一种目标识别中基于关键点的仿射不变矩

针对常用仿射不变矩对轮廓边缘信息敏感的特点,提出了一种基于关键点的局部仿射不变矩,以分割出来的物体灰度图像为基础,首先计算出物体的质心,然后以质心为扩展点向周围引伸出多条射线,寻找每条射线方向上的最近灰度极值点,将所有灰度极值点当作关键点集合,并按照文中提出的计算仿射不变矩的方法提取出多阶不变矩,将其当作神经网络的输入向量,放入已经训练好的神经网络来达到识别物体的目的,将此方法应用在了飞机图像的识别上,实验结果证明此方法在物体轮廓分割不完整和有噪点污染的情况下能保持很好的稳健性,简单有效并具有较广的应用范围.     

卫星导航系统传感器故障识别

传感器是卫星导航系统中的重要部件,其故障的检测和识别对提高系统可靠性具有重要意义。给出了一种基于模糊逻辑的卫星导航系统传感器故障识别方法。首先采用T-S模糊模型描述卫星导航系统,然后应用全解耦奇偶方程的方法进行故障检测,并利用卡尔曼滤波器进行故障参数识别。仿真结果表明,针对导航系统中多个传感器同时发生故障的情况,此方法能有效检测故障,并能准确识别故障参数。     

面向星敏感器测试的数字星模系统设计

分析星敏感器和数字星模系统的功能,描述数字星模系统的功能需求,提出数字星模系统的设计方法．数字星模系统由星图组件和通信组件组成,基于该系统,针对星敏感器进行静态和动态星图测试试验,并对试验的方法和结果进行分析说明．试验表明数字星模系统及其设计方法的正确性、有效性．     

锁相环中数字分频器对输出信号相位噪声和杂散的影响

基于对数字分频器混叠效应的分析,解释了锁相环相位噪声线形模型与一些实验 结果误差较大的原因。并通过对数字分频器的建模,得到了数字分频器输出信号相位噪声和 杂散的计算方法。实验证明这种方法的计算结果与实验结果相吻合。再以此修正锁相环相位 噪声线形模型,使锁相环输出信号的相位噪声和杂散的预测能够更加准确。     

可重构自适应无线电引信干扰技术研究

根据无线电引信的工作特点,提出了可重构自适应无线电引信干扰技术。设计了自适应无线电引信干扰技术方案,分析了无线电引信信号调制识别技术。对该技术的应用前景进行了展望。     

基于韦尔奇功率谱的雷达辐射源信号识别

应用韦尔奇功率谱原理提取信号识别特征参数,根据提取出的参数特点设计信号识别流程模型。从多种信号中检测识别线性调频信号、相位编码信号、频率编码信号。分析了特征的适用范围和信号环境。仿真分析该特征提取算法和识别方法的可行性。     

基于卷积神经网络的深度学习流场特征识别及应用进展

深度学习架构的出色性能使得机器学习在流体力学中的应用得到新的发展,可以应对流体力学中诸多问题和需求。卷积神经网络（CNN）强大的非线性映射能力以及分层提取信息特征的功能,使其成为当下流场特征研究不容忽视的工具。围绕这一研究前沿与热点问题,概述和归纳了这一研究领域的进展与成果。首先,对深度学习在流体力学中的发展以及卷积神经网络进行了简单的回顾。然后,从卷积神经网络能够识别特征出发,先后介绍了基于卷积的深度学习特征识别在流场预测、流动外形优化、流场可视化精度提升和生成对抗等应用方面的研究进展。最后,对深度学习在流场识别领域的应用进行了展望,为后续的研究提供参考。     

基于脑电和眼动信号的人机交互意图识别

意图识别在人机交互（HCI）领域受到广泛关注,传统人机交互意图识别方法单纯依靠脑电（EEG）或眼动数据,不能很好地利用2种方法优点。为此,提出了一种融合脑电和眼动数据的人机交互意图识别方法,通过采集脑电和眼动信号,进行特征提取,输入机器学习模式识别网络进行意图识别,并基于Dempster-Shafer （D-S）证据理论进行决策层融合得出最终识别结果。招募了20名有效受试者进行交互意图识别实验,结果表明,基于脑电和眼动信号的人机交互意图识别方法识别准确率高于单纯依靠脑电和眼动数据的方法,可为下一步飞行器和武器系统人机交互系统自适应设计提供理论依据和技术支持。     

基于GRNN算法的飞机用电设备非侵入式负荷监测方法

随着飞机的多电化和全电化,机上电气检测及其负荷管理至关重要,然而飞机上为诊断所设置的传感器数量要求越少越好,非侵入式负荷监测（NILM）方法无需分散进入负荷内部,仅检测汇流条级别电力参数可完成负荷识别。选择稳态电流谐波参数为负荷印记,采集某型飞机交流主汇流条上用电设备真实电流波形,提取1~19次谐波含量建立特征库,用广义回归神经网络（GRNN）算法辨识负荷类别,设置适当样本数和扩展速度以有效提高识别准确度。实验表明：GRNN算法较之BP神经网络算法和SVM算法识别准确度更高,计算速度更适于飞机电气系统负荷监测和管理。将非侵入式负荷监测方法引入飞机供电系统分析,将为飞机电气管理、故障诊断和预测等进一步研究提供有效参考。