基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法,通过监测砝码的移动量和参考力传感器叠加系统的力值量,实时调整加卸载机构的加卸载速度,以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动,影响力标准机复现力值准确度的问题,同时也消除了力值过冲现象,避免了因逆程效应而导致的力传感器输出偏差。     

执行器故障下的运载火箭非奇异终端滑模容错控制

针对存在未知外部干扰和执行器卡死故障的运载火箭,提出了一种基于非奇异终端滑模面的姿态跟踪控制算法。首先,建立了考虑干扰和执行器卡死故障的运载火箭姿态控制系统多输入多输出系统模型;然后定义了运载火箭姿态跟踪系统模型,针对定义的模型,设计了一种非奇异终端滑模面,使得系统在执行器故障情况下仍能较为精确地跟踪参考信号。基于李雅普诺夫函数证明了运载火箭姿态跟踪控制系统的稳定性和有限时间收敛特性。数值仿真检验了本文基于非奇异终端滑模运载火箭姿态跟踪控制算法的有效性。     

输出重定义的高超声速飞行器鲁棒自适应控制律设计

针对一个吸气式高超声速飞行器模型,研究了其鲁棒自适应控制方法并进行了稳定性分析。针对高超声速飞行器的非最小相位特征,通过输出重定义的方法使非最小相位系统的不稳定零动态变为渐近稳定。采用反馈线性化方法设计控制器,实现对速度信号和航迹角信号的稳定跟踪,同时采用切换控制方法消除系统不确定性带来的影响,提高系统的鲁棒性。稳定性分析结果证明系统具有公共李雅普诺夫函数,且所有状态量均能收敛到原点附近的一个小邻域内。仿真结果表明,所设计的控制系统能够有效跟踪参考轨迹,且在给定的有界连续不规则变化模型不确定性和外界干扰范围内也具有良好的跟踪性能。     

空时接收并行干扰消除器的性能分析及优化

提出一种新的用于DS-CDMA系统上行链路阵列接收加部分并行干扰消除的联合处理方案。在接收端多径信号的阵列处理方面,将传统的RAKE接收改为LS-DRMTA算法,能大大降低基站处理的运算量。在波束形成器之后引入干扰对消器,对传统的并行干扰消除器“硬判决”的缺陷进行优化,改为部分并行干扰消除器,可以更好地检测出期望用户信号,而且避免了消除串行干扰中存在延时问题,仿真结果表明,该联合处理方案简单有效,适合工程应用。     

一种新的重频特征识别方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种结合神经网络技术的重频识别方法.该方法分别对7种雷达重频模式,提出了新的特征矢量提取方法,并引用神经网络进行识别.实际仿真结果表明该方法是有效的,特别是对重频固定、重频滑变及重频抖动模式在高漏脉冲率的条件下依然具有较高的正确识别率.     

美国的航空公司不正常航班服务

虽然各航空运输企业不遗余力地提高航班准点率，但是航班不正常仍然是航空运输中不可避免的现象。如何妥善处理不正常航班、有效化解旅客与航空公司之间的矛盾，将因不正常航班而导致的损失降到最低点，一直是各航空运输企业重点工作内容之一。美国作为全球最大的航空运输市场，其航空运输企业同样面临很多航班不正常问题，但他们对不正常的航班处理方式却有不少值得我们思考和借鉴之处。     

星载嵌入式处理器软件在轨重配置技术研究

文章主要介绍了星载嵌入式处理器软件在轨重配置技术,给出了在轨重配置的基本原理、方法及处理流程。