一种基于图论的机场空域无人机流量控制方法

城市物流无人机机场需具有同时起降多架无人机的能力，针对中小型垂直起降无人机设计了一种单入口单出口、航路交叉、多停机坪的机场模型，提出了一种基于图论的飞行安全优先的流量控制方法。根据机场内无人机飞行状态，控制无人机进离场时间，规划出机场内飞行航路，保证无人机飞行安全。仿真结果表明:该流量控制方法可以确保无人机在机场空域内安全有序飞行；分别测试了面积不同的机场进场与进离场运行容量，在单个停机坪面积一定时，停机坪数量越多进场容量越大，但进离场容量反而越小；因此在设计机场时，在给定的机场面积情况下，需要合理规划停机坪数量。      

基于交通状态的离场航班动态协同排序方法

为适应协同决策(CDM)需要，考虑空管、航司和机场三方的诉求，对拥挤和非拥挤场景下的离场航班动态协同排序问题进行了系统研究。通过分析离场航班运行特性，利用离场航班的计划撤轮档时间(SOBT)和预计撤轮档时间(EOBT)数据设计了一种离场航班动态排序方法；针对各方构建了离场航班排序的多个优化目标，且为保证排序公平性，提出了航空公司延误公平性评价指标，将非受控离场航班优先级分为3类，对各类非受控离场航班设置其可接受的最大延误时间和最大位置偏移量，创建了基于交通状态的离场航班协同排序模型；采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)寻求离场航班动态协同排序的最优解。仿真结果表明:较先到先服务(FCFS)方法，所提方法在2种场景下各排序时段均增加多种排序方案，离场航班总延误均减少50%以上，且在非拥挤场景下提高了航空公司延误公平性。所提方法可对离场航班进行优化排序，显著减少航班延误，有效提升公平性，契合协同决策理念，可实现三方协同排序。      

大型机场滑行道航空器交通流特性仿真

滑行道是连接跑道和停机坪的纽带,是大型机场航空器场面运行的关键资源。随着场面航空器数量的不断增加,航空器在滑行道区域涌现出特有的交通流特性。基于滑行道航空器运行规则,结合元胞传输模型（CTM）,建立宏观的滑行道航空器交通流元胞传输模型,在NetLogo系统动力学仿真平台的基础上,以中国某大型机场滑行道航空器运行为例对模型进行验证,推理滑行道交通流基本参数之间的关系和相变特征。研究表明,滑行道交通流在自由流、同步流和阻塞流3种相态中演变,其中在同步流相态中,随着密度增加,流量从0.15降至0.10架次/min,速度从20降至7.64 m/s,说明流量和速度参数对于密度的变化十分敏感。当离场率与进场率的比例从0.2降至0.15时,3种相态下的临界流量从0.15、0.10降至0.13、0.05架次/min;临界速度在自由流不变,同步流和阻塞流中依次从7.64、1.07降至0.88、0.25 m/s;临界密度在自由流由0.50降至0.46架次/km,而在同步流阻塞流中依次从0.88、6.21增加至3.77、13.17架次/km。本研究揭示滑行道交通流拥堵演变机理,为制定科学合理的滑行道管理控制策略提供理论基础。      

一种基于FPGA的图像自动增强算法与实现

图像灰度分布不均匀是影响画质的重要因素，集中表现在对空间场景成像时，图像中存在大量过亮或过暗的区域.同时，算法的实时性和嵌入式平台的可实现性是设计实现空间应用载荷需要着重考虑的问题.针对上述问题，提出一种适合于FPGA实现的图像自动增强算法.算法以分段线性变换方法为基础，采用K均值聚类对视频图像的灰度直方图进行动态的区间划分；构建分段函数系数与直方图之间的定量关系，自动计算线性变换系数；采用高效的并行流水线结构设计，实现了基于FPGA的硬件处理系统.仿真和成像试验结果表明，该FPGA硬件系统实时性好，适应性强，针对不同的场景均取得较好的处理效果，具有广阔的应用前景.      

基于朴素贝叶斯K近邻的快速图像分类算法

朴素贝叶斯最近邻(NBNN)分类算法具有非特征量化和图像-类别度量方式的优点,但算法运行速度较慢,分类正确率较低.针对此问题,提出一种朴素贝叶斯K近邻分类算法,基于快速近似最近邻(FLANN)搜索特征的K近邻用于分类决策并去除背景信息对分类性能的影响;为了进一步提高算法的运行速度及减少算法的内存开销,采用特征选择的方式分别减少测试图像和训练图像集的特征数目,并尝试同时减少测试图像和训练图像集中的特征数目平衡分类正确率与分类时间之间的矛盾.该算法保留了原始NBNN算法的优点,无需参数学习的过程,实验结果验证了算法的正确性和有效性.     

自注意力相似度迁移跨模态哈希网络

为进一步提升跨模态检索性能,提出自注意力相似度迁移跨模态哈希网络模型。设计了一种通道空间混合自注意力机制强化关注图像的关键信息,并使用共同注意力方法加强模态信息交互,提高特征学习质量;为在哈希空间重构相似关系,采用迁移学习的方法利用实值空间相似度引导哈希码的生成。在3个常用的数据集MIRFLICKR-25K、IAPR TC-12和MSCOCO上与深度跨模态哈希（DCMH）、成对关系引导的深度哈希（PRDH）、跨模态汉明哈希（CMHH）等优秀方法进行对比实验,结果显示哈希码长度为64 bit的条件下,所提模型在3个数据集图像检索文本任务的平均精确度均值（MAP）达到72.3%,文本检索图像任务的MAP达到70%,高于对比方法。     

基于改进AdaBoost.M2算法的自动调制识别方法

针对同族调制类型通信信号识别难度大、深度学习模型普遍存在泛化能力弱的问题，基于经典AdaBoost.M2算法，提出改进样本权重的AdaBoost.M2算法，用于解决大样本情况下学习率与加权后样本数据难以相适应的问题。改进后的新样本权重确保训练样本数据的数量级在加权后不变，并使算法更迅速地关注到难分类样本，提高了弱分类器综合性能，降低了加权投票模型中弱分类器重要性之间的差异。针对部分样本的统计特性易淹没于噪声中造成难分类问题，提出随机特征裁剪方法，使算法避免过度关注异常特征，降低了极难分类样本对AdaBoost.M2算法性能的负面影响，提升了算法的泛化能力，并以低信噪比数据进行实验验证。针对调制类型同族信号难分类的问题，选取同族调制类型的通信信号开展模型训练和测试。实验结果表明：相比于单一卷积长短时记忆全连接深度网络（CLDNN）算法，改进AdaBoost.M2算法对低信噪比PSK族类和QAM族类通信信号的测试集准确率分别提高了8.5%和11.25%，相比于直接集成CLDNN的经典AdaBoost.M2算法，测试集准确率分别提高了8.25%和6.5%。     

特征点分段提取的时间序列模式匹配方法

常用的时间序列模式匹配方法难以平衡计算复杂度与匹配精度，针对该问题，提出了一种特征点分段提取的时间序列模式匹配方法。提取时间序列每个变量维度上的特征点，降低序列长度；将特征点序列转化为分位点矩阵，利用欧氏距离对分位点矩阵进行相似性度量；在几组时间序列数据集上对所提方法进行分类实验。结果表明：所提方法在降低计算复杂度的同时，获得了较高的匹配精度。     

基于学习的中段反导拦截时间和拦截点预测方法

弹道导弹实时、准确地预测拦截弹的拦截点与拦截时间，是实现中段突防的有效手段。针对弹道导弹中段突防中的拦截点坐标及拦截时间的预测问题，提出了一种基于监督学习的在线预测方法。以拦截弹的主动段关机参数和关机时刻为输入量，建立拦截时间和拦截点预测模型。在多层感知机神经网络的基础上构建有监督学习算法，通过攻防仿真获取拦截弹的参数制作训练数据集，在线下完成网络训练。仿真结果表明:神经网络能够有效在线预测拦截时间和拦截点坐标，预测结果的相对误差分别为0.124 3%和0.128 5%，拦截时间预测结果误差的平均值为0.224 0 s，拦截点预测结果距离误差平均值为2 016.48 m，均满足精度要求。      

不确定需求下航空公司枢纽网络优化设计

为了帮助航空公司合理规划航线网络，降低运输成本，从航空公司的角度出发，将机场容量看作到港和离港航班的函数，绘制了机场容量包络曲线。基于机场容量包络曲线构建了随机需求下多分配、非严格的两阶段混合整数随机规划模型，第1阶段确定网络的枢纽位置，第2阶段确定不同需求情形下城市对的运输路径和不同路径上的流量比例。当需求情形是离散变量时将两阶段模型转化为确定的等价规划。继而以东航为例选取13个机场对模型进行验证，并对运输成本折扣因子进行灵敏度分析。结果表明:在不同的折扣因子情形下选择的枢纽机场不同，折扣越大，选择的枢纽越多，网络总成本越低，且3种折扣因子情形下的枢纽选择与实际比较吻合；每种折扣因子情形下，当需求不同时航线网络的布局有所差异；对比需求确定和不确定下的模型结果差异，得出需求不确定下的网络总成本更低。可见需求不确定下的随机规划模型更加贴近实际，能够帮助航空公司规划符合实际情形的枢纽航线网络，并确定其在枢纽机场的容量份额。      

外观动作自适应目标跟踪方法

为降低目标运动时产生的外观形变对目标跟踪的影响，在DaSiamese-RPN基础上进行改进，提出了一种外观动作自适应的目标跟踪方法。在孪生网络的子网络中引入外观动作自适应更新模块，融合目标的时空信息和动作特征；利用2种欧氏距离分别度量真实图和预测图之间的全局和局部差异，并对二者加权融合构建损失函数，加强预测目标特征图与真实目标特征图之间全局和局部信息的关联性。在VOT2016、VOT2018、VOT2019和OTB100数据集上进行测试，实验结果表明:在VOT2016和VOT2018数据集上，预测平均重叠率分别提高4.5%和6.1%；在VOT2019数据集上，准确度提高0.4%，预测平均重叠率降低1%；在OTB100数据集上，跟踪成功率提高0.3%，精确度提高0.2%。      

基于稀疏表示和字典学习的地磁基准图构建方法

地磁匹配导航在导航制导领域具有重要作用，地磁基准图的构建精度决定了地磁匹配导航的有效性。针对现有地磁基准图构建精度难以满足实际应用需求的问题，提出了基于稀疏表示和字典学习的高精度地磁基准图构建方法。首先，利用矩谐分析(RHA)进行稀疏字典的初始化；其次，利用K-SVD算法对稀疏字典进行训练；最后，利用低分辨率和高分辨率基准图具有相同稀疏系数的特点重建高分辨率地磁基准图。实验结果表明:所提方法对地磁基准图具有更高的构建精度，对训练所需的数据集有更低的需求，同时对噪声有更好的鲁棒性。与PSO-Kriging插值法相比，在4倍放大倍数下峰值信噪比(PSNR)由26.31 dB提高至26.73 dB，结构相似度(SSIM)由0.498提高至0.524，均方根误差(RMSE)由14.96 nT减小至13.78 nT。      

水下燃料组件转运系统耦合振动分析

核动力厂燃料组件转运系统运行的平稳性和系统结构的可靠性对确保燃料组件安全至关重要。为了解运行过程中系统的振动情况，建立了考虑水影响的梁-小车+刚性杆-质量+弹簧+阻尼的耦合系统动力学模型，推导了系统的非线性运动微分方程。在此基础上，采用数值算法计算了小车在不同行走速度下系统的响应。研究结果表明:运行过程中，小车行走速度越小系统振动越弱，相对越平稳；由于静变形，即使小车行走速度很低，吊篮仍会承受一定的横向力作用，需注意吊篮薄弱部位的强度；导轨支撑附近位置为吊篮的相对危险位置，必要时可以在此设置监测点以保证燃料组件安全。      

基于块对角投影表示的人脸识别

针对大多数特征表示算法在挖掘高维数据内在结构时容易受到噪声的影响,以及特征学习与分类器设计割裂导致分类性能降低的问题,提出了一种新的基于特征表示的人脸识别方法,称为块对角投影表示（BDPR）学习。首先,利用样本信息对每类样本的编码系数施加一个加权矩阵,通过局部约束来加强表示系数之间的相似性,从而降低噪声对系数学习的影响,使所提方法能够更好地保持数据的局部结构。其次,为了实现数据与编码系数相关联,降低表示系数的学习难度,构造了块对角化判别约束项来学习一个判别投影,通过投影从低维数据中提取样本表示系数,使系数包含更多的样本间全局结构信息且具有更低的计算复杂度。最后,将系数学习和分类器学习整合到同一框架下,同时增大不同类别样本间的“标签距离”,采用迭代求解的方式交替更新判别投影和分类器,最终得到最适合当前表示特征的分类器,使得所提方法能自动完成分类。多个公开的人脸数据集上的实验结果表明:较之传统的协作表示分类和多个主流的子空间学习方法,所提方法均取得了更优的识别效果。      

行星软着陆GPS有模型强化学习制导方法

由于距离地球较远、测控延时误差较大、飞行环境十分复杂且难以提前预测，行星软着陆的自主制导技术目前存在水平位置估计困难、导航参考信息匮乏、复杂地形着陆困难等挑战。针对行星软着陆存在的困难和挑战，提出了基于引导策略搜索算法的有模型强化学习制导方法，实现了着陆器在初始状态受到扰动时，无需重新规划，仍能在满足约束条件的情况下降落在指定位置。该方法将迭代线性二次调节器作为控制器，产生初始轨迹；其次，使用多层神经网络拟合制导策略；最后，利用控制器监督策略学习，进而收敛产生可行策略。针对行星表面软着陆的仿真验证结果显示该算法仅通过几次循环，即可以实现初始状态变化的快速软着陆。一方面表明了基于有模型强化学习的数据高效利用率，另一方面也证明了强化学习方法在深空探测领域中具有广阔的应用前景。     

结构引导的图像修复

针对粗网络引入先验知识较少使得补全的内容存在明显视觉伪影问题,提出了基于边缘结构生成器的两段式图像修复方法。采用边缘结构生成器对输入的图像边缘和色彩平滑信息进行特征学习,生成缺失区域的结构内容,以引导精细网络重构高质量的语义图像。通过在公开的图像修复基准数据集Paris Street-View上进行实验测试,结果表明,所提模型可对掩膜占比达50%的图像进行补全。在客观的量化评价指标上,峰值信噪比、结构相似度系数、L₁和L₂均值误差等数值整体优于EC、GC、SF等方法,其中,掩膜占比为0%~20%时,峰值信噪比指数达到33.40 dB,优于其他方法2.37~6.57 dB,结构相似度系数提高了0.006~0.138。同时,补全的图像纹理更清晰,视觉质量更高。      

火星磁层顶形成和变化的理论研究

考虑太阳风动压与行星电离层中的带电粒子热压及磁压之和平衡，建立了有大气（电离层）的行星磁层顶形成的理论模型，结合卫星对火星的观测数据，对子午面内向日侧火星磁层顶位形进行了数值计算和分析，研究了火星磁层顶位形及其与太阳风动压之间的变化关系．结果认为，火星磁层顶位形与地球磁层顶相似．太阳风动压越大，火星磁层顶越靠近火星；太阳风动压越弱，火星磁层顶越远离火星．根据火星内秉磁矩从古到今逐渐减小的观点，探索了大尺度磁场（内禀磁矩）对火星磁层顶的贡献作用，结果认为大尺度磁场越强，火星磁层顶越远离行星．这对于进一步研究火星磁层的长期演化以及其他行星磁层的位形变化都具有重要的意义．     

基于改进YOLOv5s的安全帽检测算法

针对现有安全帽检测算法难以检测小目标、密集目标等缺点，提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构，提升网络的特征提取能力；在网络颈部检测层加入SE-Net通道注意力模块，引导模型更加关注小目标信息的通道特征，以提升对小目标的检测性能；对数据增强方式进行改进，丰富小尺度样本数据集；增加一个检测层以便能更好地学习密集目标的多级特征，从而提高模型应对复杂密集场景的能力。此外，构建一个面向密集目标及远距离小目标的安全帽检测数据集。实验结果表明：所提改进算法比原始YOLOv5s算法平均精确率（mAP@0.5）提升6.57%，比最新的YOLOX-L及PP-YOLOv2算法平均精确率分别提升1.05%与1.21%，在密集场景及小目标场景下具有较强的泛化能力。     

一种改进的固液火箭发动机故障诊断方法

针对固液火箭发动机的可靠性问题，设计了一种改进的贝叶斯网络故障诊断方法，可以通过网络化自主逻辑推理，对固液火箭发动机进行故障诊断。为了提取时序观测信号的故障特征，提出将步进法与核主成分分析(KPCA)相结合的分析方法，并根据模糊C均值聚类算法(FCM)建立模糊多态贝叶斯网络，实现对观测信号尺度的模糊处理，提高对不确定性故障的诊断能力。通过Matlab/Simulink建立改进的贝叶斯网络故障诊断系统。仿真结果表明，改进的算法能够实现对固液火箭发动机常见故障的有效诊断，并能够适应小样本集学习的情况。与传统贝叶斯诊断算法相比，故障诊断的平均准确率提高了20.9%。