商用飞机持续适航事件经济性分析模型

我国某型民用飞机于2015 年开始陆续交付运行，积累了大量的持续适航事件和数据，但缺少量化的评价机制，用于持续适航事件的经济性分析。本文通过对民用飞机持续适航事件和数据的收集与分析，结合对主制造商和航空公司的成本和收益损失的计算，提出持续适航事件成本结构；在此基础上，建立单个事件的成本模型和持续适航事件经验曲线模型，进一步提出预测机型成熟期的持续适航事件成本预测模型并验证。结果表明：在机队持续适航成本预测模型提出的过程中，飞机停场天数、事件接收到确定措施时间和措施实施时间的取值敏感度高，在后续机队的运行过程中，应尽量减小这三个参数的取值，以降低持续适航事件成本。     

基于CenterNet 的航空遥感图像目标检测

为实现高精度的航空图像目标检测，将Anchor free 的目标检测算法CenterNet 应用到检测中，同时 使用Resnet50 主干网络，并引入CIoU 损失替代原有损失函数对网络模型做出了改进。改进后的算法在RSOD 与DIOR 数据集上进行测试，结果显示在保证网络轻量化的前提下检测精度有明显的提高，证明了算法在航空 目标检测方面的可行性与准确性。     

Blind identification of space–time block codes based on deep learning

Deep Learning(DL) has important applications to both commercial and military communications, such as software-defined radio, cognitive radio and spectrum surveillance. While DL has been intensively studied for modulation recognition, there are very few investigations for blind identification of Space-Time Block Codes(STBCs). This paper proposes a Residual Network(RN)-based model for identifying 6 kinds of STBC signals with a single receiving antenna, including the same length of coding matrix. I...     

基于Busemann压升规律的可控消波内转基准流场设计

通过将经典Busemann设计方法和特征线反设计方法相结合，实现了对基准Busemann流场的气动截短，构建了一种具有基准Busemann流场截短压升规律的可控消波内转基准流场.通过数值模拟对可控消波内转基准流场及其追踪得到的“糖勺”型进气道进行了无黏验证分析.结果表明:特征线和CFD计算结果相吻合，可控消波内转基准流场设计合理可行.该基准流场继承了Busemann设计方法的高效压缩特性，且反射激波得到有效控制，基本实现消波，性能优于传统的截短Busemann流场.在设计点马赫数为7条件下，喉部截面参数均匀，增压比为18.32，总压恢复系数为0.878，压缩效率为0.936，隔离段内几乎无损失,出口气流匀直，气流角均在±0.4°以内.流线追踪得到的“糖勺”型进气道出口形状更加饱满，流动特征与可控消波内转基准流场基本一致.      

无监督深度学习单目视觉里程计研究

针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题，提出了一种基于无监督深度学习的单目视觉里程计。首先，联合使用空间几何约束和图像相似性约束，得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络；然后，对密集光流进行采样，得到精确的稀疏对应关系，减少尺度漂移；最后，根据改进的ORB-SLAM初始化方法，选择最优跟踪方式，结合深度信息进行尺度对齐，从而得到全局尺度一致的视觉里程计。在KITTI数据集上进行大量实验，结果表明，相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统，该算法在通用评估指标方面性能有明显提升，验证了该算法的有效性。     

Large-scale real-world radio signal recognition with deep learning

In the past ten years, many high-quality datasets have been released to support the rapid development of deep learning in the fields of computer vision, voice, and natural language processing. Nowadays, deep learning has become a key research component of the Sixth-Generation wireless systems (6G) with numerous regulatory and defense applications. In order to facilitate the application of deep learning in radio signal recognition, in this work, a large-scale real-world radio signal dataset is created based on a special aeronautical monitoring system - Automatic Dependent Surveillance-Broadcast (ADS-B). This paper makes two main contributions. First, an automatic data collection and labeling system is designed to capture over-the-air ADS-B signals in the open and real-world scenario without human participation. Through data cleaning and sorting, a high-quality dataset of ADS-B signals is created for radio signal recognition. Second, we conduct an in-depth study on the performance of deep learning models using the new dataset, as well as comparison with a recognition benchmark using machine learning and deep learning methods. Finally, we conclude this paper with a discussion of open problems in this area.     

利用无线通信链路进行基于深度学习的大雾天气监测

为了以低成本、高时空分辨率进行大雾天气监测，提出一种利用无线通信链路进行基于深度学习的大雾天气监测方法。由于信道中不同浓度的大雾天气在信号中留有的特征不同，采集了4种不同浓度大雾下的无线电信号，建立无线电大雾天气监测数据集；通过在传统ResNet50网络中引入注意力机制并进行特征融合，得到改进后的A-ResNet50模型。利用A-ResNet50网络提取接收信号中留有的不同浓度大雾天气的特征，对四类不同浓度大雾天气进行分类识别，达到监测大雾天气的目的。所提方法在建立的数据集上进行了验证，相较于其他传统分类算法，本方法性能最优，最终识别准确率达到86.18 %，结果证明了该方法的可行性和有效性。     

基于N-BEATS的单站对流层天顶总延迟预报

高精度对流层延迟先验值有助于加速精密单点定位的快速收敛。基于高精度高分辨率气象数据库，采用深度学习N BEATS算法，进行了单站对流层天顶总延迟的预报试验。试验选取了9个IGS跟踪站，试验弧段从2002年1月至2019年6月共185a。首先基于N BEATS算法，设计了3种预报策略，然后基于前175a针对不同预报策略进行模型训练，并对最后365d的对流层天顶总延迟进行预报。试验结果表明，以该气象数据库为基准，12h以内预报弧段的预报残差均值量级大多可达亚毫米，2h、4h、6h的预报残差的标准差分别约为5mm、9mm、13mm。     

拦截大气层内机动目标的深度强化学习制导律

针对大气层内高速机动目标的拦截问题，提出了一种基于双延迟深度确定性策略梯度(TD3)算法的深度强化学习制导律，它直接将交战状态信息映射为拦截弹的指令加速度，是一种端到端、无模型的制导策略。首先，将攻防双方的交战运动学模型描述为适用于深度强化学习算法的马尔科夫决策过程，之后通过合理地设计算法训练所需的交战场景、动作空间、状态空间和网络结构，并引入奖励函数整形和状态随机初始化，构建了完整的深度强化学习制导算法。仿真结果表明：与比例导引和增强比例导引两种方案相比，深度强化学习制导策略在脱靶量更小的同时能够降低对中制导精度的要求；具有良好的鲁棒性和泛化能力，并且计算负担较小,具备在弹载计算机上运行的条件。     

航空发动机传感器信号重构的K-ELM方法

针对航空发动机传感器信号重构，提出了评价核极限学习机（K ELM）模型性能的一种快速留一交叉验证方法.结果表明:该方法可以避免原始的留一验证方法N次模型的显式训练，将计算复杂度降低为原来的1/N（N为样本数目）.该算法可以快速准确评价核极限学习机的性能，为核极限学习机确定最优的核参数.