A novel satellite image encryption algorithm based on hyperchaotic systems and Josephus problem

With the rapid growth of the number of Earth observation satellite (EOS) supporting critical applications, it is required to improve the security techniques to protect the sensitive data and images during the transmission between the satellites and the ground stations. This paper introduces a new satellite image encryption algorithm based on the Linear Feedback Shift Register (LFSR) generator, SHA 512 hash function, hyperchaotic systems, and Josephus problem. LFSR generates a matrix that is used to construct the 512-bits value of the hash function. These bits are used to set the initial values and parameters of the proposed encryption algorithm. Firstly, the six dimensions (6-D) hyperchaotic system is divided into three parts, where every two equations are considered as one part. Secondly, the 1-D hyperchaotic logistic-tent system is considered as the controller to select one part. The selected part is used to generate a matrix that is XORed with the original image. Thirdly, the scrambling operation by Josephus sequences is applied to the output of the previous step by scrambling the rows and the columns according to the selected part to produce the pre-encrypted image. Finally, if the number of iterations is less than the required number which is considered as a parameter of the secret key, the previous operations will be repeated in the pre-encrypted image; otherwise, the pre-encrypted image is considered as the final cipher image. Experimental and analyses results show that the proposed algorithm has good performance in terms of high level of security, large enough key-space, tolerance to Single Event Upsets (SEU) as well as low time complexity.     

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时，针对由红外图片采集的局限性而造成的训练数据不足的问题，提出了基于生成对抗网络以生成红外图像的方法，实现了数据集的扩充。对基本的生成对抗网络进行了改进，将网络的输入由随机噪声变为真实图片，使之实现了图片到图片的风格转换，即彩色图片转变为红外图片。经过网络模型的搭建和训练，实验结果表明，该方法能够有效生成清晰和高质量的红外图片，解决了由红外数据不足而造成的网络训练不充分的问题。     

不同流速比超声速混合层气动光学效应研究

针对不同流速比混合层流场气动光学效应问题，首先采用大涡模拟数值方法进行了数值仿真，其次用光线追迹方法进行了气动光学效应仿真，最后对混合层的气动光学效应进行了评价。结果表明，混合层流场涡结构与光程差极小值存在一一对应关系，并且其流速比低的混合层气动光学效应更加严重。同时，研究了不同光学参数对斯特列尔比的影响，得到了相应的规律。     

基于模因算法的飞机装配序列规划

针对飞机制造的装配序列规划问题,提出一种基于模因算法的飞机部件装配序列规划方法。在装配优先约束矩阵和非正交干涉矩阵的基础上构建装配规划模型,以飞机零部件间的装配方向和装配工具的差异性来构建适应度函数。在非干涉解空间中进行全局搜索,获得较优的装配规划方案,通过二叉树中序遍历法将较优的方案转化为可行解,再经过交叉操作和变异操作后,在可行解空间内进行局部搜索,最终获取较优的装配方案。以某型号的飞机舱门装配为例,通过与传统遗传算法对比,证实模因算法在飞机装配序列规划中的可行性和有效性。     

翼身融合运输机分布式电推进系统设计及油耗评估

针对翼身融合运输机开展了分布式电推进系统的总体设计与油耗评估。通过数值计算完成了70t载质量翼身融合飞机的气动设计与优化。在巡航马赫数为0.80和10km高度的设计点,最大升阻比达到了24。通过求解积分边界层方程组,完成了电推进系统的总体设计。电推进系统包含10个推进风扇,风扇直径为1.45m，压比为1.35，巡航功率为2.94MW。建立了考虑燃烧过程的发动机一维性能模型,对发动机油耗进行了评估,获得了不同发动机循环参数下燃油消耗。建模结果表明,基于翼身融合布局和分布式电推进技术,可使运输机的油耗较C-17节省近50%。      

折叠式变体飞行器轨迹优化及控制分析

针对临近空间高超声速飞行器存在的问题，设计了一种折叠翼飞行器，可以通过折叠机翼来适应各种飞行状态，保持最优的气动特性。并针对临近空间滑翔式高超声速的特点，采用高斯伪谱法对固定翼飞行器和折叠翼飞行器的轨迹优化，通过将折叠翼飞行器与传统固定翼飞行器在射程能力、规避热流能力方面进行对比，提出了一种综合目标的轨迹优化思想。设计的折叠翼飞行器相比传统固定翼飞行器性能更加优越，更适合临近空间环境，提高了17.67%的航程，减少了热流率峰值的35.72%，并通过控制系统的设计和仿真加以验证，仿真结果表明变体飞行器机动能力相比固定翼飞行器有了显著的提高。     

基于IPSO-Elman神经网络的飞机客舱能耗预测

为了提高飞机客舱使用地面空调制冷时客舱能耗的预测精度，提出了一种改进的粒子群优化（IPSO）Elman神经网络的飞机客舱能耗预测模型。依据对算法中惯性权重与学习因子的收敛域分析，得出了二者合理的取值范围，将粒子到全局最优位置间距离与参数的取值范围相结合，构造了惯性权重与学习因子的动态调节函数，对其进行非线性的动态调节，并引入了变异因子，提出了一种跳出局部最优的策略，防止粒子群优化（PSO）陷入局部最优。将IPSO-Elman应用于Boeing738飞机客舱能耗预测中，与PSO-Elman、Elman算法进行性能比较，仿真结果表明基于IPSO-Elman的客舱能耗预测模型在预测精度和收敛速度方面均有一定的提升。该研究结果为飞机客舱能耗预测模型的建立提供了理论依据，对飞机地面空调的节能与机场电能合理调配提供了支持。     

太阳能飞机循环飞行的高度剖面能量策略

为满足设定的太阳能飞机多日连续飞行条件，依据飞行过程中当前时刻的飞行高度、光伏输出功率、动力电池组余量等系统状态参数，研究如何分配动力电池组充放电和电推进系统输入等功率。所用策略立足于实时功率平衡，充分利用正午前后的光伏峰值功率用于飞机爬升及充电，在午后下滑过程中利用全部光伏输出，以最大化利用光伏资源；在光伏有效输出不足时则以一定的维持功率下滑，使能量的综合损失最小。方法能够提高以预定夜间飞行高度连续多日续航的成功率，提升飞行高度、纬度、季节范围或搭载能力，或者拓展这几种飞行条件的组合域，优化太阳能飞机的适用性。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数