基于气压高度辅助的机载自主完好性监测算法

卫星接收机自主完好性监测是指根据用户接收机的多余观测值监测用户定位结果的完好性,其目的是在导航过程中检测出发生故障的卫星,并保障导航定位精度。针对卫星接收机自主完好性监测算法可用性不足的问题,结合机载实际导航系统配置,提出了一种基于气压高度表辅助的机载自主完好性监测算法。综合利用卫星导航系统及气压高度表观测信息,建立联合系统的观测模型,推导了基于多解分离的完好性监测及保护级别计算方法。仿真结果表明,相比于传统的接收机自主完好性监测算法,该算法在可见星为5颗时仍能识别故障卫星。该算法具有更好的故障检测能力及可用性,能有效提高卫星导航系统的完好性监测性能,从而保证卫星导航系统的精度和可靠性。     

基于分数阶微积分理论的最优导引律设计

随着技术的发展及战场环境的日益复杂化,拦截机动目标的需求越来越大。然而传统制导律在拦截机动目标时存在制导精度差、末端过载突变的问题,故提出了一种基于分数阶微积分理论的最优导引律。首先,介绍了分数阶微积分的定义、性质及其数字实现方法;然后,分析了弹目相对运动关系,通过分数阶变阶次建模和最优控制理论推导出了分数阶导引律;最后,仿真结果表明：与传统比例导引法相比,所设计的分数阶最优导引律能够保持比例导引法良好的追踪性能且拦截时间能够缩短2s,末端过载值趋近于0。该方法解决了传统比例导引法在末端由视线角速率发散而导致的末端过载突变问题。     

基于并行CFD和优化技术的返回舱外形多目标优化设计北大核心CSCD

在给定的质心设计范围内,围绕球冠倒锥返回舱外形的高超声速气动单点静稳定性、配平升阻特性、质心横偏量的综合设计问题,提出了多点多目标优化设计数学模型。通过多目标优化设计方法结合并行数值模拟技术,对该多点多目标气动外形优化设计问题进行研究,为了加快多点数值计算进度,采用了嵌套并行方法,通过有效利用硬件资源来提高多个状态气动数值求解效率。根据以上方法给出的最优设计边界指出了返回舱单点静稳定性与配平升阻比和质心横偏量的矛盾关系,改善单点静稳定性会导致配平升阻比下降,使质心横偏量增加;反之,配平升阻比增加,质心横偏量减少都会使单点静稳定性变差。     

一种基于多调制技术的自适应多速率数字通信系统

数字通信系统的信道状况多变。采用自适应多速率技术,根据信道状况选择合适的信息传输速率进行数据传输,可以提高信道利用率和减少误码率。文章利用多元调制中符号速率与比特速率的倍数关系,通过对多元调制方式的切换,实现了自适应多速率的数据传输。不同的调制方式对信道状况有不同的要求,所以文中分析了几种实用的信噪比估计方法,同时为实现调制方式的可靠切换设计了工作流程,并最终在硬件平台上实现了多调制切换和自适应多速率数据传输。     

精密测距的动态数据处理

无线电精密测距是通过无线电测量飞机、舰船、导弹等目标的精确距离和速度信息。根据飞机实际中的运动情况建立动态模型,采用适合于工程应用的新型自适应α-β滤波器对测距值进行实时动态处理,然后经过详细的MATLAB仿真,验证了动态滤波算法在保证实时性的前提下可以提高测距精度。     

基于TOPSIS融合法的航路网关键节点识别及抗毁性研究

基于我国航路网数据对航路网关键节点识别及抗毁性进行了研究。首先,通过TOPSIS方法将局部信息(度)、全局信息(改航可达性)和业务量信息(流量强度)3项指标进行融合,形成多属性指标综合表征节点重要性。然后,开展了实例仿真,对网络进行连续打击以验证识别结果,其中延续使用改航可达性这一新算法来表征全局信息。研究结果表明：基于多属性决策的关键节点主要集中在京沪、京广、京昆、沪广、广贵线上;多属性指标相比于单一指标,在少数节点失效时更能高效地摧毁网络。研究结果可为空管流量管理和航空公司运力调配提供决策支持。     

基于多标签协同学习的跨域行人重识别

跨域是行人重识别的重要应用场景,但是源域与目标域行人图像在光照条件、拍摄视角、成像背景与风格等方面的表观特征差异性是导致行人重识别模型泛化能力下降的关键因素。针对该问题,提出了基于多标签协同学习的跨域行人重识别方法。利用语义解析模型构造了基于语义对齐的多标签数据表示,以引导构建更关注行人前景区域的局部特征,达到语义对齐的目的,减少背景对跨域重识别的影响。基于行人图像全局特征和语义对齐后的行人局部特征,利用协同学习平均模型生成行人重识别模型的多标签表示,减少跨域场景下噪声硬标签的干扰。利用协同学习网络框架联合多标签的语义对齐模型,提高行人重识别模型的识别能力。实验结果表明：在Market-1501→DukeMTMC-reID、DukeMTMC-reID→Market-1501、Market-1501→MSMT17、DukeMTMC-reID→MSMT17跨域行人重识别数据集上,与NRMT方法相比,平均精度均值分别提高了8.3%、8.9%、7.6%、7.9%,多标签协同学习方法具有显著的优越性。     

运动信息引导的目标检测算法

在室外监控视频的场景下,由于场景的复杂性及目标的多样性,监控视频中的目标存在难以检测的情况,如目标被遮挡、目标尺寸变化等,目标检测任务仍然存在挑战。基于此,提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进,使得到的运动前景图中能够保持静止目标前景的存在;利用运动前景图中的前景可以指示目标空间位置的特点,在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合,提高特征图可能存在目标区域的响应值;在目标检测算法的检测器中,引入一个定位分支,利用视频帧的运动前景图,学习候选目标的定位置信度,并与目标的分类置信度加权求和,作为目标最终的置信度,再通过非极大值抑制方法得到检测结果。实验证明,在固定摄像机下采集的数据集中,所提算法能够提升目标检测的准确率。     

多星运行管理对地面系统的挑战

重点阐述了多星、尤其是星座长期运行管理模式给地面测控系统带来的挑战,并且从地面系统各组成单元入手,分析面临的问题以及解决问题的方法。最后,总结了提高多星运行管理能力的对策与建议。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器,将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法,利用这种神经网络来确定指标的权值。仿真试验结果表明,基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法,具有很好的目标识别效果。