考虑燃料消耗均衡性的低轨通信星座在轨星座构型重构方法研究

针对低轨（low earth orbit,LEO）通信星座在轨重构问题，分析了低轨通信星座的特点，提出了4个重构指标，即全球平均覆盖率、燃料消耗均衡性、重构总时间和重构总速度增量，并分析了提高轨道高度的重构方式。采用基于分解的多目标进化算法（multiobjective evolutionary algorithm based on decomposition，MOEA/D）对重构进行建模分析。结果表明，模型优化结果可以得出多组最优解，构成帕累托前沿，并得出燃料消耗均衡性最优的解，针对两种失效模式得出的重构总时间均为3.6×105s，速度增量方差分别为261.4m2/s2和293.4m2/s2，这些解均可恢复星座原有的覆盖性能，并使燃料消耗最为均衡。     

基于多尺度残差卷积网络的HEVC视频隐写分析

图片、语音、视频等多媒体形式的信息交流在网络通信中占有重要地位，同时也有很多非法信息的传播隐匿于此。隐写分析是甄别隐秘信息是否存在的有效手段，提出了一种通用的基于多尺度残差卷积网络的HEVC视频隐写分析算法。网络主体由残差计算、特征提取和二分类3部分构成，其中在特征提取部分针对性地提出了残差卷积层、多尺度残差卷积模块及隐写分析残差块。实验结果表明:所提算法基于视频像素域分析网络的检测率高达99.75%，比传统的手工提取特征方法具有更大的优势。      

某型飞机GPS射频干扰原因分析及应对措施

近年来,GPS系统越来越多地运用于军用及民用飞机和舰船导航.与传统的地标、无线电罗盘、塔康等导航方式相比,GPS导航具有导航精度高、响应迅速、不受天气条件影响等特点,能够实现全天候、全疆域范围内米级别精度的导航与定位.由于GPS卫星信号采用CDMA制式,因此就存在着被射频干扰的可能.基于GPS射频干扰产生的原因和来源分析,探讨了飞机GPS干扰防护的基本方法以及对飞机系统影响,并为飞行和维修人员提供相关操作建议.     

导航卫星中断频次的分析方法

面向导航卫星中断频次的定量分析需求,该文分析导航卫星中断产生的主要原因,给出中断频次分析的流程,并针对分析过程中的三个关键问题,研究提出具体实施方法,包括通过相关性分析快速定位底层中断事件,通过中断树建立指标分析模型,并融合在轨数据、地面试验数据快速预估得到底层功能异常率等。最后通过示例进一步说明中断频次分析过程。该文方法已应用于北斗导航卫星工程。     

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题，提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先，在已知飞行环境下，建立3D飞行空间模型和航迹代价模型。通过引入罚函数，将有约束3D航迹规划问题转化为无约束多维函数优化问题，利用CML-WOA求解模型来获得最优航迹。其次，为克服WOA易陷入局部最优的缺陷，引入立方映射混沌算子改善初始种群，增强种群多样性，并通过自适应框架融入正余弦算法（SCA），利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后，使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法，寻优性能明显提升，具有较强局部最优规避能力和更高的收敛精度与收敛速度；能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

面向安全属性的软件组件可信依赖关系度量模型

随着软件的应用规模越来越大，软件系统一旦出现故障，很可能会造成人员伤亡或财产等重大损失，因此对软件可信性进行评估尤为重要.在安全攸关如航空航天等领域，作为可信关键属性之一的安全性影响着整个软件系统的可信评估.特别当一个组件受到安全攻击或缺陷出现时，可信性会下降，会影响到与它可信关联的组件可信性，从而影响到整个系统的可信性.遵循这一思路，设计了软件系统组件可信性发生改变后对其它组件可信性影响度量公式，进一步给出当一组件可信性发生变化，整个软件系统各组件可信性度量发生变化的度量模型.本文以某“航天电源管理设备”为例，证明了本文所建立的组件可信依赖关系度量模型的合理性和有效性.     

一种地月转移轨道中途修正的制导算法

针对地月转移轨道中途修正问题，提出了一种求解修正速度增量的制导算法。该算法由初值设计和精确解求解两部分组成。首先，利用伪状态理论，通过简单迭代设计中途修正的初值，并通过Vinti预报方法修正了地球扁率的影响。然后，在求解精确解时，提出了一种基于伪状态理论的状态转移矩阵解析算法。该算法通过设计高精度的初值，降低了求解地月转移轨道中途修正问题的难度，而且避免了传统数值方法计算状态转移矩阵的复杂性。数值仿真结果表明，该算法可有效求解中途修正问题。     

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题，提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法，算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节，以充分利用模型中的低层特征，增加细节信息；改进模型的区域生成网络，加入多种滑动窗口，从而优化了模型锚点的长宽比设置，提高检测能力。实验表明，改进Faster RCNN模型取得最优的缺陷检测结果，对于小缺陷目标仍取得较好的检测精度，从而验证了算法的有效性。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system，BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接，网络权值可以用求解伪逆的方法快速求得，避免了耗时的训练过程，从而成为快速而高效的学习方法。然而在追求高精度结果的过程中，BLS对于增强节点数量的需求过于巨大，容易造成过拟合问题。为此，本文提出了基于函数链神经网络（Functional-link neural network，FLNN）的深度分类器（FLNN based deep classifier，FLNNDC），旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构，每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点，而不是全部映射节点。和原宽度结构相比，在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。