进行识别。将提出的方法应用于滚动轴承试验数据分析。结果表明:该方法对试验数据的故障识别率为100%。并将基于ILS特征选择方法与基于SFS（sequential forward selection）特征选择进行了对比，表明基于SFS特征选择的最高识别率为92.86%，而基于ILS特征选择的故障识别率达到100%。      

一种基于Star算法的多路视频稳像方法研究

目前，基于特征点匹配的稳像算法中存在特征点提取速度慢、误匹配率高，以及多目相机的多路视频稳像太过耗时、实时性不好的问题，提出了一种基于Star特征点提取算法的多路视频快速稳像方法。首先采用Star算法提取视频当前帧特征点，然后采用光流法结合当前帧特征点信息跟踪预测下一帧对应的特征点，以加快特征点提取速度，同时减少所提取的特征点错误匹配率。通过对匹配的特征点求取相应的仿射变换矩阵获取帧间运动矢量，进而采用卡尔曼滤波器对帧间运动矢量进行滤波处理，以滤除其中的相机随机抖动矢量并保留相机的主观运动矢量。最后依据滤波后的运动矢量进行图像补偿得到稳定的图像序列。针对复眼导引头存在的多路视频抖动情况，基于OpenMP并行开发库，利用多核处理器的优势，实现了多路抖动视频的并行实时稳像。所设计的数字稳像算法在PC平台下对4路抖动视频（OTB100的BlurCar系列视频，分辨率为640×480，帧率为30 FPS）并行稳像的结果参数为：峰值信噪比 （Peak Signal-to-Noise Ratio，PPSNR）平均提升了4.62 dB，单帧耗时平均为14.51 ms。经仿真实验证实，算法的计算效率和特征点匹配正确率高，可实现多路输入视频的实时稳像。     

基于混合神经网络的无线电信号自动调制识别

随着无线电信号数据海量增加，复杂电磁环境下面临着未知威胁和目标侦察识别复杂度高的问题，本文针对未知无线电信号的特征提取任务，设计了一种混合神经网络以提高目标无线电信号的识别能力。先通过胶囊神经网络对未知信号的空间信息进行提取，再进一步运用门控循环单元提取信号在时间上的特征信息。设计混合网络模型将信号的时间和空间特征相结合，提高对目标信号的分类精度。通过RML2016.04C调制信号数据集，验证了混合神经网络的识别性能。结果表明:当信噪比为6 dB时，混合网络模型对多种不同调制信号的分类精度大于95%。因此，本文所设计的混合神经网络能够有效对不同调制信号进行准确分类。     

基于多尺度CNN模型的多时相PolSAR图像作物分类

农作物分类是偏振合成孔径雷达(PolSAR)数据的重要应用之一。由于单时相PolSAR数据获取的信息有限，因此，采用多时相PolSAR数据，其含有农作物生长周期更丰富的特征信息。针对多时相PolSAR数据在极化特征分解时造成的“维数灾难”问题，提出了一种非负性约束稀疏自编码器(NC-SAE)的特征压缩方法，用于对分解后的特征数据进行压缩，以获得分类所需的有效特征。此外，构建了一种多尺度特征分类网络(MSFCN)，该网络可以提高农作物的分类性能，且优于目前传统的卷积神经网络和支持向量机方法。通过使用欧空局提供的数据进行仿真实验，对分类结果进行性能评估，并与传统方法比较。实验结果表明:所提的方法具有很好的农业应用前景。