一种软件实现的程序控制流错误检测方法

在太空环境中，由于宇宙射线的存在，计算机系统的硬件经常发生各种瞬态或永久故障，致使软件系统的执行流程产生错误。针对太空环境的强辐射特点，提出了一种对程序的控制流进行检查的纯软件方法RSCFC，它首先把程序划分为“基本模块”，然后给每个基本模块赋予一“关系标记”和错误探测指令。通过对程序运行期间生成的“即时标记”和事先嵌入程序的模块位置信息的“与”运算来探测控制流错误。该方法在几个C语言标准程序上进行了实现，并进行了故障注入实验，结果表明在没有RSCFC时，大约20．7％～68．8％的分支故障会产生探测不到的不正确输出，而在RSCFC存在的情况下，该区间会降低到2．8％～20．4％。与其它的软件控制流错误检测方法相比较，它具有探测率高，对原始代码影响小的特点。     

一种航天器软件进程堆栈使用深度的动态检测方法

航天器软件进程堆栈溢出往往会导致软件跑飞的后果。文章分析了现有堆栈使用深度检测的静态测试方法和动态测试方法的优点和不足,针对航天器数管软件的特点,提出了一种适用于航天器数管软件进程堆栈使用深度的动态检测方法。通过访问应用软件与系统软件的接口,获得进程堆栈的起始地址和大小等信息,将堆栈区初始化为特定标识,对软件执行最大路径测试后,扫描堆栈区特定标识被覆盖情况,获得进程堆栈的使用深度。在嫦娥五号上升器数管软件中,实现了此方法,并通过上注在轨维护指令进行了测试。结果表明:在不借助任何专业检测软件的情况下,该方法能够实时检测出软件进程堆栈的最大使用深度,以利于避免进程堆栈溢出的风险,提高软件的可靠性。     

软件故障点跟踪的程序检测方法

从分析软件在运行过程中所出现的各种故障出发，给出了一种故障点跟踪的软件故障检测方法及其实现的流程图，并对测试数据的选择原则和测试数据库的组成也进行了讨论。     

一种话音和数据联合帧中的自适应动态容量分配算法

文章采用压缩的思想,提出了一种在自适应调制的基础上,通过压缩话音符号周期的方法进行话音和数据比特联合传输的方案。在给定的系统模型中,根据信道估计器给出的信道状态信息,发送端自适应选择调制方式,并在此基础上对话音符号周期进行压缩,以提高数据传输的吞吐率。仿真计算表明：该方案能有效提高一帧中数据比特所占的百分比,从而提高数据的吞吐率。     

故障检测中的一种鲁棒自适应阈值方法

对于一类带有模型不确定性、噪声干扰的线性系统，研究了其故障检测中的阈值设计问题。建立了残差与模型不确定性、噪声、控制输入、故障之间的关系；提出了基于信号L2范数与系统H∞范数的鲁棒自适应闯值设计方法；针对其检测率低的问题，进一步基于概率鲁棒的思想，对模型不确定性与残差引入了截尾高斯分布这一“软边界”描述方式；在此基础上所设计的阈值兼顾了检测率和虚警率两方面的要求，考虑了模型不确定性与噪声的影响，能够跟随控制输入信号的变化，具有较好的鲁棒性和自适应性。     

一种综合性能与寿命数据的Bayes-Bootstrap方法

对现代长寿命、高可靠产品进行可靠性评估,传统大样本寿命试验和统计推断方法存在很大困难,包括伪寿命数据方法在内的性能与寿命数据综合的可靠性评估方法也存在很多问题。提出了将性能可靠性建模与Bayes方法相结合的方式解决这一困难问题,其中对性能试验数据建立性能退化模型,并利用Bootstrap方法处理伪寿命数据导致的随机性误差和构造融合Bayes验前分布,然后利用Bayes验后分析进行可靠性统计推断。对随机斜率模型和长寿命卫星动量轮轴承组件润滑寿命的应用表明,提出的方法可以充分利用产品研制、使用过程中各种类型的信息,特别是性能试验信息,具有一定的适用性。     

一种确定机载雷达杂波检测性能的简单方法

在恒定的方位旁瓣和多普勒信号处理条件下，使用本文介绍的简化方法，对任何脉冲重复频率，都能确定其多普勒滤波器输出端的杂波噪声比。     

一种军用无线通信性能评估系统设计

文章设计了一种军用无线通信性能评估系统,能够在不同信道环境及各种干扰模式下,对军用无线通信系统的性能指标及可靠性进行检验及评估,包括频率覆盖范围、灵敏度、动态范围、频率分辨率、频率稳定度、抗干扰性、实效性及适应性等。该系统可广泛应用于机动或非机动指挥通信系统方案的验证以及设备性能指标的验证与评估。     

一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题,提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法.首先利用源域卫星的遥测数据对1dCNN进行预训练,使得模型的卷积层具有卫星状态特征的提取能力;然后将训练好的模型迁移到缺乏标签数据的目标域卫星中;利用目标域有标签样本对预训练模型进行微调,...     

应用自适应滑动窗口的卫星模拟量遥测数据跳变检测方法

提出一种应用自适应滑动窗口的卫星模拟量遥测数据跳变检测方法,针对卫星模拟量遥测数据特性,设计一种低计算量、简单易行的滑动窗口机制,并结合指数平滑方法处理遥测数据,根据遥测数据的局部波动情况自适应调整滑动窗口的检测灵敏度,通过组合滑动窗口实现对模拟量遥测数据的跳变检测、拐点检测和噪声检测,提高跳变信息检测的正确性。通过对某导航卫星热试验期间的真实遥测数据进行计算分析,验证了所提方法的正确性。该方法不依赖先验模型知识和标签数据集,具备可量化、低虚警、计算简易及适用性广的特点,可用于地面测试和在轨运行过程中的实时数据判读。     

面向卫星电源系统的一种新颖异常检测方法

面向卫星电源高维周期性时序遥测数据,提出了一种新颖的代表性特征自编码器（RFAE）模型,并用于无监督的异常检测。RFAE采用改进的堆叠自编码器损失函数和训练算法,从而使模型可以学习到相位相同样本的代表性特征;然后根据代表性特征重构样本,根据重构误差来判断样本是否异常。在试验部分首先通过模拟数据校验了RFAE算法能够有效地检测出高维周期性时序数据的异常,然后又采用某卫星电源系统2014年1~12月真实遥测数据进行试验,RFAE异常检测准确率达到99%,检测效果明显优于目前的其他异常检测算法,具有较高应用价值。     

多域特征引导的无监督SAR图像舰船检测方法

如何在合成孔径雷达(SAR)图像标注样本有限的条件下,提升舰船检测性能一直是SAR图像处理中的热点问题。本文提出一种多域特征引导的无监督域适应方法,将知识从有标注的源域(光学图像)转移到未标注的目标域(SAR图像),降低对标记SAR图像数据依赖。同时,设计了频域转换模块、注意力区域增强模块和自适应权重模块来缩小光学、SAR图像域之间的域差距,提高源域与目标域特征对齐效率,增强网络在挑战性样本下的特征迁移能力。在公开发布的数据集上进行了大量实验。结果表明:所提的模块较基础模型AP50提升10%,总体性能优于其他先进的方法。     

基于改进子空间投影的无源雷达弱目标检测方法

基于子空间投影的无源雷达弱目标检测方法是将回波通道接收信号投影到与多径干扰子空间和强目标子空间均正交的子空间内,需要构造的投影矩阵维数过大,导致计算量很大。为了解决这一问题,利用多次小维数投影代替大维数投影,提出了一种改进的无源雷达弱目标检测方法。首先将接收信号投影到多径干扰的正交补子空间内,然后连续地将信号投影到强目标的正交补子空间内,最终达到干扰抑制和弱目标检测的目的。本方法可以有效抑制多径、强目标干扰,在保持检测性能的同时大幅度降低计算量,提高了方法的实时性。仿真结果表明了方法的有效性。     

基于双重分类深度学习的低空目标自动检测方法

由于图像数量多,因此准确、高效的目标检测是提升靶场光测图像处理自动化程度的关键步骤.针对低空目标图像及目标类型多、目标特性变化等情况导致传统目标检测算法适应性差的问题,提出了一种基于双重分类深度学习的低空目标自动检测方法.该方法基于深度学习目标检测框架YOLO V3,根据低空目标的亮度和形状的双重属性特征,将网络输出层...     

行星表面非规则陨石坑检测与识别方法

针对深空探测任务中行星表面特征检测与识别问题,提出了一种新的行星表面非规则陨石坑检测与识别方法。首先采用基于背景的Hopfield网络实现陨石坑边缘的提取,在对陨石坑边缘多种约束进行分析的基础上,提出了伪边缘剔除方法,并结合线性抗差估计理论与最小误差中值椭圆拟合方法,实现了对非规则陨石坑,特别是重叠及不完整陨石坑的检测及特征参数的提取。通过对行星表面光学图像的数学仿真验证了该方法能够对复杂背景下的非规则陨石坑进行有效的检测与识别。     

一种适合于斜视TOPS SAR的改进PFA成像方法

针对斜视循序扫描地形观测(TOPS)合成孔径雷达(SAR)成像模式,对广义极坐标格式算法(PFA)进行改进,提出了一种先线性走动校正(LRWC)后PFA插值的成像方法。利用LRWC显著降低了距离向与方位向的耦合,简化了距离单元徙动校正过程。走动校正后方位向采样依然是均匀的,因此方位向插值可采用Chirp-Z变换快速实现。对于波束扫描及走动校正引起的多普勒调频率的方位空变问题,采用方位非线性变标(ANCS)的方法进行统一校正,大幅提高了方位向的聚焦深度,扩大了可良好聚焦的场景范围。仿真和实测数据处理结果验证了所提方法的有效性。     

基于通道剪枝的SAR图像舰船检测优化算法

近几年,随着深度学习的发展,基于深度学习的目标检测算法开始应用于合成孔径雷达(SAR)图像中的舰船检测。但深度学习模型结构复杂,参数量与计算量巨大,无法应用到星载处理器的实时处理中。本文提出一种结合了Faster-RCNN和卷积通道剪枝的舰船检测方法,在保证检测精度不受较大影响的情况下,剪除卷积层中的部分参数,提高检测效率。实验表明:经过剪枝优化的Faster-RCNN舰船检测模型中的参数量降低了约56%,而推理时间减少了约51%,同时精度下降仅有1.9%。这给未来在星载处理器上部署舰船检测算法提供了新的思路。     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。