高光谱图像全局异常检测RFS-SVDD算法

针对SVDD用于高光谱图像全局异常检测时存在虚警率高的问题,提出RFS-SVDD算 法。RFS-SVDD将空间相邻且光谱相似的像元分为同一区域,根据区域大小将图像在空间上分 成潜在异常区域与背景区域,用背景区域中所有子区域的平均光谱RFS作为SVDD训练样本求 取支持向量。RFS是每个子区域中像元光谱的统计结果且不包含奇异像元,可以避免奇异像 元光谱和图像随机噪声对背景建模的影响。对HYMAP和AVIRIS图像数据的仿真结果表明：RFS -SVDD算法能抑制异常目标像元光谱和图像随机噪声对背景建模的干扰,降低SVDD用于高光 谱图像全局异常检测的虚警率。
     

助力液压系统空中压力异常故障分析

针对一起助力液压系统空中压力异常故障,通过综合分析找到了故障原因,并进行了地面和空中验证,据此找出了故障点,为类似故障的排除提供参考。     

基于BiGRU-SVDD的ADS-B异常数据检测模型

广播式自动相关监视（ADS-B）作为新一代空管监视技术,由于采用明文方式广播发送数据,因而存在易遭受网络攻击的安全问题。为了准确检测ADS-B数据攻击行为,在充分考虑时间相关性的基础上,提出了针对ADS-B数据的异常数据检测模型。首先利用双向门控循环单元（BiGRU）神经网络预测ADS-B数据,得到了ADS-B数据预测值。再将预测值和实际值作差,将差值放入支持向量数据描述（SVDD）训练,得到了能检测ADS-B异常数据的超球体分类器。并且,选择了合适的滑动窗口,在保证异常检测准确率的同时,缩短BiGRU神经网络的训练时长。实验结果表明,BiGRU-SVDD模型能检测出随机位置偏移攻击、高度偏差攻击、重放攻击、拒绝服务（DOS）等攻击下的ADS-B异常数据。并且,与其他机器学习和深度学习方法相比,BiGRU-SVDD异常检测模型的准确率更佳,适应性更优。     

基于深度学习的风洞天平测力试验数据异常检测方法研究

风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架。首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测。试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7%和72.6%,能够较好地识别孤立跳点异常和多点异常。     

异常值的甄别与剔除

本文从压力传感器的校准数据着手,应用格拉布斯(Grubbs)准则,识別摻杂于大量实验或检测数据中的假数据,并正确地将其剔除,从而提高实验或检测的真实性和正确地评定传感器的精度。文中简单地说明了产生实验或检测数据异常值的种种原因,以便有关方面和人员采取必要的措施,健全法规,改进实验或检测的条件,提高专业素质和水平,确保数据的可靠性。此外,在实验或检测的过程中,凡属传感器的质量问题而产生的“异常值”,应作具体分析,一方面要保持数据的真实性;另一方面又要重视排除故障或者提高传感器的性能。格拉布斯准则可以广泛地应用于各个领域的实验和检测的数据处理中。     

改进调节因子的GPS/SINS组合导航自适应滤波算法

针对传统卡尔曼滤波在复杂、高动态条件下滤波不稳定的问题,提出一种改进调节因子的Sage-Husa自适应滤波算法。该算法利用全球定位系统(GPS)三维速度信息对滤波异常判定条件中的调节因子进行实时优化,动态估计量测噪声的协方差阵,提高组合导航系统的自适应性。仿真结果表明,改进的Sage-Husa自适应滤波算法计算量明显降低,与传统卡尔曼滤波相比,能够保持较高的自适应性,明显改善定位精度。     

基于CNN-BiGRU的空间目标RCS异常检测方法

针对相控阵雷达获取单个空间目标RCS数据率低、传统姿态异常检测方法提取短RCS序列有效特征困难、检测准确率低的问题,提出了一种基于CNN-BiGRU网络的RCS异常检测方法。首先利用滑动窗口对一段时间空间目标RCS实时数据进行积累;之后采用一维CNN提取不同检测窗口RCS序列的多尺度高维特征向量,采用BiGRU提取特征向量的时序依赖特征。通过将两个网络级联,实现对RCS随目标姿态变化的多元特征信息的有效提取;最后基于全连接层实现对目标异常RCS序列的分类与识别。仿真实验结果表明：相较于传统方法,所提方法检测准确率更高,抗噪声干扰能力更强。实测实验结果表明：利用仿真数据训练的模型针对不同源的实测数据,在低数据率条件下能够保持较高的检测准确度,所提方法具有较好的泛化性,更适用于相控阵雷达体制下RCS的异常检测。     

SAA域选划对天基探测卫星影响简析

通过仿真计算南大西洋异常区(SAA)高能粒子的通量与能量,分析不同通量阈值与能量阈值对SAA空间分布的影响,并以科学实验卫星为研究对象,对其历经SAA的时间百分比进行连续24 h和6个月的统计,获得了SAA对卫星常规运行的工作时间影响。结果表明:在50 MeV能量阈值条件下,500 cm~(-2)?s~(-1)较100 cm~(-2)?s~(-1)通量阈值对SAA空间分布的影响范围在纬度上相差约23.35%,经度上相差约27.06%,历经SAA时间上缩短约48.0%;在100 cm~(-2)?s~(-1)通量阈值条件下,150 MeV较50 MeV能量阈值对SAA空间分布的影响范围在纬度上相差约13.86%,经度上相差约17.29%,历经SAA时间上缩短约31.7%。     

“高分四号”卫星在地震行业中的应用潜力分析

遥感技术应用于地震行业涉及的领域包括地震构造调查、震害评估、地震热异常监测等。随着中国空间技术的发展,国产卫星数据正逐渐替代国外卫星数据,在地震行业应用中发挥着越来越重要的作用。2015年12月29日,中国首颗静止轨道高分辨率遥感卫星——"高分四号"卫星成功发射,为卫星地震应用提供了新的数据源。文章从地震热异常监测、区域地震构造研究、极震区宏观破坏识别三方面分析了"高分四号"卫星在地震监测预报、地震灾害预防和地震紧急救援,地震三大主体业务中的应用潜力。还以2014年鲁甸地震为例,利用"高分四号"卫星数据对震后造成的大型滑坡进行了识别,结果表明"高分四号"卫星数据能够从空间上识别大型地震地质灾害的空间分布位置,可为震后应急救援指挥决策提供及时和有效的信息。     

基于顶点成分分析的高光谱图像低概率异常检测方法研究

用低概率检测(LPD)方法对小概率异常进行检测时,由于在低频空间中选取正交向量作为背景光谱,使得小概率异常检测受噪声影响较大,存在漏检率较高的缺点。提出用顶点成分分析(VCA)算法提取端元光谱作为背景光谱,并将观测光谱向量投影到背景光谱张成空间的正交子空间中,从而有效抑制背景、突出目标进行异常检测。通过对高光谱原始数据的仿真分析,该检测方法降低了漏检率,提高了检测能力。