融合空洞空间金字塔池化和注意力的轻量化遥感影像道路提取

针对高分辨率遥感影像中道路形状结构错综复杂,出现窄小型道路提取错误或漏分的问题,提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先,在原始高分辨率网络（HRNet）基础上,通过引入空洞空间金字塔池化模块,实现多尺度道路信息融合;再引入挤压激励通道注意力机制,增强网络特征表征质量;最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化,以降低模型计算复杂度。在公开数据集上进行了模型性能测试,实验结果表明,文章所提算法的准确率、精确率、召回率、F1分数和平均交并比,相比原始HRNet分别提升了5.35%、2.15%、4.1%、3.15%和14.34%,且减少了36.1%的参数数量;相比其他网络,该算法突出了细小道路的特征,道路预测结果连续性、完整性好,并且模型小易于部署在实时检测设备中,有效改善了道路提取任务中错分和缺失的情况,是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。     

基于链路预测的未来新增航线发现

针对新增航线发现研究中存在的航线选择主观化、网络信息挖掘不充分等问题,考虑航空运输网络的拓扑结构特征和节点(通航城市)层次属性,提出了一种基于链路预测的未来新增航线发现(NARP)模型。NARP模型提取局部封闭子图构建子图邻接矩阵,基于距离标记子图节点结构重要性,采用因子分析和层次聚类提取节点层次属性。在此基础上,融合子图结构和节点属性2类特征,采用深度图卷积神经网络(DGCNN)进行链路预测,实现新增航线发现。在中国航空运输网络实际运行数据上的实验结果表明:较之基准方法,NARP模型的预测准确率最高提升9.28%;在网络极度不完整时,预测准确率可以保持在80%左右;预测结果符合航空运输网络的实际演变情况。      

基于改进注意力机制CNN-ATT的区域性ZTD预测模型

基于天顶对流层延迟（ZTD）的强时空特征,提出了一种融合卷积神经网络的改进注意力机制（CNN-ATT）的多站点ZTD组合预测模型。该模型首次将多源数据（包括日解算精度、年积日(DOY) 和三维坐标）综合运用于ZTD预测任务。通过对南宁市的5个参考站（CORS）和14个国际GNSS服务（IGS）站点共1 501个年积日的观测数据进行研究,选取传统BP模型、GPT2w模型和ATT模型作为基线模型进行实验对比分析。研究结果显示,在预测精度方面,改进的CNN-ATT模型与BP模型相比其均方误差（MSE）和平均绝对误差（MAE）分别减少了5.5 mm和 4.4 mm,预测精度分别提高了41.4%和67.8%;与ATT模型相比,CNN-ATT模型的预测MSE和MAE也分别减少了4.6 mm和2.1 mm,预测精度分别提升了36.2%和50.0%。在定位精度方面,改进的CNN-ATT模型的精度表现优于SAAS,GPT2w,BP以及ATT模型。并且与传统SAAS对流层模型相比,CNN-ATT模型在N,E,U 3个方向的精度提升高达18.2%,12.6%和31.0%。此外,研究还发现CNN-ATT模型在长预测时间步长中的精度表现更为稳定,更适合多测站预测任务,并且其精密单点定位（PPP）收敛速度更快。     

基于卷积Token的Vision Transformer模型的人脸表情识别

人脸表情识别有着广泛的应用。本文使用基于卷积Token的Vision Transformer的混合模型实现表情识别。混合模型能够更好地捕捉人脸表情的局部特征以及局部特征之间的相关性。实验使用RafDB和Fer2013Plus数据集,并对比了ResNet、DenseNet、Swin Transformer和CVT模型的精度和分类混合矩阵分析在人脸表情识别中的表现。     

基于CNN-LSTM神经网络的前视成像算法

雷达前视成像作为雷达成像领域的难点与重点,在自动驾驶、导航、精确制导等方面具有广阔的应用前景。传统的前视成像算法受限于天线孔径的宽度,无法实现高分辨率的成像,本文使用卷积神经网络（Convolutional Neural Networks, CNN）与长短期记忆（Long Short-Term Memory,LSTM）网络相结合实现前视成像中方位向的预测,首先介绍了扫描前视成像信号的类卷积模型及其病态性,利用脉冲压缩以及距离徙动校正对回波信号预处理,输入CNN-LSTM神经网络逐距离单元进行方位向估计。仿真结果表明：算法能有效提高前视成像的方位分辨率,实现前视成像的超分辨。     

基于YOLOv8的卫星遥感图像快速目标检测方法

目标检测相关技术已经广泛应用于空间目标监视、卫星自动寻轨等领域,也是计算机视觉领域最重要和最具有挑战性的研究分支之一,逐渐成为国内外军事领域的应用热点.在现代空天对抗中,通过卫星遥感图像获取近地飞行器目标,借以快速判断敌方部队的有生力量,将使我方部队占据战略优势.针对卫星观测距离过远、遥感图像背景复杂等问题,研究基于一阶段轻量化网络YOLOv8的小样本目标检测算法.通过图像翻转、马赛克数据增强及mixup数据增强等图像增强手段提高了模型的泛化性能;通过多次调整优化函数、降低类别损失增益及降低掩模比等参数调整策略提高了模型的平均精度;通过使用参数预设及加载原优化函数导出的模型提高了模型的运算效率.提出的方法在公开的飞行器数据集进行了验证,验证指标包括查准率-查全率(precision-recall)、平均精度(mAP)和画面每秒传输帧数(FPS).结果表明本文提出的改进型网络模型能满足卫星遥感图像的快速目标检测需要.     

超音速板颤振问题中的局部分岔现象及某些全局行为

本文研究了两边简支的二维板在其一个侧面处于超音速流中时的局部稳定性和分岔问题。主要考察了在具有两个零特征值的重退化平衡点附近该系统所发生的不稳定现象和分岔现象。利用动力系统理论中的定性简化方法,发现在某参数平面上,此系统可发生3种不同类型的余维数二分岔现象。对各种分岔现象进行了数值模拟,并用数值分析方法研究了局部分岔解的某些全局行为。     

脉冲风洞单分量应力波天平测力技术

针对脉冲风洞强振动、极短有效试验时间的测试环境,提出一种采用压电材料作为敏感元件,尾端具有反射应力波耗散能力的单分量应力波天平结构。详细介绍了天平的运行原理,结构设计公式,内悬挂保护罩结构,以及校准方法,最后以半球为模型,在CARDC Φ 0.6米激波风洞上进行了验证实验。实验结果验证了该技术的可行性。     

GMM旋转超声加工系统的部分耦合式非接触 电能传输设计与补偿

非接触电能传输是旋转超声加工系统的重要组成部分。对于传统的完全耦合式非接触电能传输系统,完整的原边磁芯与自动换刀系统结构上的干涉影响了超声刀柄的自动换刀。建立了部分耦合式非接触电能传输模型,依据模型设计出电能传输的原、副边结构和线圈参数,并对其进行了电学仿真。为提升电能传输的效率,对部分耦合式非接触电能传输的电学补偿进行了研究。针对一种使用超磁致伸缩材料(Giant Magnetostrictive Material,GMM)的旋转超声加工系统,结合其电学特性设计出电路补偿网络,试验验证了部分耦合式电能传输及其补偿的有效性。研究表明,由于结构问题造成原、副边线圈间的漏磁较多,部分耦合式的电能传输效率和系统输出振幅均稍小于全耦合式的电能传输方式,但是通过合理的电学补偿方式完全可以满足超声加工的要求。对于GMM旋转超声加工系统,采用单边串联补偿方式能够在简化系统设计的同时,保证较高的电能传输能力。     

性能影响的数值研究

为了研究当量比分配对超燃燃烧室性能的影响,对煤油在基于双级支板喷注的双模态冲压发动机中的超声速燃烧过程进行了数值模拟研究。超燃燃烧室进口污染空气由烧氢补氧加热器提供,总温为1231K,入口马赫数为2.0。液态煤油通过两级十字型布置的支板直喷入燃烧室,全局当量比恒定为0.8,采用了三种不同的上下游燃料分配方案。数值模拟采用k-ω SST模型来模拟湍流;离散相模型来模拟煤油液雾的破碎、雾化、蒸发以及与连续场之间的耦合过程;部分预混火焰面模型来考察湍流与化学反应之间的相互作用;煤油采用正癸烷(C10H22)作为替代燃料,其半详细的化学反应动力学模型包括40组分141步基元反应。预测的三种工况条件下壁面静压分布均与试验值符合良好,表明本文采用的数值方法可以较为准确地描述大分子碳氢燃料的超声速燃烧过程。通过对燃烧流场的进一步分析,可以做出以下结论:燃烧室内存在着两个反应区,上游反应区前锋驻留在上级支板尾缘,下游反应区前锋驻留在下级支板尾缘。随着上游当量比从0.1提高到0.3,上游反应区逐渐从位于流道竖向中央的对称结构转变为向下底壁与侧壁交接的角区倾斜的非对称结构,下游反应区则逐渐缩小;预燃激波串起始位置向燃烧室进口移动,进入上游反应区的气流逐渐从超声速气流转换为亚声速气流,而进入下游反应区的气流逐渐从亚声速气流转换为超声速气流;燃烧室出口总压恢复系数从37.6%单调增加到41.1%,燃烧室内推力却从366.4N单调降低到331.8N;然而,燃烧室出口燃烧效率与上游当量比之间不存在单调相关性。