跨传感器异步迁移学习的室内单目无人机避障

针对强化学习策略由仿真环境向实际迁移困难的问题,以提高无人机采用无深度信息单目视觉时的行人规避能力为目标,提出一种基于异步深度神经网络结构的跨传感器迁移学习方法。首先,在仿真环境中仅使用虚拟单线激光雷达作为传感器,通过基于确定性策略梯度(DDPG)的深度强化学习方法,训练得到一个稳定的初级避障策略。其次,用单目摄像头和激光雷达同步采集现实环境中的视觉和深度数据集并逐帧绑定,使用上述初级避障策略对现实数据集进行自动标注,进而训练得到无需激光雷达数据的单目视觉避障策略,实现从虚拟激光雷达到现实单目视觉的跨传感器迁移学习。最后,引入YOLO v3-tiny网络与Resnet18网络组成异步深度神经网络结构,有效提高了存在行人场景下的避障性能。     

跟踪传感器空域覆盖性能分析

针对天基光学跟踪传感器覆盖问题,将点覆盖数值仿真模型扩展到空域,提出了一种基于视函数的跟踪传感器覆盖计算方法.在典型圆轨道星座下,对所提方法进行数值仿真,并分析了覆盖性能的影响因素,为天基光学低轨星座设计和跟踪传感器管理调度提供重要的参考和支持.     

基于高分三号卫星的星载无人机双基前视SAR系统设计

高分三号卫星是我国首颗全极化C波段高分辨率SAR成像卫星。文章提出一种以高分三号卫星为辐射源的无人机双基前视SAR系统。对典型双基构型参数下的成像分辨率、分辨率夹角、图像信噪比等指标进行理论分析。所设计的星载 无人机载前视SAR系统，成像场景中心地距分辨率为0.8m，多普勒分辨率为2m，分辨率夹角约为85°，SNR约为52dB，并通过计算机仿真实验，验证了理论分析的正确性和有效性。文章所提出的系统设计方法为星载 无人机载前视SAR高分辨率目标侦察、飞机着陆指引等应用提供解决方案。     

基于深度学习的在轨辐射定标方法研究

辐射定标是将卫星传感器的计数值转化为具有物理意义的数值的关键环节。传统的在轨定标方法都是基于一天的数据,定标精度受限于当天的地面测量数据和天气情况。文章提出了一种基于深度学习的在轨定标新方法,其思想是利用定标场地的大量历史卫星影像、历史大气数据和历史光谱数据,通过对这些数据的学习和筛选,构建和真实场景最接近的定标场地模型。利用这一定标场地模型,模拟出待定标卫星成像时刻对应观测几何下的表观反射率,实现传感器的绝对辐射定标。为验证新方法的有效性,分别利用场地定标法、交叉定标法和深度学习定标法对"高分一号"卫星PMS2相机进行在轨辐射定标。结果表明,深度学习定标法的定标精度和场地定标法接近,优于交叉定标方法,且具备交叉定标方法的成本低、频率高、可实现历史数据再定标等优点,是一种比较理想的在轨定标新方法。     

“全球鹰”无人机飞抵欧洲更名为“欧洲鹰”

20 0 3年 1 1月 ,美海军航空系统司令部授予Raytheon公司 2 .982亿美元的合同 ,为美海军和海军陆战队舰队的F/A 1 8“大黄蜂”(Hornet)和“超级黄蜂”(SuperHornet)战斗机全速生产AN/ASQ 2 2 8先进瞄准前视红外 (ATFLIR)吊舱。合同要求先生产 88部吊舱 ,包括相关的备用件 ,特殊仪器和测试设备并进行工程支援。计划于 2 0 0 6年 1 1月全部交付。ATFLIR吊舱的组成包括瞄准和导航前视红外传感器 ,光电传感器 ,激光测距仪和指示器 ,还有激光光斑跟踪器。它将用于执行空对地和空对空攻击任务。海军计划采购多达 5 74部ATFLIR吊舱 ,安…     

用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

一种压电振动能量收集无线测温系统的研究

随着物联网技术的快速发展,各类传感器终端得到广泛的应用。物联网应用场景对传感器网络的使用寿命要求较长,同时大多数应场景节点往往分布广泛,且某些情况下传感器一经安放难以再触及,更换电池费时费力,在很多场合下也无法完成,此外无线传感器节点的很多实际应用场合无法使用电池或者限制电池的体积不能过大。因此,从周围环境中采集能量的能源装置无疑是一个很有前景的电池替代方案。本文提出了一种悬臂梁式压电振动能量收集电路装置,用于给无源无线温度传感器模块提供电源,经实验验证该系统供电有效。随着物联网技术的迅速发展,对无源测温传感器需求越来越大,压电能量收集技术作为有效解决传感器网络终端的能量供给途径之一,应用前景广阔。     

一种基于数字聚束的极坐标格式算法波前弯曲补偿

提出了一种基于数字聚束技术的PFA波前弯曲误差补偿新方法,该方法首先对回波数据进行两维空域滤波和降采样,将原始的宽波束大场景数据分解成若干窄的子波束子场景数据,再结合PFA的非共面运动补偿能力,能够有效解决在雷达任意航迹条件下的PFA波前弯曲误差补偿问题,显著提高PFA有效成像场景范围。仿真数据处理表明了算法的有效性。     

箭载无线传感器网络动态业务分配方法研究

无线传感器网络技术是新一代火箭测量系统中的关键技术之一,为实现箭上无线传感器节点业务动态变化场景下的信道资源无冲突分配,提出了一种基于优先级的动态业务分配方法——基于优先级的动态占空比节能位图辅助MAC协议(PD-EBMA)。主要思想是利用位图辅助适应业务量的动态变化、搭载预约的方式减少控制信息开销、背包算法提高信道利用率和降低时延,以及在流量较小时延不敏感的场景中使用动态占空比的思想降低能量开销。仿真结果表明:相比传统固定时隙的分配方式,PD-EBMA可以大幅提升网络灵活性,同时能耗和时延特性也得到显著改善。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。