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。     

基于多维航迹特征的异常行为检测方法

在信息融合领域,利用数据挖掘中的异常检测技术,可以基于目标的多维航迹特征来挖掘目标的异常行为。现有轨迹异常检测方法主要检测目标的位置异常,没有充分利用目标的属性、类型、位置、速度和航向等多维特征,在挖掘目标的异常行为时具有局限性。通过定义多因素定向Hausdorff距离和构造多维度局部异常因子,提出了一种基于多维航迹特征的异常行为检测方法,通过对多维航迹数据的异常检测,实现对目标异常行为的挖掘。在仿真军事场景和真实的民用场景上进行了实验分析,所提方法都能有效的检测出目标的异常行为。     

楔形肋片内冷通道传热与流动阻力特性

利用实验和数值模拟方法,分析了楔形肋片几何结构对仿螺旋肋片内冷通道强化传热与流动阻力特性的影响,并将模拟结果与实验数据进行了对比,两者结果吻合良好.研究结果表明,随着楔形肋片导流角的增大,通道的强化传热显著增强,但其流动阻力也明显增大;气流方向的不同对通道总体换热强度影响不是很大,但反吹时通道中的流动阻力却明显高于正吹;从内冷通道的综合换热效果来看,当楔形肋片导流角为7?且气流正吹时是最佳的肋片几何结构参数.      

第二代低阶面元法耦合自由尾迹计算旋翼桨叶气动载荷

采用第二代低阶面元法耦合自由尾迹预估修正法计算旋翼在轴流状态下的气动载荷。在计算中考虑桨叶的三维几何特性,采用矩形、三角形单位平面重构桨叶几何外形;桨叶尾迹采用全展尾迹,其中包括三圈自由尾迹(近尾迹)和四圈远尾迹;并利用桨叶翼型风洞试验数据对气动载荷进行粘性修正。通过和CFD方法进行对比分析,证明了所采用的计算方法的优点。     

火星探测器器箭分离冲击响应影响分析与评价

针对火星探测器器箭分离冲击过大问题,对单机开展了试验与分析研究。针对完成冲击试验考核的单机可靠性是否受到影响问题,提出采用强度/应力方法进行判断,将厂家给出的单机内部器件的冲击条件视为强度,将单机的冲击响应谱转化后的半正弦波视为应力,将二者相比,从试验和分析两方面表明正样单机的可靠性满足要求,经受过冲击考核的单机可靠性没有下降。此方法可作为判定完成冲击试验考核的单机可靠性是否受影响的依据,也可作为单机冲击试验前抗冲击能力的判断准则。     

基于概率最近邻域算法的分布式多传感器多目标跟踪算法

为进一步扩大分布式多传感器的应用范围,基于概率最近邻域思想,研究了分布式多传感器概率最近邻域算法,并对其与分布式多传感器联合概率数据互联算法进行了性能仿真分析。经仿真验证,分布式多传感器概率最近邻域算法能够解决多传感器多目标跟踪问题,且实时性有较大提高。     

基于极化神经网络的雷达舰船检测识别方法

相参雷达捕获的全极化海面目标距离-多普勒(RD)回波数据中，目标区域占比小、信噪比低，且海况环境与干扰种类多变，使得经典的深度神经网络在此种条件下检测识别精度较低。为此，本文提出了一种基于极化深度神经网络的全极化相参雷达海面目标检测识别算法。首先，引入极化特征提取模块挖掘目标与干扰的差异化特征;其次，通过特征金字塔网络解决小目标检测识别的问题;最后，使用级联结构进一步提升算法性能。在全极化相参雷达回波数据集上的测试结果表明:基于特征值与特征矢量的极化特征对于数据集中两类舰船目标的平均精度分别达到0.907 9与1.0，相比不采用极化特征有着显著提高。