基于搜索空间变换和序优化的预警星座设计

高轨预警星座由若干颗地球静止轨道卫星和大椭圆轨道卫星组成,星座优化的目标是满足重点监视区域的覆盖和提高覆盖区域的定位精度。对于覆盖性优化,根据多个监视区域的威胁等级,星座系统需要提供不同的覆盖重数;对于定位精度优化,系统在立体观测和单星观测情况下存在很大差异。因此高轨预警星座优化是一个复杂多区域多目标优化问题。针对以上难点,提出了多层次多目标优化模型,可以较完整合理地描述预警星座优化问题;在优化模型求解方面,将优化计算分为覆盖性优化和定位精度优化两个环节;在覆盖性优化环节,提出了基于搜索空间变换的覆盖性快速优化方法,提高了Pareto最优解的计算速度和准确性。在定位精度优化环节,采用序优化方法进一步缩短优化时间。仿真试验表明,该方法可设计出满足预警任务需求的星座,且优化耗时在1 min以内,能有效地缩短预警星座优化时间。     

基于未加权区域采样的直线反走样算法

直线作为组成图形的基本元素,其生成方法一直是计算机图形学研究的基础内容之一.针对非垂直且非水平直线在光栅图形显示器存在的走样现象,结合经典的Bresenham算法和未加权区域采样思想,提出一种新的反走样直线生成算法.相比于传统的未加权区域采样以及Wu算法,该算法主要利用整数加减运算完成直线的反走样,计算简单,利于FPGA(Field Programmable Gate Array)硬件实现.仿真结果表明:新算法的仿真速度约为传统未加权区域采样的3倍,与Wu算法仿真速度相当;利用Wu算法生成的直线平滑性较好,但是沿着直线方向的某些相邻像素灰度值相差较大,而新算法生成的直线不但平滑效果好,而且沿直线方向相邻像素灰度值相差不大,因此,相比于Wu算法,新算法反走样效果更佳.     

基于空域划分的超视距空战态势威胁评估

编队超视距空战(BVR,Beyond Visual Range)已成为现代空战的主要模式.在空战优势区域与劣势区域判断的基础上对整个空域进行划分,并给出4种特定空域态势.从空中态势和编队作战能力两方面对空战态势进行分析.使用主成分分析法选取输入变量分析编队作战能力,降低评估过程中收集数据的复杂度.应用遗传神经网络对影响BVR各因素进行效能评估,将遗传算法(GA,Genetic Algorithms)与多层前馈(BP,Back Propagation)网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题.结果表明:该模型能在综合分析空战各指标后给出红蓝双发的态势评估指标,该模型可有效减少评估中的人为因素,使评估结果更为客观可信.     

众眼看宇宙

这是"勇气"号火星探测器在火星所见的最终景色。已经超期服役近8年之久的"勇气"号在调查火星表面的这个火山坑时,因为困在火星泥沙之中而终结了它的探索之旅。照片的中上部分,有着浅色山顶的山丘是"冯布朗山",是"勇气"号陷入困境前的规划探索区域,它可能是火星上     

星载全球大气波动成像仪研究

在卫星上对中间层顶区域的气辉辐射成像观测, 对于全球大气波动的监测和研究具有重要的意义. 利用TDICCD对O₂A (0-0)气辉进行成像观测, 计算了曝光积分时间、信噪比和能达到的最高空间分辨率, 分析了地球自转对空间分辨率的影响, 在此基础上提出一种星载全球大气波动成像仪方案, 该方案可以观测垂直波长大于10km的大气波动, 最高水平分辨率可以达到0.33km.      

一种前飞状态直升机可达区域快速计算方法

直升机可达区域可用于生成空域安全态势,提高直升机在低空复杂环境中的飞行安全水平.为了满足求解可达区域的实时性和准确性要求,提出了一种快速计算方法.根据能量机动性求解了直升机控制域,结合运动学方程建立了可达区域数学模型.基于最优控制原理,实现了边界点快速计算;提出了基本可达区域的概念,将实时可达区域构造问题转化为少量边界点的计算问题.以AH-1G直升机为对象进行了二维和三维的算例分析,并与微分包含法计算结果进行了对比.算例结果表明,直升机控制域是时变的,需根据实时飞行状态进行计算;该算法能实时计算前飞状态直升机的可达区域,有较高的计算精度.     

伪卫星空中基站的定位算法研究

伪卫星空中基站的精确定位是构建伪卫星区域定位系统的一个关键问题。分析了伪卫星空中基站的位置误差(相当于卫星的星历误差)对系统定位精度的影响,研究了利用逆用定位原理确定伪卫星空中基站位置的算法和几何精度因子问题,并用Monte-Carlo方法对定位精度进行了仿真,结果表明这种方法是可行的,具有较大的实用价值。     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

GEO/IGSO混合区域导航星座的设计与优化算法

区域导航星座能够以较低成本和较短时间获得目标区域导航能力,且地球同步轨道是构建非极区区域导航星座的重要轨道类型.提出一种基于GEO(地球静止轨道)和IGSO(倾斜地球同步轨道)的区域导航星座设计方法.基于星下点轨迹特性构造对称星座设计参数和优化参数集,并考虑地球扁率长期摄动影响,计算星座轨道参数.以导航服务区的统计GD...