基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

基于航天信息技术的智慧校园构想

正一、引言随着云计算、移动互联、大数据分析、物联网等先进的信息化技术不断发展,由数字化校园向智慧校园的过渡已成为教育信息化发展的必然趋势~([1])。近年来,校园暴力殴打、性侵、火灾、拐骗等恶性事件层出不穷,学生失踪、被绑架等安全问题屡见报端,多名儿童涉嫌被倒卖器官等原因导致非正常死亡,成千上万的家庭蒙受不可承受的伤害。为了提高校园场所和师生人身安全,便于校方和家长实时了解学生状态,优化校园管理,建设智慧校园刻不容缓。     

基于多波位波束搜索的大型相控阵阵列信号处理技术

数字波束合成技术是通信对抗领域里一项至关重要的技术，通过在数字域对信号幅度和相位进行控制，可以形成多个独立可控的波束，形成波束指向精度高、灵活可变，且理论上不受波束形成数量的限制。本文针对大型相控阵需求，利用波束合成原理，并结合大规模阵列信号同步技术与相控阵幅相校准技术，实现一种可同时产生180个偏馈波束的多波位波束搜索系统。该系统可以利用波束群的实时扫描功能，实现大范围的波束搜索，更快定位目标角度。该系统已在工程上进行应用，并成功执行大型测控任务，取得圆满成功。     

基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。