军航无人机与民航航班侧向碰撞风险评估

近年来无人机(UAV)已经成为新型作战力量。为解决军航UAV与民航航班之间的飞行冲突，确保飞行安全，对经典EVENT模型进行改进，提出适用于UAV的碰撞风险模型。着重研究了导航方式、人为因素、高空风对于UAV飞行的影响，并构建了相应的位置偏差模型。首先，利用蒙特卡罗法求解军航UAV与民航航班之间侧向间隔丢失的频率；其次，利用MATLAB进行算例仿真，验证模型的有效性，并得出了侧向碰撞概率随参数变化的关系；最后，通过计算不同安全间隔下的碰撞风险，对空域使用提出建议。      

SBAS电文时序动态编排算法

星基增强系统（SBAS）通过GEO卫星转发SBAS电文实现对GNSS服务性能的提升，以满足民航用户不同飞行阶段的导航需求，因此，合理有效的电文内容及播发时序设计是系统实现高质量服务的重要保证。为提高电文编排的灵活性，避免固定时序填补空余电文引起的播发资源浪费，提出了一种SBAS电文时序动态编排算法，在满足国际标准要求的前提下，综合利用SBAS电文龄期和最大播发间隔实现待播发电文的自动选择。利用NTMF实测数据对当前各主要SBAS的电文进行了特性分析，对所提方法的单双频SBAS电文编排效果进行了评估。结果表明:所提算法可保证电文时序符合国际标准要求，实现了重要电文的优先播发，将空余时隙进行动态分配实现了各类型电文播发间隔的近等比例缩短。与固定时序相比，单频SBAS完好性电文播发间隔缩短约15.0%，首次定位时间缩短约8%，双频SBAS电文首次定位时间缩短约6.5%；与固定时序的BDSBAS B1C电文相比，完好性服务能力提升约14.7%，首次定位时间缩短约16.7%。所提算法有效提升了SBAS电文播发的播发效率，实现了SBAS播发资源的100%有效利用。      

基于DOA聚类算法的ARM抗有源诱偏技术研究

有源诱偏技术是雷达对抗反辐射导弹的一种重要手段,可以大大降低反辐射导弹的作战效能。为提高对敌目标的精确打击能力,在分析闪烁诱饵诱偏原理的基础上,针对有源诱偏干扰下被动雷达测角精度与稳定度不高的问题,通过对有源诱偏信号的时域特征进行分析,提出一种基于脉冲前沿检测的DOA聚类分选算法,找出前沿超前的辐射源信号,实现了高性能抗有源诱偏干扰和高精度抗干扰测向。仿真结果表明,该技术可以有效对抗四点源有源诱偏干扰。     

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BDSBAS电文认证的OTAR播发策略设计

星基增强系统（SBAS）是向用户提供完好性信息的广域增强系统，涉及生命安全领域。为了提高SBAS系统的抗欺骗能力，基于椭圆曲线数字签名算法（ECDSA）提出面向北斗星基增强系统（BDSBAS）的电文认证设计方案。根据国内商用密码标准椭圆曲线（SM2）算法进行相应参数设计和电文排布方案，并描述了空中密钥更新（OTAR）的电文播发策略。为了进一步对试验方案进行验证，采用蒙特卡罗OTAR仿真器，基于3种播发调度算法进行仿真试验，通过调整权重对不同情况下OTAR电文接收时间进行分析。仿真结果为具体情况下OTAR电文方案播发调度的选择提供了重要参考依据。      

基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤，有限二维投影下的三维粒子重构是一个欠定的反问题，其精确解往往很难得到。一般情况下，可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速，提出了一种基于卷积神经网络（Convolutional Neural Networks，CNN）的粒子重构方法。所提出的技术可以从基于传统的代数重构技术（Algebraic Reconstruction Technique，ART）的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比，新技术在重构质量方面有了显著的改进，可以有效剔除虚假粒子并更准确地还原粒子形状，并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。     

BP神经网络预测复合材料热压罐成型均匀性

复合材料热压罐成型过程中的固化度差值是复合材料固化度均匀性的主要表征参数之一。基于3层BP神经网络，以复合材料双平台固化工艺曲线的加热速率、保温时间和保温温度为输入参数，建立了成型过程任一时刻最大固化度差值的快速估算模型。仿真复合材料热压罐成型过程，得到最大固化度差值作为试验样本数据，对BP神经网络进行训练，训练结束后对该模型的准确性进行验证。结果表明:该BP神经网络估算模型准确性和效率较高，为复合材料热压罐成型最大固化度差值的估算提供了一种快速有效的新方法。      

功率级无刷直流电动机四象限运行模拟器设计

针对无刷直流电动机（BLDCM）驱动控制器在研发过程中全工况测试困难、测试成本高和研发周期长的问题，提出了一种采用分区间采样和解算方法的、具有四象限运行能力的功率级（PHIL）无刷直流电动机模拟器，替代实物电动机和机械负载装置完成对两两导通控制方式下无刷直流电动机驱动控制器的各项性能测试与可靠性试验。该模拟器由实时仿真器、电动机模拟变换器和多级式双向变换器3部分组成，实时仿真器负责采集被测电动机驱动控制器输出的PWM电压，实时解算电动机模型得到三相电流指令，控制电动机模拟变换器生成三相电流，多级式双向变换器负责维持模拟器输入、输出间的能量平衡关系，从而实现对四象限运行时无刷直流电动机的功率级模拟。实验结果表明:所提出的功率级无刷直流电动机模拟器模拟精度高、实时性好、测试灵活，能够有效替代实物电动机和机械负载装置，满足电动机驱动控制器的测试需求。      

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.