将民用航空活动对环境的不利影响减至最小

保证航空安全、航空保安和环境保护是国际民航组织(ICAO)最主要的任务,作为联合国系统民用航空管理的专门机构,ICAO正在不断加强对环境保护工作的力度,为环境保护做出了不懈努力,通过制定相关标准、政策和采取更为严格的措施,将民用航空活动对环境的不利影响减至最小。为此,ICA     

太阳射电爆发干扰导航通信机理及影响表征分析

太阳射电爆发是一种潜在的导航系统干扰因素。通过导航信号模型推导,分析了其干扰导航信号的机理,提出太阳射电爆发干扰导航通信的影响方程与太阳射电爆发流量、接收机性能以及太阳–天线高度角有关,其中太阳射电流量总功率与信号的信噪比下降呈正相关;同时受到太阳–天线高度角和有效面积的制约,又与接收机环路滤波器响应函数呈卷积关系。通过对2003年10月28日、2006年12月6日和2015年11月4日事件中GPS失锁情况分析,发现同一次事件中同一站点不同接收机的失锁率不同;同一次事件中不同纬度的接收机失锁率不同,以及在同一次事件中L波段（1～2 GHz）太阳射电爆发频谱不均匀的条件下,L1和L2频段信号的信噪比下降情况也不同。从上述三个事件的观测表征验证了上述影响方程的分析正确性。     

我国首颗科普公益卫星希望-1已在轨运行3年

希望-1卫星是航天东方红卫星有限公司抓总研制的我国首颗科普公益小卫星,于2009年12月成功发射,目前卫星已在轨正常运行3年。在中国科学技术协会、中国宇航学会和中国业余无线电运动学会的组织下,3年来开展了一系列科普公益活动,取得了良好的科普效益,形成了广泛的社会影响。希望-1卫星验证了CAST-100平台的核心技术(姿轨控除外),相关新技术和新产品已应用于各个后续卫星型号。     

旋翼结冰对“黑鹰”直升机飞行性能影响分析

基于西科斯基公司翼型冰风洞结冰试验推导的公式,建立了"黑鹰"直升机旋翼翼型结冰模型,计算了结冰后翼型气动特性变化;在此基础上建立了直升机悬停和前飞计算模型,结合旋翼翼型结冰情况,分析了旋翼结冰后飞行性能的变化和影响。计算证明建立的结冰模型正确,可以用于预测直升机结冰后的飞行性能。     

“中原经济区”科技创新体系建设研究——基于地方政府视角

科技创新体系是调整产业结构、转变经济发展方式的重要支撑.地方政府在科技创新体系建设中缺乏协同、创新机制和自主创新意识.地方政府是科技创体制机制的设计者,是相关政策的制定者、协调者和支持者.科技创新体系建设的体制、机制应随着经济社会的发展而变化.     

极区月壤和水冰形成演化机制及物理特性研究

月球极区独特的光照条件和表面环境特征是水富集和保存的理想场所,探测永久阴影区内的水冰对科学研究和开发利用月球资源具有重要的意义.综合调研了国际上在月球极区开展的理论研究和遥感探测成果,阐述了极区地质、表面光照条件和热环境特征.介绍了极区月壤和水的形成演化机制及水冰可能的赋存状态.系统梳理了国际上关于极区水冰的探测历程和...     

电子信息制造业企业专利生产函数研究

以前人的研究为基础,结合电子信息制造业的特性,从研发投入、市场结构、股权结构三个方面提出了影响电子信息制造业企业专利行为影响因素的理论假设,认为电子信息制造业企业专利行为影响因素主要有R&D投入、研发人员投入、企业规模、市场势力、股权集中度、股权制衡、国有性质.接着,以知识生产函数为基础,构建了电子信息制造业企业专利生产函数,并根据2005 ～2010年的数据进行了实证分析.实证结果表明:R&D投入、研发人员投入、企业规模和股权性质对电子信息制造业企业专利行为有正向影响,而市场势力、股权集中度和股权制衡则对电子信息制造业企业专利行为有负向影响.     

基于差异化和空间约束的自动图像描述模型

多头注意力机制是图像描述模型的常用方法,该机制通过多分支结构构建关于输入特征的独特属性,以提高特征模型的区分性。然而,不同分支的独立性导致建模存在冗余性。同时,注意力机制会关注于不重要的图像区域,导致描述的文本不够准确。针对上述问题,提出一种损失函数作为训练目标的正则化项,以提高多头注意力机制的多样性和准确性。在多样性方面,提出一种多头注意力的差异化正则,鼓励多头注意力机制的不同分支关注于所描述目标的不同部件,使不同分支的建模目标变得简单。同时,不同分支相互融合,最后形成完整且更有区分性的视觉描述。在准确性方面,设计一种空间一致性正则。通过建模多头注意力机制的空间关联,鼓励注意力机制关注的图像区域尽可能集中,从而抑制背景区域的影响,提高注意力机制的准确性。提出差异化正则和空间一致性正则共同作用的方法,最终提升自动图像描述模型的准确性。所提方法在MS COCO数据集上对模型进行验证,并与多种代表性工作进行对比。实验结果表明：所提方法显著地提高了图像描述的准确性。     

基于EM自注意力残差的图像超分辨率重建网络

基于深度学习的图像超分辨率(SR)重建方法主要通过增加模型的深度来提升图像重建的质量,但同时增加了模型的计算代价,很多网络利用注意力机制来提高特征提取能力,但难以充分学习到不同区域的特征。为此,提出一种基于期望最大化(EM)自注意力残差的图像超分辨率重建网络。该网络通过改进基础残差块,构建特征增强残差块,以更好地复用残差块中所提取的特征。为增加特征信息在空间上的相关性,引入EM自注意力机制,构建EM自注意力残差模块来增强模型中每个模块的特征提取能力,并通过级联EM自注意力残差模块来构建整个模型的特征提取结构。所获得的特征图通过上采样的图像重建模块获得重建的高分辨率图像。将所提方法与主流方法进行实验对比,结果表明：所提方法在5个流行的SR测试集上能够取得较好的主观视觉效果和更优的性能指标。