基于模糊神经网络的小卫星任务自主调度设计

为了提高小卫星星务软件的自主化、智能化水平，提出一种基于模糊神经网络的小卫星任务自主调度的设计方法。该方法根据小卫星有效载荷和任务的需求，将小卫星的星务软件分解为若干个任务模块。同时，考虑到一些任务执行的紧前关系要求，将若干有紧前关系的任务模块划分为一个任务流程。以任务流程为单位，利用模糊神经网络构建任务流程自主调度决策系统。仿真实验结果表明，该决策系统能够根据小卫星的监测数据，以任务流程的自主调度为基础，最终实现对任务模块的动态自主调度。     

应用于小卫星平台的中分辨率成像光谱仪

文章简要介绍了中分辨率成像光谱仪（CMODIS）的组成、原理及系统设计。     

Globalstar星座与意大利的小卫星中心

介绍了意大利 Alenia 航空航天公司为生产 Globalstar 卫星而建立的小卫星中心及其环境试验概况。     

某微小型卫星姿轨控计算机系统的设计

为实现卫星姿轨控计算机小型化，采用TI公司的数字处理器(DSP)TMS320F206芯片作为CPU，其他逻辑采用现场可编程逻辑门阵列(FPGA)实现，并以此为基础，将姿轨控系统其他有关仪器设备集成到计算机中，形成一台复合控制设备。研究表明，DsP可用于实现姿轨控计算机的小型化，以及今后复合控制系统的设计。     

一种新的混合高斯模型的学习算法

混合高斯模型是背景对消中一种非常有效的方法.本文提出了一种有效的混合高斯模型的学习算法.与以前的方法不同在于:a.根据最大似然准则,在线的更新模型的参数;b.定义了遗忘因子和学习率因子,并根据它们实际的物理含义,得到了更一般的形式.运用这种算法对模拟视频数据和真实视频处理,结果表明,本文提出的学习算法无论在收敛速率,还是在准确性方面,都要优于以前的方法.     

基于神经网络的机器人姿态逆解

首次实现自组织神经网络求解机器人姿态逆解，突破了文献局限于研究位置逆解的状况。应用本文创新的自组织神经网络训练方法，结合工业机器人运动学特性，建立了工业机器人姿态逆解的神经网络方法，对PUMA560机器人的计算机仿真结果表明，该方法姿态控制精度高。     

基于迭代学习观测器的容错控制

提出了一种基于迭代学习观测器(ILO)将故障检测和容错控制进行统一设计的方法。迭代学习观测器不仅可以用于进行状态估计和故障检测,而且可以用于获得控制输入调节项并进行故障估计。设计重构控制律的基本思想是利用估计状态和控制输入调节项来补偿故障引起的影响。文中还给出了特定假设条件下闭环重构控制系统稳定性的严格证明。理论分析和仿真研究表明,所提的方法是有效的并可保证闭环系统具有良好的重构性能．     

基于近端策略优化的空战决策算法研究

面对未来有/无人机协同作战场景,实时准确的空战决策是制胜的关键。复杂的空中环境、瞬变的态势数据以及多重繁琐的作战任务,使有/无人机协同作战将替代单机作战成为未来空战的发展趋势,但多智能体建模和训练过程却面临奖励分配困难、网络难收敛的问题。针对5v5 有/无人机协同的空战场景,抽象出有人机和无人机智能体的特征模型,提出基于近端策略优化算法的空战智能决策算法,通过设置态势评估奖励引导空战过程中有/无人机智能体的决策行为向有利态势发展,实现在与环境的实时交互中,输出空战决策序列。通过仿真实验对所提空战决策算法进行验证,结果表明：本文提出的算法在经过训练学习后,能够适应复杂的战场态势,在连续动作空间中得到稳定合理的决策策略。     

无人机航拍野生动物智能检测与统计方法综述

近年来无人机航拍技术逐步应用于野生动物保护,在很大程度上提高了考察效率。由于航拍图像与地面拍摄图像的特征差异较大,加之野生动物生存环境背景复杂,目前没有通用的方法可直接应用于野生动物航拍图像的检测与统计。本文回顾了智能检测和统计技术近年来的发展,针对无人机航拍野生动物图像的大场景、小目标、多尺度、复杂背景等特点,介绍了无人机航拍动物群数据集的选取与建立方法,以及基于深度学习的检测与统计方法,并进行了深层次地分析,归纳了各类方法的优势和可应用场景,总结了各方法的特点和适用范围,同时针对存在的问题给出了改进方向。     

Structure-aware fusion network for 3D scene understanding

In this paper, we propose a Structure-Aware Fusion Network(SAFNet) for 3D scene understanding. As 2D images present more detailed information while 3D point clouds convey more geometric information, fusing the two complementary data can improve the discriminative ability of the model. Fusion is a very challenging task since 2D and 3D data are essentially different and show different formats. The existing methods first extract 2D multi-view image features and then aggregate them into sparse 3D po...