基于跨模态近邻损失的可视-红外行人重识别

可视-红外跨模态行人重识别任务的目标是给定一个模态的特定人员图像,在其他不同模态摄像机所拍摄的图像集中进行检索,找出相同人员对应的图像。由于成像方式不同,不同模态的图像之间存在明显的模态差异。为此,从度量学习的角度出发,对损失函数进行改进以获取具有更加辨别性的信息。对图像特征内聚性进行理论分析,并在此基础上提出一种基于内聚性分析和跨模态近邻损失函数的重识别方法,以加强不同模态样本的内聚性。将跨模态困难样本的相似性度量问题转化为跨模态最近邻样本对和同模态样本对的相似性度量,使得网络对模态内聚性的优化更加高效和稳定。对所提方法在全局特征表示的基线网络和部分特征表示的基线网络上进行实验验证结果表明：所提方法对可视-红外行人重识别的预测结果相较于基线方法,平均准确度最高可提升8.44%,证明了方法在不同网络架构中的通用性;同时,以较小的模型复杂度和较低的计算量为代价,实现了可靠的跨模态行人重识别结果。     

遥感图像语义分割的空间增强注意力U型网络

针对基于深度学习的语义分割模型在解析遥感图像时，小尺寸目标和目标边界存在分割不准确的问题，提出一种U型网络模型SGE-Unet。该模型通过优化网络结构加强模型的特征提取能力；融合空间组增强注意力，提升模型对上下文语义信息的解析能力；采用中值频率平衡交叉熵损失函数抑制类别分布不均衡的影响。在2个数据集上进行实验，SGE-Unet的整体准确率、平均交并比、■分数和Kappa系数均高于主流模型，Vaihingen数据集中小尺寸目标车的交并比和F₁分数分别为0.719和0.901，比次优模型提升了16%和11%，实验结果表明所提模型能更精准地分割小尺寸目标及目标边界。     

基于结构化特征的遥感影像道路智能提取方法

遥感影像道路提取是空基平台对地智能理解的重要内容.利用道路网络特有的结构特点,从道路网络结构相似性损失函数和结构化特征算子两个方面,提出了一种结构化特征表示的道路提取方法.首先,针对遥感图像中道路目标占比较小的特点,设计了深度较浅、分辨率较高的编解码网络结构;其次,引入道路网络的结构相似性(SSIM)损失,并提出一种道...     

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     

基于动态寻优调节的卷积码堆栈-桶算法

大约束长度卷积码具有抗干扰性强，难以破译等优点，被应用于卫星通信等领域。但低信噪比环境下，存在空间利用率低和译码复杂度高的缺点。针对此问题，提出一种基于动态寻优调节的卷积码堆栈-桶（DORSB）算法。所提算法采用新参数深度因子辅助路径存取，能够增大接近码树终点的路径优势，降低译码复杂度；并在堆栈溢出时，对桶的尺寸进行调节，对桶空间进行复用的同时降低误帧率，可有效提升空间利用率。仿真结果表明：在深度因子增量适当且误帧率为10-5的情况下，相比于标准堆栈-桶算法，所提算法误帧性能提高了约0.6 dB，并且时间复杂度最多能改善72.63%。     

基于决策树的空间拦截器姿态控制

拦截器的发动机为带脉冲型发动机,从而限定了作动器的输出集.对于该拦截器的姿态控制,提出了基于决策树的控制方法.它是通过搜索决策树代价最小的路径做出控制决策,该控制思想非常类似棋手博弈的思想.提出的剪枝方案降低了决策树的计算复杂度.通过仿真实验说明:基于决策树的控制具有一定的智能;不同剪枝方案产生不同的控制效果;该方法较好地解决了输入受到约束、非线性和耦合的多输入多输出控制问题,并且在满足控制精度前提下可减少发动机切换次数和燃料消耗.      

基于非参数边缘积分估计的局部特征描述子

为提高图像匹配性能提出了关于局部区域特征描述子的统计模型。该模型是一种基于梯度模值及方向分布的边缘积分函数模型。在离散梯度方向的边缘积分函数与梯度矢量场的模值累积方向直方图相同。采用基于核函数的非参数估计,估计了该函数,应用于尺度不变特征变换(SIFT)描述子。为了提高描述子的旋转不变性、独特性,降低运算复杂度,将特征点周围的局部区域作为圆形,由径向采样网格划分为8个子区域。在每个子区域估计边缘积分函数,特征向量由每个小块8个方向的函数值组成。实验表明,该描述子能够提高旋转变换的检测率(查全率),降低运算复杂度。      

改进的基于剩余度置信度传播的LDPC解码算法

低密度奇偶校验（LDPC,Low-Density Parity-Check）码的剩余度置信度传播（RBP,Residual Belief-Propagation）和基于行的剩余度置信度传播（NWRBP,Node-Wise RBP）解码算法的性能提升非常有限且计算复杂度较高.提出改进的RBP（ERBP,Enhanced RBP）算法,在一个子迭代中,仅更新一个消息,然后设置被更新消息所在行的所有节点的剩余度值为0,使得ERBP解码算法在每个子迭代中使用不同行的消息进行计算,以加速迭代收敛.不同的LDPC码用于对所提出的算法进行性能仿真.仿真结果表明,与其他算法相比,ERBP算法降低了误帧率（FER,Frame Error Ratio）,并加快了迭代收敛速度.      

一种新的SIFT匹配定位技术研究

在基于局部特征点匹配的目标定位系统中,匹配点和误匹配点数量的多少直接影响定位准确度。传统SIFT方法为保证匹配过程中有足够的匹配点数,通常选取较小的统计区域,特征点缺失了对周边区域的关联性,造成误匹配。为提高定位准确度,提出一种改进的SIFT特征描述子。在传统的SIFT局部特征描述子中引入PCA统计特征,在获得更高的正确匹配率的同时降低了错误匹配率。针对常用的SIFT误匹配滤除算法（NN法）滤除误匹配时需牺牲大量正确匹配,提出在NN法基础上,利用匹配特征点的坐标信息对误匹配进行二次滤除,进一步减少了误匹配。实验结果表明,定位算法的准确度优于传统方法。     

HEVC对偶编码单元划分优化算法

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度。该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计。实验结果表明：与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06%的编码时间。     

小天体探测自主绕飞智能规划建模

针对小天体探测存在显著通讯延迟、任务执行效率低等问题,梳理了小天体探测智能规划需求,面向自主绕飞任务开展了智能规划研究。首先将该问题分解为平台任务智能规划和载荷任务智能规划两部分。针对平台任务智能规划问题,基于PDDL语言设计了探测器自主管理知识模型,提出了基于状态时间线扩展的求解算法;针对任务智能规划问题,建立了基于CSP问题的智能规划数学模型,提出了基于遗传策略的求解算法。最后开发了仿真系统进行算法验证。仿真结果表明:该方法可综合平台与载荷需求,在存储、能源、通信等多种约束条件下,对绕飞探测任务进行统一的任务规划,并得到指令序列和动作序列,能够提高任务管控的智能化程度,降低任务操作的复杂性。     

基于混合粒子滤波的载波估计算法

针对粒子滤波载波估计算法的高复杂度、粒子退化及贫化问题,提出了一种基于混合粒子滤波的载波估计方法.该方法引入多阶马尔科夫模型,采用多个非零均值高斯分布的加权和来近似重要性函数的最佳选择,并根据最大后验概率准则规范粒子的迭代计算.仿真结果表明,在非高斯噪声环境下,低轨卫星通信TDMA/DEQPSK(Time Division Multiple Address/Differential Quadrature Phase Shift Keying)数据帧非合作接收载波估计时,与基于经典粒子滤波的载波估计算法相比,提高了粒子"效率",在误码性能相当的情况下,有效降低了计算复杂度.     

基于连续蚁群算法的Bayesian方位估计快速方法

针对蚁群算法(ACO)在解决高维非线性搜索问题方面的有效性,提出了基于蚁群优化算法的Bayesian最大后验概率方位估计(ACO-Bayesian)快速方法.该方法将Bayesian最大后验概率函数作为蚁群算法的目标函数,选取若干一维高斯函数的加权和作为连续蚁群算法中信息量概率分布函数,经过有限次迭代得到Bayesian方法的非线性全局最优解.仿真结果表明,ACO-Bayesian方法在保持Bayesian方法优良性能的同时,将Bayesian方法的计算量减少到原来的1/14.水池实验结果验证了ACO-Bayesian方法的正确性和有效性,为其工程应用奠定了基础.      

基于TLE的弹道系数计算方法及应用分析

针对仅使用两行要素（Two Line Element，TLE）作为数据源的应用需求，研究了基于TLE轨道衰减的弹道系数计算方法。介绍了一种常用的基于两组TLE的直接计算法，分析TLE选取间隔对结果精度的影响；提出了一种基于多组TLE的迭代计算方法，以降低异常TLE对计算结果的影响；从弹道系数计算效果、在再入预报中的应用等方面对这两种方法进行比较分析。结果表明，两种方法各有优劣，基于多组TLE的迭代计算法稳定性更高、受TLE精度的影响更小；由于数据区间更短，基于两组TLE的计算结果对短期轨道衰减特性反应得更准确，用于临近再入时的预报效果更好。     

考虑射程损失的高超声速飞行器突防弹道分析与设计方法

研究了高超声速飞行器突防机动造成速度损失进而影响射程的问题。高超声速飞行器在面对拦截威胁时需要靠自身机动进行躲避,而机动躲避将会使得飞行状态产生偏离,进而影响高超声速飞行器射程。针对此问题,首先分别建立弹道式和滑翔式高超声速飞行器运动学和动力学模型,然后考虑突防机动过程中造成的速度、弹道倾角等弹道参数变化,分别对弹道式和滑翔式高超声速飞行器的射程与弹道参数关系模型进行构建,得到突防机动-射程变化关系。之后, 通过数值仿真对突防机动-射程变化二者之间的关系进行验证,结果表明弹道式和滑翔式高超声速飞行器的机动均会导致射程变化,且变化规律与理论分析基本一致,验证了所提出突防机动-射程变化模型的正确性和有效性。最后,基于突防机动-射程变化模型,针对两种高超声速飞行器分别给出对射程变化影响较小的突防机动策略,为提升飞行器飞行性能提供理论和方法基础。     

航天器集群控制与规划算法仿真验证平台设计

航天器集群作为一种新兴的多航天器协同模式,已经成为分布式空间系统的一个重要研究课题。很多关于航天器集群的关键技术需要在地面进行仿真、分析和验证。针对上述需求,设计了一种仿真验证平台,在地面实现了对航天器智能集群导航、规划与控制算法的全物理分析和验证。首先,给出了仿真验证平台的几种位姿识别方案,重点分析了一种基于单目相机的全局位姿识别技术,提出了一种基于气浮技术的航天器集群控制与规划算法仿真验证平台的总体设计方案,并定义了集群的运动场行为函数,设计了基于滑模控制的路径规划算法。最后,通过仿真验证了本方法的可行性和有效性。     

基于近邻传播聚类的航空电子部件LMK诊断模型

针对小样本条件下,航空电子部件功能模块故障诊断精度不高的问题,将局部多核学习（LMKL）算法的多分辨率解释与局部特征自适应表示能力和超限学习机（ELM）运算高效的特点相结合,提出一种新的局部聚类MK-ELM（LCMKELM）诊断模型。通过引入近邻传播（AP）聚类,在挖掘训练样本局部特征信息的同时,有效约减了局部算法的计算复杂性,避免了过学习问题的出现;通过分别分析输入空间与特征空间的聚类特征,构造了相应的2种选通函数M₁、M₂,以优化选通函数的模型参数取代优化局部权重,有效解决了核超限学习机（KELM）的对偶优化形式关于局部权重二次非凸的问题。将本文模型应用于某型机旋转变压器激励发生电路功能模块故障诊断,结果表明:相比于4种常用的多核诊断算法,模型在实现低漏警、低虚警的同时,采用M₁选通函数的诊断算法将诊断精度平均提升了3.80%,采用M₂选通函数的诊断算法将诊断精度平均提升了5.98%。同时,模型在实现与流行的LMKL算法相近的训练时间的同时,测试时间更短。      

低信噪比下分组交织器识别

针对现有的分组交织器识别算法计算复杂高且容错性差缺点,从分组交织后的同步码分布规律出发,提出了一种新的识别算法。首先,利用数据矩阵统计特性,给出了在任意矩阵列数下,同步码和随机业务数据位置上的概率密度分布函数,基于最小错误判决准则,设定了同步码检测门限,同时基于3倍标准差准则,求解出稳健的交织周期识别门限;其次,分析了数据矩阵中每一行与每一列累积量之间的对应关系,提出了一种快速交织周期遍历方法,使得数据矩阵的构建次数大大减少;最后,总结了4个分组交织后同步码分布规律,通过遍历同步码序列,利用同步码之间的位置关系,实现交织同步位置、分组交织列与交织行参数快速识别。仿真结果表明:所提算法具有较强的低信噪比容错性,在信噪比为-6 dB条件下,参数识别率能够达到98%以上,同时与现有的算法相比,其性能提升4~10 dB且计算效率明显提高。