基于工程教育专业认证背景下地方特色院校“金课”建设的研究与探索

"金课"作为一项新提出不久的概念,许多重点院校和地方特色院校已经着手打造了一部分精品课程,主要是一些开放性课程和文法类课程,原因是这一类课程思维发散,教学手段多样,可以运用现代化信息技术手段采取线上线下教学模式。但是教育部推出的"金课"建设不单单只是针对于这些类课程,对于工科专业的课程建设,也需要打造"金课",尤其是以工程教育专业认证的标准和理念打造地方特色院校"金课",是我们这些地方特色工科院校需要重点研究和探索的。本文的研究重点在于如何把工程教育专业认证的理念与课程建设有机融合体现工科"金课"的"四性"。     

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。      

反推装置对翼身融合分布式推进系统气动性能影响数值模拟

为了研究新型反推装置对翼身融合分布式推进系统气动性能的影响,将机身简化为二维模型,利用数值模拟的手段来研究攻角、反推开度,以及风扇打开或关闭对飞行参数的影响,为翼身融合分布式推进系统的反推装置设计提供初步的意见和建议。结果显示:反推闭合和风扇打开之后该机型的升力系数和俯仰力矩系数都会有较大增加;随着反推开度的增加,升力系数和俯仰力矩系数也随之增加;来流攻角对翼身融合分布式推进系统的气动性能也有较大影响。      

复合导引头目标信息融合抗干扰技术研究

复合导引头由微波制导至红外制导的过程中,受干扰条件的影响,有可能出现错误交班。为了提高导引头应对干扰的能力,设计了一种微波/红外目标信息融合抗干扰方法,该方法利用微波与红外目标信息进行关联度检测,对跟踪微波与红外运动的趋势进行在线实时判断,及时做出干扰误交班判定。在进行了干扰误交班的情况下,MATLAB数字仿真结果表明,该算法能够准确有效地给出干扰误交班判断,从而保证了在干扰环境下对目标跟踪的稳定性。     

复合材料声发射源识别方法研究

针对声发射源传统识别方法可信度低的缺陷，研究复合材料的声发射检测中的关键问题——声发射源的识别问题，指出多传感器数据融合技术是有效识别声发射源特征的新方法。     

多雷达数据处理中的时空对准技术

本文介绍了多雷达数据处理系统结构，以及多雷达数据处理的时空对准技术。作者根据中国民航多雷达数据处理系统的技术状况，在文中推荐了一种比较实用的内插外推法的时间对准和以地心坐标系为对准参考系的空间对准算法，能够满足多雷达融合处理的精度要求。     

多目标探测与捕获：一种统一的方法

假设采用多目标跟踪器跟踪处于强杂波环境中的暗弱目标，在《杂波中暗弱目标的捕获》一文中，Oilver Drummond指出，对于这样的跟踪器，目标捕获（即，确定在含有持续的象素中是否存在目标）是两个截然不同的问题。具体地说，目标捕获要求有两个接收机工作特性（ROC）曲线，而目标只要求有一个。在以往有关这一主题的会议和其它会议上发表的论文以及《数据融合的数学方法》一书中，我们已经介绍了“有限集统计法”（FISST），它直接将常规的单传感器、单目标统计推广到多目标领域。在本文我们说明了怎样通过FISST使探测和捕获统一在一个相似的决策理论框架下。其基本构想是采用一个统一的具有杂波模型的Bayesian单目标跟踪器，而不是一个多目标跟踪器。与常规的探测问题相类似（即，在“只有噪声”和“目标＋噪声”的假设之间作出判断），捕获问题化为常规的判决问题（即，在“只有杂波”和“目标＋杂波”的假设之间作出判断）。此外， 我们还说明了对于这一类广义探测问题应怎样来确定“捕获ROC曲线”。     

舰载多传感器/相控阵雷达系统及其数据融合

舰载多传感器 /相控阵雷达系统具有作战空域广、抗干扰性强、全寿命 /成本效费比高和工作可靠等突出优点 ,但技术复杂。其中多传感器数据融合技术是目前和未来舰载相控阵雷达的发展方向。主要论述 2 1世纪舰载多传感器 /相控阵雷达的系统组成、主要性能和功能、多传感器类型、数据融合的选择及其功能水平分级等     

使用信息矩阵滤波的跟踪融合的性能评估

在多传感器环境下，每个传感器探测多个目标，接着产生相应的跟踪。这些跟踪可能互不相同，经过融合后，传感器生成有关目标的更精确的运动信息和属性信息。目前已有两种方法可以达到上述目的，一种是测量值融合法，一种是状态矢量融合法。众所周知，测量值融合计算法通常最优，但计算费时，而状态矢量融合算法计算省力却是次优。之所以如此，是因为从两个传感器中获得的待融合状态级估值，由于通常存在被跟踪目标的过程噪声，通常并非条件独立。值得注意的是，状态矢量融合已有三种计算法：加权协方差法、信息矩阵法和伪测量法。本文仅限于讨论状态矢量融合中信息矩阵形式的性能评估。利用信息矩阵计算法已经推导出稳态融合协方差的闭式分析解并作为一种性能的度量方法。注意，推导出的结果基于两个传感器同步工作且没有误关联的假设，或是在研究时考虑了融合测量值。并且我们将推导出的结果用蒙特卡罗仿真进行了比较，过去曾有许多作者利用蒙特卡罗仿真来预测融合系统的性能。这些结果有助于更加深入地了解跟踪融合的作用原理，并大大简化了对融合性能的评估。此外，有了这样的解，简化了对各种不同工作条件下设计融合系统的折衷研究。