基于相关光子对的单光子探测器量子效率校准技术研究

随着量子技术的发展，对极微弱光辐射的研究方向逐渐向量子化发展，利用相关光子对法对单光子探测器的相关参数进行测量。介绍了相关光子对法的原理及相关光子源中非线性晶体的关键参数设计方法，利用波长355 nm的激光器作为泵浦光源，泵浦相位匹配角为36°的BBO非线性晶体，实现了(450～1 675)nm的相关光子输出；泵浦相位匹配角为28.1°,32.91°,31.29°的BBO非线性晶体，实现了460 nm和1 550 nm, 632.8 nm和807 nm, 1 064 nm和532 nm的相关光子对共线输出。在460 nm, 1 550 nm, 632.8 nm, 1 064 nm波长点利用符合测量对单光子探测器的量子效率进行测量，为实现多波长点至全波段单光子探测器校准奠定基础。     

地磁定位方法综述

地磁导航具有可用区域广泛、无累积误差、无源和隐蔽性强等优势,是未来定位导航与授时(PNT)体系中潜在的重要导航定位手段之一。地磁导航技术包括磁场信息的测量、地磁基准图的建立和地磁定位方法的设计3个重要内容。本文主要围绕地磁定位方法,调研总结了当前主流的地磁滤波、地磁匹配和磁场同时定位与构图(SLAM)三类方法的原理及技术发展路线,重点分析了不同方法的优缺点、适用场景、时效性、对磁图和传感器的需求,并对地磁定位方法的发展方向进行了展望。     

反舰导弹基于反演的滑模控制

首先介绍了非线性系统的反演设计方法,提出了一种基于反演的滑模控制方法。它可解决非线性系统的不匹配不确定性问题。该方法通过在反演设计中引入滑模控制来改进反演的最后一步算法,并简化控制器的设计。针对新型反舰导弹参数时变、不确定、非线性的特点,采用了基于反演的滑模控制来设计其控制系统。最后,进行了仿真研究,仿真结果证明了所提出的方法的有效性。     

双重模态文本引导的图像修复算法

为解决现有图像修复算法因缺乏足够的上下文信息导致修复大面积破损时效果差且修复结果不可控的缺陷，提出了双重模态文本引导的图像修复算法。引入文本标签作为修复的控制引导，确保修复结果的整体与区域一致，并增加修复的可控多样性。设计双重模态掩码注意力机制提取破损区域的语义信息；通过深度文本图像融合模块加深生成器中的文本图像融合过程，并应用图像文本匹配损失最大化生成图像与文本之间的语义相似度；采用投射鉴别器训练生成图像与真实图像增强修复图像的真实性。在2个带有文本标签的数据集上进行定量和定性实验，结果表明：生成的修复图像与引导文本描述一致，可根据不同的文字描述生成多样的结果。     

基于鱼眼相机和RGBD相机的异构协同SLAM

SLAM技术在卫星导航拒止环境下的自主导航中有着广泛的应用前景。结合单目鱼眼SLAM可获取更多纹理信息的优势和RGBD-SLAM可直接获取尺度信息的优势，设计基于单目鱼眼相机和RGBD相机的异构协同SLAM系统。首先设计特征点对三维灰度质心方向一致性检验方法以筛选异构图像之间的候选匹配点。然后设计异构图像之间的分步式光流-投影匹配方法，以实现鱼眼相机和RGBD相机之间高性能的特征点匹配与相对位姿估计。最后基于ORB-SLAM2框架，提出基于鱼眼相机和RGBD相机的异构协同SLAM系统框架。实验结果表明：相比于传统的特征点匹配方法，设计的特征匹配方法在异构相机的图像特征匹配任务中能够表现出更高的性能。相比于单目鱼眼SLAM系统和RGBD-SLAM系统，提出的异构协同SLAM系统在相机快速移动、相机贴近景物、低帧率、纹理缺失等条件下，以及在相机纯旋转运动、室外大场景等条件下性能更优，其鲁棒性、抗轨迹漂移能力和轨迹精度比单目鱼眼SLAM系统和RGBD-SLAM系统都有较大提升。     

翼型不确定性量化中正交匹配追踪的应用

不确定性在实际系统中广泛存在，为了研究不确定性因素影响下系统输出的随机响应特性，传统的不确定性量化方法如蒙特卡洛采样、混沌多项式展开等需要大量的样本，制约了在飞机机翼等复杂系统中的应用。近年来，在信号处理领域发展迅速的压缩感知技术，利用原始信号的稀疏性可以用少量的样本精确重构信号。这一特性促使研究人员探索将压缩感知技术应用于不确定性量化研究中。以RAE2822实际翼型为研究对象，使用类函数/形函数变换将原始翼型参数化，考虑加工、装配过程和实际飞行工况下的几何不确定性，将压缩感知技术与混沌多项式展开相结合，利用正交匹配追踪算法实现多项式系数的稀疏重构，获得翼型气动力系数和流场参数在考虑几何不确定性影响下的均值和标准差，并与蒙特卡洛采样和满秩概率配点法获得的结果进行对比。通过对收敛性能、样本数需求和重构精度等方面的对比分析表明，正交匹配追踪算法能够利用相对较少的样本获得与传统不确定性量化方法相近的精度。考虑到实际系统的随机响应在混沌多项式基底上大多具有稀疏的展开形式，因此将压缩感知技术应用到不确定性量化中可以显著降低样本数需求，从而降低时间成本，提高计算效率。     

基于压缩感知的嵌套FDA 雷达距离- 角度联合估计

针对频率分集技术，与非均匀阵列、压缩感知理论相结合，实现目标距离- 角度的联合估计。通过 频率分集技术提高信号空间自由度，将距离参数引入导向矢量矩阵，实现距离- 角度参数的联合。并结合嵌套 阵列，显著提高雷达阵列孔径。该方法针对嵌套阵虚拟阵列流型矩阵的优化过程导致的秩亏缺问题，传统的空 间平滑算法会以牺牲部分阵列孔径为代价将单快拍问题转化为多快拍问题，采用正交匹配追踪算法可以实现单 快拍下的高精度参数估计，避免了空间平滑技术对阵列孔径的影响。并通过压缩感知理论的应用降低信号维度， 减小了计算复杂度。     

基于URANS/TPP模型的风扇转静干涉单音噪声预测

为了解决风扇噪声三维高精度评估问题，基于非定常雷诺平均数值模拟（Unsteady Reynolds Average Numerical Simulation, URANS）模型和三平面压力（Triple Plane Pressure, TPP）模态匹配模型，发展了风扇转静干涉单音噪声数值预测方法。分析了URANS模型管道内单音计算的可行性，并建立了误差控制准则。在此基础上，采用URANS模型获得风扇非定常流场，同时基于TPP方法进行声源提取，得到管道内单音噪声的模态特性。基于国产某型大涵道比缩尺风扇试验数据，对模型准确性进行对比验证。结果表明，该模型能够进行转静干涉噪声的可靠预测。此外，进行了基于弯掠静子的低噪声叶片设计，并采用提出的数值模型分析了三维流场/声场，探究了基于叶型设计的转静干涉声源抑制机理，实现了对风扇低噪声设计的支撑。     

基于双重属性信息的跨模态行人重识别算法

通过对跨模态检索问题的研究，属性信息的使用可以增强所提取特征的语义表达性，但现有基于自然语言的跨模态行人重识别算法对行人图片和文本的属性信息利用不够充分。基于双重属性信息的跨模态行人重识别算法充分考虑了行人图片和文本描述的属性信息，构建了基于文本属性和图片属性的双重属性空间，并通过构建基于隐空间和属性空间的跨模态行人重识别端到端网络，提高了所提取图文特征的可区分性和语义表达性。跨模态行人重识别数据集CUHK-PEDES上的实验评估表明，所提算法的检索准确率Top-1达到了56.42%，与CMAAM算法的Top-1（56.68%）具有可比性，Top-5、Top-10相比CMAAM算法分别提升了0.45%、0.29%。针对待检索图片库中可能存在身份标签的应用场景，利用行人的类别信息提取属性特征，可以较大幅度提高跨模态行人图片的检索准确率，Top-1达到64.88%。消融实验证明了所提算法使用的文本属性和图片属性的重要性及基于双重属性空间的有效性。      

地图辅助行人航迹推算技术的室内定位方法

针对目前室内定位技术中位置漂移、定位结果偏差较大的问题,提出了一种融合行人航迹推算(PDR)、地标匹配修正和地图辅助的室内行人定位方法.该方法利用基于惯性传感器的PDR技术计算行人位置信息,利用行走过程中的传感器读数特征识别室内特定地标点,与地标库数据进行匹配后,修正PDR轨迹产生的累积误差.室内地图辅助主要是通过判断行人是否位于走廊等区域,限制轨迹穿墙,约束PDR定位轨迹.实验结果表明,融合定位算法得到的轨迹优于纯惯性递推算法得到的轨迹,更加接近真实的行走轨迹,定位精度提高了51.2％,平均定位误差降至1.8m,满足室内定位需求.