基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。      

基于BP神经网络的飞行绩效评价模型

为实现飞行绩效的客观评价,利用眼动数据,建立了拓扑结构为6-14-3型的BP(Back Propagation)神经网络模型.已有的实验数据和随机插值法得到的数据作为建模的数据来源,数据分为训练集和测试集并归一化.基于Matlab的神经网络工具箱,利用经验公式和实验比较法确定了BP网络模型的隐含层节点数;对BP算法的各种改进算法进行了优化选择;将训练集数据和测试集数据先后输入网络模型进行学习训练和仿真测试;对3个技术水平的飞行员的飞行绩效进行了预测和评价.研究表明,眼动数据的BP神经网络模型可以较为准确地评价飞行绩效,评价方法可以为飞行训练提供参考.     

基于眼动数据的网络搜索行为预测方法

预测用户的网络搜索行为对改进搜索引擎和提升用户体验十分重要.现有大多数方法是基于用户的交互数据,如查询、点击和鼠标移动等.提出一种基于眼动数据的用户网络搜索行为预测方法.通过眼动实验,采集用户在网络搜索任务时的眼睛运动数据,将这些数据转化成两种数据格式:直方图和序列.直方图数据描述用户注意力的分布情况,序列数据呈现用户的扫视路径.使用4种学习算法对用户决策或用户意图进行预测,同时研究两种数据格式的性能.结果显示,两种数据格式均适合于预测用户决策,而序列数据更适合于预测用户意图.该结果表明,利用眼动数据能够有效预测网络搜索行为.      

基于调制卷积神经网络的空地数据链信道估计

针对复杂环境下空地数据链正交频分复用(OFDM)系统信道估计精度不足的问题,提出了一种基于调制卷积神经网络(MCNN)和双向长短时记忆网络(BiLSTM)结合的信道估计算法。利用最小二乘算法(LS)提取初始信道状态信息(CSI);利用MCNN网络提取初始CSI的深度特征,并对网络模型进行压缩;利用BiLSTM网络对最终CSI进行预测,实现信道估计。利用构建的空地信道模型生成信道系数数据集,实现神经网络模型的训练与测试。仿真结果表明:与传统算法和现有深度学习方法相比,所提出的信道估计算法具有更小的估计误差,高信噪比条件下的系统误码率(BER)性能提升接近一个数量级;由于引入了调制滤波器技术,随着神经网络层数增加,网络模型参数量大幅减少。      

一种含铰接动平台姿态类并联机器人的运动学标定

面向航空制造业大型零部件精确装配的重大需求,研究一种含铰接动平台姿态类并联机器人(4 PRS&H(R))的精度提升问题.首先,基于零件 部件 整机的装配思路,从零件加工设计与部件装配工艺来保证物理样件具有一定的基础精度,并借助区间理论,预估几何误差源对物理样机末端姿态精度的影响程度,其次,在精度预估的基础上,简化基于激光跟踪仪的误差参数辨识模型,然后结合物理样机实际装配精度和其结构的特殊性对测点进行规划,随后针对4 PRS&H(R)并联机器人开展运动学标定实验,激光跟踪仪检测结果表明,该机器人在运动学标定后沿α、β和γ三个转动方向的最大姿态偏差分别由0.195°、0.520°和2.089°降低至0.026°、0.044°和0.519°,且姿态偏差整体波动平稳,以此验证所述运动学标定方法的正确性和有效性.     

测试不可靠条件下多故障诊断方法

针对部队复杂系统故障诊断中存在的诊断精度低,虚警率高等问题,提出一种测试不可靠条件下多故障诊断方法.为解决系统诊断贝叶斯网络结构和概率映射表建立困难的问题,通过建立系统的多信号流图模型,从而获得系统诊断贝叶斯网络.将测试不可靠度引入概率映射表,增加了算法工程应用中的鲁棒性.利用后验概率诊断推理将问题归结为不等式约束极值问题,采用0-1规划隐数法对不等式极值问题求解,从而获得最优解.以某型导弹制导系统电子部件为例,验证了该方法对复杂系统多故障诊断的有效性.      

自旋卫星测试转台精度分析

自旋卫星测试转台用于自旋卫星控制系统的标定试验,是系统地面测试设备中的核心组成部分,其精度直接影响到系统标定试验的精度．另一方面,过高的转台精度指标将带来研制成本的大幅度增加,但有时仅对系统标定试验精度带来很小的提高,因此有必要对转台指标进行论证．根据标定试验原理,对转台引起的标定误差进行了分析计算,认为现有的精度指标能够满足标定需求,转台精度指标是合理的．     

基于电磁自动加载的姿控发动机推力架标定控制系统设计

推力是反映姿态控制发动机性能参数的关键指标，对推力测试系统的精确标定是准确测量推力矢量的前提，同时，提升标定系统的自动化程度是亟需解决的问题。重点介绍了一种应用电磁悬浮技术的姿态控制发动机推力测试平台，并设计了针对推力测量传感器的电磁自动加载标定系统。仿真与试验结果表明，该系统能实现满足精度需求的多回程自动标定，有效提升系统的自动化程度以及标定效率和准确度。     

一种复杂场景下的人眼检测算法

针对复杂场景下的人眼检测问题,间接方法和直接方法具有一定的局限性。提出了一种不依赖人脸检测的直接型人眼检测算法,以解决复杂场景下多尺度尤其是小尺度人眼检测问题。算法通过减少下采样因子并加入扩张残差单元以提升小尺度人眼检测能力,且对多尺度特征相互拼接以保证多尺度人眼检测的精度。同时,算法借助于压缩特征输出通道降低了模型复杂度,使人眼检测效率得以提升。实验结果表明:所提模型可以在小尺度下有效地进行左右眼区分,并在红外数据上表现良好。经在DIF数据集上进行训练与测试,所提模型在较小尺度下人眼检测精度达到82.59%,检测效率达到30.5 fps。      

基于MobileFaceNet网络改进的人脸识别方法

为了解决训练过程中卷积模型参数较多、收敛速度较慢的问题,提出了一种基于MobileFaceNet网络改进的人脸识别方法。首先,使用MobileFaceNet网络提取人脸特征,在提取特征的过程中,通过引入可分离卷积减少模型中卷积层参数的数量;其次,通过在MobileFaceNet网络中引入风格注意力机制来增强特征的表达,同时使用AdaCos人脸损失函数来训练模型,利用AdaCos损失函数中的自适应缩放系数,来动态地调整超参数,避免了人为设置超参数对模型的影响;最后,分别在LFW、AgeDB和CFP-FF测试数据集上对训练模型进行评估。实验结果显示:改进后的模型在LFW、AgeDB和CFP-FF测试数据集上的识别精度分别提升了0.25%、0.16%和0.3%,表明改进后的模型相较于改进前的模型在精度和鲁棒性上有所提高。      

基于多源图像弱监督学习的3D人体姿态估计

3D人体姿态估计是计算机视觉领域一大研究热点,针对深度图像缺乏深度标签,以及因姿态单一造成的模型泛化能力不高的问题,创新性地提出了基于多源图像弱监督学习的3D人体姿态估计方法。首先,利用多源图像融合训练的方法,提高模型的泛化能力;然后,提出弱监督学习方法解决标签不足的问题;最后,为了提高姿态估计的效果,改进了残差模块的设计。实验结果表明:改善的网络结构在训练时间下降约28%的情况下,准确率提高0.2%,并且所提方法不管是在深度图像还是彩色图像上,均达到了较好的估计结果。      

神经网络专家系统在姿控系统诊断中的应用

为了解决传统专家系统在知识获取和推理方面的问题,提出了一种神经网络和专家系统相结合的诊断系统。采用主成分分析方法简化神经网络训练样本,进而优化网络的结构。采用神经网络集成技术,克服选取网络中间层节点数目及判断阈值的困难。给出了诊断推理过程和对诊断结果进行解释的方法。把此技术应用在了卫星姿控系统的故障诊断中,结果表明提高了诊断效率和诊断的正确率。     

基于故障树和快照技术的无人机特情训练方法

针对无人机操作手在执行任务时不能有效地识别与处置特情的难题,提出了一种基于故障树遍历分析和快照技术的无人机特情模拟训练方法,并以样例无人机为研究案例进行了关键技术解析、通用化特情训练系统设计实现和试验.利用故障树理论,建立完备的无人机故障树模型,分析了需重点模拟训练的特情.利用快照技术,实现了不同飞行阶段训练的解耦;结合RTW（Real-Time Workshop）技术、数据库技术和视景仿真技术,完成了通用化无人机特情训练系统的开发,并成功应用于某型无人机的特情训练.给出了样例无人机操作手在不同方法下的训练结果,通过统计数据对比,表明该方法与常规的方法相比,训练效率更高,训练的完备度更好.     

基于高层语义嵌入的孪生网络跟踪算法

在不加深网络的前提下,为提高孪生网络的特征表达能力,提出基于高层语义嵌入的孪生网络跟踪算法。利用卷积和上采样运算设计了语义嵌入模块,有效融合了深层特征和浅层特征,达到了优化浅层特征的目的,且该模块可以针对任意网络进行灵活的设计与部署。在孪生网络框架下,对AlexNet骨干网络不同层之间添加2个语义嵌入模块。在离线训练阶段进行循环优化,使深层语义信息逐渐转移到较浅的特征层,在跟踪阶段,舍弃语义嵌入模块,仍采用原始的网络结构。实验结果表明：相比于SiamFC,所提算法在OTB2015数据集上精度提高了0.102,成功率提高了0.054。     

Changes of vertical eye movements of goldfish for different otolith stimulation by linear acceleration.

Eye movements serves to hold the gaze steady or to shift the gaze to an object of interest. On Earth, signals from otoliths can be interpreted either as linear motion or as tilt with respect to gravity. In microgravity, static tilt will no longer give rise to changes in otolith activity. However, linear acceleration as well as angular acceleration stimulate the otolith organ. Therefore, during adaptation to microgravity, otolith-mediated response such as eye movements alter. In this study, we analyzed the eye movements of goldfish during linear acceleration. The eye movements during rectangular linear acceleration along the different body axis were video-recorded. The vertical eye rotations were analyzed frame by frame. In normal fish, leftward lateral acceleration induced downward eye rotation in the left eye and upward eye rotation in the right eye. Acceleration from caudal to rostral evoked downward eye rotation in both eyes. When the direction of acceleration was shifted 15 degrees left, the responses in the left eye disappeared. These results suggested that otolith organs in each side were stimulated differently.     

基于虚拟现实Stewart平台遥操作系统

针对基于虚拟现实的遥操作Stewart平台设计了虚拟系统.介绍了虚拟系统的驱动算法的原理.该算法首先建立合适的坐标系,通过一系列的空间坐标变换,解决了平台和6根杆的运动一致问题.采用基于L-M(Levenberg-Marquardt)算法的BP(Backpropagation Algorithm)神经网络来解决平台位置正解的问题,经过检验,证明该网络具有很好的泛化性能.采用了层次化的包围盒技术,每个节点建立轴向包围盒,来解决虚拟环境中的虚拟模型的碰撞检测问题.设计了一种简单的控制策略来解决大时延的稳定性问题.在机器人本地控制器的设计中采用离散化的微分跟踪器来保证机器人本地控制的稳定性和良好的动态性能,最后通过试验验证了本系统的有效性.      

结合多层特征及空间信息蒸馏的医学影像分割

U-Net在医学影像分割领域是目前应用最广泛的分割模型，其“编码-解码”结构也成为了构建医学影像分割模型最常用的结构。尽管U-Net在许多领域实现了非常高的分割准确度，但是存在着计算复杂度高、推理速度慢、运行消耗内存大等问题，导致其难以在移动应用平台部署。为解决这一问题，提出了一种结合多层特征及空间信息蒸馏的医学影像分割方法TinyUnet。该方法使用轻量化的U-Net作为学生网络。考虑到小模型没有足够的学习能力，通过选择合适的蒸馏位置，对多层教师特征图进行蒸馏; 同时加强教师网络深层特征图的边缘，并构建边缘关键点图结构，采用图卷积网络对学生网络进行空间信息蒸馏，从而补充重要的边缘信息和空间信息。实验表明:在3个医学影像数据集上，TinyUnet能够达到U-Net 98.3%~99.7%的分割准确度，但是将U-Net的参数量平均降低了99.6%，运算速度提高了约110倍; 同时，与其他轻量化医学影像分割模型相比，TinyUnet不仅具有较高的分割准确度，而且占用内存更少，运行速度更快。      

基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。     

利用BP神经网络对卫星无热敏设备温度的估测

卫星上测温资源有限,只有部分设备有测温点,难以准确获得其他无测温点设备的温度.基于反向传播(BP)神经网络对复杂非线性系统优秀的拟合能力,建立了估测卫星上无测温点设备温度的神经网络,以在轨有测温点设备温度为输入层,以在轨无测温点设备为输出层,并使用卫星热试验获得的星上温度遥测数据和在轨无测温点设备的热电偶温度数据进行训...