微波雷达 迢迢太空尽在掌控——中国航天科工二院25所交会对接微波雷达研制纪实

神舟八号与天宫一号首次交会对接的成功,是航天发展史上又一个重要里程碑。在这块里程碑上,将永远记载着中国航天科工交会对接微波雷达团队的每一份努力的汗水与泪水。     

基于时频原子方法的雷达辐射源个体识别

针对雷达辐射源个体识别问题,提出一种时频原子分解的特征提取方法.该方法针对主振放大式发射机,首先根据锁相环频率合成器相位噪声的功率谱,模拟含有特定相位噪声的辐射源信号.然后基于时频原子分解原理并采用膜算法将带有相位噪声的辐射源信号在正弦原子库中进行一次分解.最后利用分解后的原子提取出正弦原子能量特征和原子频率偏差特征,...     

多雷达系统数据包抓取与分析算法的设计

多雷达融合航迹数据是航班进离港系统的重要数据来源,因此对多雷达网络数据包进行抓取与分析是航班进离港系统开发的关键环节。论文通过综合利用WinPcap抓包工具、多线程处理及过滤无关航迹的方法,大大提高了对网络数据包抓取与分析的性能,有效地避免了网络丢包,满足了航班进离港系统对多雷达系统网络数据包的实时处理需求。     

论组织的量化质量管理(一)——组织及顶层设计

评估一个组织的好坏,要凭数据说话。组织是为一定的利益需要组建的。劳动、资本、技术、管理是对组织利益做出贡献的4个要素。管理对组织的输出可以起很大作用。利益相关方的需要往往不止一项,而且还是不断增长的。管理者应制定组织的顶层设计(组织文化、愿景、目标、决策等)架构,改革……并强化单元对组织文化、愿景、目标的认同。     

天宫一号,你还好吗？——探寻天宫一号目标飞行器当前状态及未来归宿

神舟十号飞船箭在弦上,即将飞赴太空,与早已运行在轨道的天宫一号目标飞行器"相会"。此时此刻,仰望苍穹,人们纷纷投出探寻的目光:天宫一号,你在太空还好吗?你还会给我们带来什么惊喜?为了将来的空间站建设,你还在做些什么?完美的"体检报告"迎接"贵宾"作为我国首个目标飞行器,天宫一号已经在茫茫太空独自翱翔近两年,其"健康"状况是大     

重视空管新技术发展 满足民航安全高效需求

空中交通管理系统是通过管理多架飞机起降和航行来保障飞行秩序和安全的系统,同时还负责空域的管理,参与制定飞行规则和飞行程序,为航空器提供通信、导航、监视服务、航行情报服务、航空气象服务告警服务等,来实施空中交     

雷达管制EC席与PLC席管制员相互联动的研究

引言随着我国民航事业的迅猛发展,国内新购航空器日益剧增,各地区空管人员都面临着一个新的挑战。由于空中交通流量的增加,空中交通拥挤的状况也越来越严重,飞行冲突出现的可能性也越来越大。对于可能发生的飞行冲突,诸如管制人员发生口误或机组误听指令导致错误操作所带来的影响,甚至在特殊复杂情况下,管制人员能否在短时间反应并正当处置,直接关系着空中交通的安全水平。     

飞机隐身技术综述

本文根据最近几年有关部门对降低军用飞机雷达散射截面(RCS)的研究,对飞机隐身技术的问题作了综合性评述。全文分为二部分,第一部分为飞机隐身技术的发展概况,第二部分概括介绍各种飞机隐身技术的基本内容,最后论述了飞机隐身技术与飞机设计之间的密切关系。     

基于顶点与主体区域同步检测的精准车牌定位

为应对非约束环境下的车牌精定位问题,提出一种基于顶点局部区域与主体区域同步检测策略的非约束性车牌定位算法。通过删减YOLOv5网络的输出结构,训练得到可同步检测车牌及顶点区域的车牌检测网络,在兼顾精度与计算速度的前提下,实现车牌顶点和主体区域的同步定位。针对一幅图中存在多个车牌区域及顶点区域存在少量漏检和误检的情况,分别设计了车牌顶点归类和单一缺失顶点预测后处理算法,借助顶点间的空间位置关系进行漏检目标预测和误检目标排查,有效改善了因场景复杂导致的个别顶点目标检测效果差的问题。所提算法在中国城市停车场数据集(CCPD)上的测试结果显示,平均精准率达99.25%,平均召回率达98.70%。所提算法不仅能够准确预测出车牌的4个顶点坐标,而且在中端GPU硬件平台上处理速度可达121帧/s,具有较好的应用价值。     

语言引导的多粒度特征融合目标分割方法

语言引导的目标分割旨在将文本描述的目标与其所指代的实体进行匹配,从而实现对文本、实体之间关系的理解与指代目标的定位。该任务在信息抽取、文本分类、机器翻译等应用场景中具有重要的应用价值。基于Refvos模型提出一种语言引导的多粒度特征融合目标分割方法,能够对特定目标精准定位。利用Swin Transformer和Bert网络,分别提取多粒度的视觉特征和文本特征,提高对整体与细节的表征能力;将文本特征分别与不同粒度视觉特征进行融合,通过语言引导增强特定目标表达;通过卷积长短期记忆网络对多粒度融合特征进行优化,在不同粒度特征间进行信息交流,得到更精细化的分割结果。在UNC、UNC+、G-Ref、ReferIt数据集上进行训练并测试所提方法。实验结果表明：相比Refvos,所提方法在UNC数据集的val、testB子集中IoU结果分别提升0.92%、4.1%,在UNC+数据集的val、testA、testB子集中IoU结果分别提升1.83%、0.63%、1.75%。所提方法在G-Ref、ReferIt数据集的IoU结果分别为40.16%和64.37%,达到前沿水平,证明所提方法的有效性与先进性...