基于多尺度深度学习的自适应航拍目标检测

无人机已经被广泛应用到各个领域,目标检测成为无人机视觉领域关键技术之一。针对无人机图像中场景复杂、尺度多变、小目标丰富等问题,提出了一种基于多尺度深度学习的自适应航拍目标检测算法。首先,构建自适应特征提取网络MSDarkNet-53,引入多尺度卷积方式,采用不同类型卷积核对不同尺寸目标进行运算,有效扩大感受野。其次,结合注意力机制的优点设计卷积模块,自适应优化特征权重,增强有效特征,抑制无效特征,得到表征能力更强的特征。最后,构建基于多尺度特征融合的预测网络,根据小目标的特点,选取多层级特征映射融合成高分辨率特征图,在单一尺度上进行目标分类和边界框回归。实验表明：本文算法提升了无人机图像的目标检测精度,具有良好的鲁棒性。     

AZ31B挤压变形镁合金低周疲劳行为研究

分别研究了挤压变形AZ31B镁合金在非对称载荷与对称载荷下的疲劳行为,结果表明两种加载方式下,疲劳过程随着应变幅的增加,滞回曲线的不对称性均增强;在低应变幅下,位错滑移为主要塑性变形机制;而在较高应变幅下,孪生-去孪生为主要变形机制;同一应变幅下,压-压非对称低应变幅疲劳寿命最长,拉-压对称低应变幅疲劳寿命次之,拉-拉非对称低应变幅疲劳寿命最短.     

AZ31B镁合金动态冲击变形机制研究

为了研究AZ31B镁合金挤压棒材的各向异性,利用Hopkinson压杆,研究了在大气压为0.2、0.5 MPa下的径向与轴向样品的动态冲击力学行为。在同一大气压下,通过对径向与轴向样品不同动态力学行为影响的研究,深入分析了晶粒取向与Schmid因子对其微观变形机制的影响。结果表明:在同一冲击气压下,轴向样品的屈服强度、断裂强度和总应变量均高于径向样品的对应值;2种样品的屈服强度、断裂强度和总应变量均随着应变速率的增加而增加,但径向冲击样品的应变速率敏感性高于轴向冲击样品的,体现了不同变形机制的作用。     

基于残差学习的自适应无人机目标跟踪算法

无人机已被广泛应用于军事和民用领域,目标跟踪技术是无人机应用的关键技术之一。针对无人机视频跟踪过程中目标易发生尺度变化、遮挡等问题,提出一种基于残差学习的自适应无人机目标跟踪算法。首先,结合残差学习和空洞卷积的优点构建深度网络提取目标特征,同时克服网络退化问题;其次,将提取的目标特征信息输入核相关滤波算法,构建定位滤波器确定目标的中心位置;最后,根据目标外观特性的不同进行自适应分块,并计算出目标尺度的伸缩系数。仿真实验结果表明:所提算法能够有效应对尺度变化、遮挡等情况对跟踪性能的影响,在跟踪成功率和精确度上均高于其他对比算法。      

P2P环境下基于推荐的信誉计算方法

通过节点间信誉评价的相似度和信息熵的计算,提高了推荐信誉的可用性,降低了共谋推荐行为对间接信誉合成的消极影响.通过Einstein算子将多个推荐信誉合成间接信誉,体现了信誉评估的模糊性的特点.实验结果表明,该方法可以增强推荐信誉的可用性,在一定程度上减少共谋推荐对信誉真实性造成的影响.     

航空企业计算机网络综合信息系统(CIINS)的总体设计与研究

本文分析了目前航空企业存在的产品设计、制造等问题,阐明了航空企业对计算机网络综合信息系统(CIINS)的需求,并详细探讨了CIINS总体结构设计。     

多峰值信号的伪码相位估计法

 考虑到多峰值信号的出现以及传统相位估计法的不足与缺陷, 特别是针对传统方法无法提取多峰值信号主峰的不足,以及在非整数采样条件时相位误差估计的较大缺陷,提出了一种提高多峰值信号伪码相位精度的估计方法。首先通过频域提取处理去除副峰引发的模糊性,达到提取主峰的目的;然后建立了插值方程,从而提高相位估计精度。在此基础上进行了验证与评估,结果表明,此估计法可以正确提取多峰值信号的主峰,相对于传统方法而言,相位估计精度明显提高。     

一种解决时频不确定问题的长码捕获算法

针对长周期伪码信号捕获中时频域的不确定问题,在理论模型分析的基础上,提出了一种长周期伪码捕获算法.该算法对接收信号进行时域混频及叠加处理,并转换到频域进行多次圆周移动,从而克服频偏引发的相关峰不确定问题;同时,通过连续积累和批处理手段克服了收发钟差引发的伪码时间不确定问题和信息翻转引发的相关峰不确定问题.理论分析和仿真结果表明:该算法在信噪比大于-25 dB的条件下,可以克服时频域的不解定问题;进一步,该算法与传统算法进行了比较,处理精度及处理复杂度都优于传统算法.     

基于自适应融合网络的无人机目标跟踪算法

针对无人机视频跟踪过程中,目标占比较小且易受复杂背景信息干扰等问题,提出一种基于自适应融合网络的无人机目标跟踪算法。首先,基于感受野模块和残差网络构建深度网络模型,能够有效提取目标特征并增强特征的有效感受野;其次,提出一种多尺度自适应融合网络,能够自适应地融合深层网络的语义特征和浅层网络的细节特征,增强特征的表达能力;最后,将融合的目标特征输入到相关滤波模型中,计算出响应图的最大置信分数,从而确定跟踪目标位置。仿真实验结果表明,该算法在跟踪成功率和精确率上都达到了较高水平,有效提升了无人机目标跟踪算法性能。     

航天器在轨故障特征数据生成方法

针对故障特征数据模拟生成算法与航天器的原理、模型关联度高,航天器状态描述模型不成熟、难以应用于工程实践的现状,根据反映航天器在轨故障的遥测数据表现形式和变化时间长短,将航天器故障进行分类。从遥测数据变化的角度,针对每类故障遥测数据的变化特点,研究了符合每类故障数据变化规律的故障特征数据生成算法及基于WEB服务的故障特征数据生成原型系统实现方式。生成的故障特征数据在故障检测、诊断与预警等方面得到成功应用,使航天器对象、状态演化规则和测控信息产生等故障输入数据更接近真实的动态特征。