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。      

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.     

等温锻造对TA15合金组织性能的影响

研究发现,在(α+β)双相区内等温锻造工艺参数对合金组织有较大影响;TA15钛合金室温拉伸强度在950~990MPa范围内变化,室温冲击性能在45~59J/cm2范围内变化.随锻造温度的升高,室温拉伸强度有所降低,室温冲击性能有所升高;而随锻造速度的减小,室温抗拉强度和冲击性能均逐渐降低.     

航空发动机设计图样典型标准化问题分析

结合航空发动机设计图样标准化检查的实际情况,针对基准、表面及其应用和尺寸标注2类典型标准化问题,对不同的图样标注形式进行了比较和分析,旨在探讨图样上该类标准化问题的合理正确表现形式,提高图样设计水平。     

多星多普勒频率变化率无源定位方法

针对多星时差频差定位系统时/频同步要求高、多星测向定位系统复杂等问题,提出一种多星多普勒频率变化率的无源定位体制,每颗卫星仅需单个接收天线和通道,且多星之间无需高精度时/频同步.针对定位观测量与辐射源位置的高度非线性,提出一种基于多普勒频率的多假设非线性最小二乘(M H-NLS)无源定位算法.理论推导了定位估计的克拉美-罗下限(CRLB),基于定位误差的几何分布(GDOP)分析了多星构型对定位误差的影响.计算机仿真分析表明,基于多普勒频率变化率的M H-NLS算法得到的定位误差能够达到CRLB.     

基于声音信号的冷挤压内螺纹加工状态研究

基于声音信号对冷挤压内螺纹加工状态进行研究,为内螺纹冷挤压成形过程在线监测提供依据。试验分析结果表明:冷挤压内螺纹加工状态不同,成形过程中机床声音信号变化较为剧烈;丝锥处于均匀磨损状态时,机床声音信号频率主要分布在300~1000Hz之间,且主频分布稳定;丝锥处于严重磨损状态时,机床声音信号能量及主频分布变化均较为明显。成形过程机床声音信号能量在初始阶段有一个下降过程,并随之趋向平稳;但随着丝锥磨损量的进一步增大,机床声音信号能量呈现逐渐上升趋势;且随着丝锥磨损的加剧,机床声音信号中高频部分能量占总能量的比例将越来越高。     

运动单站干涉仪相位差直接定位方法

针对传统干涉仪测向定位在低信噪比(SNR)下性能降低、多频段系统复杂等缺点,本文直接利用运动单站干涉仪模糊相位差(PD)实现对地面静止辐射源定位.为解决该定位问题,结合干涉仪相位差的几何特性,提出了一种多角度距离参数化高斯和滤波(MB-RP-GMF)定位解算方法,利用相位差误差检测获得多个初始方位角,通过距离参数化得到一组滤波初始值,采用扩展卡尔曼滤波(EKF)进行定位计算.仿真结果表明,该定位方法在低信噪比下优于仅测向(BO)定位,且仅采用一组干涉仪便可对多个频段辐射源进行定位.     

基于联邦滤波的异质异步多传感器组合导航算法

针对多源组合导航中各导航子系统数据更新频率不一致导致滤波器量测信息非等间隔,以及动力学模型受到干扰量测信息异常的问题,提出一种基于多尺度模型的自适应组合导航信息融合算法.利用不同尺度上的观测信息在各尺度上进行Kalman滤波,并经过融合最终获得基于全局的状态估计值.且以飞行器为应用对象,设计了适用于飞行器的惯导/卫星/高度计/航姿仪(SINS/GNSS/ALTM/AHRS)组合导航算法.根据观测信息和动力学模型异常情况,引入自适应因子,进而控制对量测预测值的信任度,有效地抑制了不精确估计对导航结果的影响.     

电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。