多模GNSS PPP时间传递性能比对分析

精密单点定位(PPP)时间传递技术是国际时间比对的重要手段之一,为协调世界时的计算做出巨大贡献。为探究多系统融合PPP时间频率传递性能,选取3个国际授时实验室的测站数据组成2条链路,采用8种实验模式对比分析单系统、双系统、三系统和四系统PPP时间频率传递性能。实验结果表明：各多系统组合较单GPS系统在可见星数上均有较大提升,且极大改善了钟差精度因子,增加了时间比对结果的稳健性和可靠性。在时间传递稳定性方面：对于453.4 km的PTBB-BRUX链路,较单GPS系统,双系统中GPS/BDS组合提升效果最优,提升率约为10.39%,三系统中GPS/GLONASS/BDS组合提升率最优,约为11.86%,四系统组合提升率为11.98%,可从0.046 7 ns提升至0.041 1 ns;对于8 031.8 km的PTBB-NIST链路,GPS/BDS组合提升率约为4.89%,GPS/GLONASS/BDS组合提升率约为5.49%,四系统组合提升率为5.79%,可从0.114 0 ns提升至0.107 4 ns。在频率传递稳定度方面：在前10 000 s内双系统组合平均提升17.6%,三系统...     

高超声速飞行器新型预设性能控制器设计

针对强不确定、多约束条件下高超声速飞行器的控制性能问题, 提出一种新型、同时保证高超声速飞行器瞬态响应和稳态性能的鲁棒预设性能控制器设计方法。首先, 设计一种新型、时变、对数型障碍Lyapunov函数, 结合动态面法, 在保证高超声速飞行器高度和速度子系统稳态跟踪误差精度的同时, 还能确保其收敛速度、超调量等瞬态响应性能;与传统的预设性能方法相比, 该方法无需误差转化, 降低了设计的复杂度。然后, 针对模型和外部扰动不确定问题, 设计了自适应、非线性干扰观测器对不确定的上界进行估计并引入控制律。此外, 还引入辅助误差子系统, 降低高超声速飞行器执行机构饱和对闭环系统的影响。最后, 通过Lyapunov稳定性理论证明了闭环系统所有状态均有界。仿真结果验校了本文控制器设计的有效性。     

Interactivity in map learning: The effect of cognitive load

The hypothesis that active learning is beneficial relative to passive observation was assessed in the context of spatial knowledge derived from maps. Active and passive participants studied a map either while performing a simultaneous spatial tapping task (high cognitive load) or in the absence of this task (low cognitive load). Active participants controlled how the map was learned, with passive participants observing map learning without exercising control. Spatial recall was assessed in two tests, directional judgements and map drawing. Map drawing and directional judgments showed a similar pattern of results, with performance detrimentally affected by a high load for active participants, but not for passive participants. The results indicate that activity and cognitive load interact, suggesting that active learning can be detrimental to spatial learning in cognitively demanding tasks.     

基于深度强化学习的高超声速飞行器动态面控制方法

针对高超声速飞行器控制问题,通过将深度强化学习与动态面控制方法相结合,设计了智能姿态控制算法。首先,基于模型先验知识,采用传统的动态面控制方法设计控制器结构。然后,考虑跟踪误差和控制量幅值约束的情况下,采用深度学习算法完成对控制器参数的智能寻优,代替传统设计中的人工调参试错过程。为提升训练效果,在奖励函数中引入了控制量变化率。最后,通过数值仿真验证了所设计控制方法的有效性与鲁棒性。     

基于PSO-ELM的卫星导航欺骗式干扰检测CSCD

近年来,卫星导航系统在军事监测、精细农业、交通监控、资源勘探、灾害评估等领域得到了广泛应用,但由于卫星导航信号结构公开且到达地面时强度微弱,卫星导航系统极易受到各种各样的干扰,其中欺骗式干扰因具有较强的隐蔽性,对卫星导航系统构成巨大的安全威胁。传统的欺骗式干扰检测方法大多采用单一参数进行检测,具有一定局限性。考虑到欺骗干扰源在欺骗过程中会引起一系列参数变化,构造了一个多参数输入的卫星导航欺骗式干扰检测模型,即将多个特征参数作为极限学习机(ELM)的输入,并通过训练和学习将真实信号与欺骗信号区分开,从而实现欺骗式干扰检测。同时,利用粒子群优化(PSO)算法优化ELM中的输入权值矩阵和隐层偏置,改善由于网络参数随机生成导致分类精度低的问题。仿真实验证明了该方法在卫星导航欺骗干扰检测方面的可行性和有效性。     

基于改进Cycle-GAN的光流无监督估计方法CSCD

卷积神经网络为光流的计算提供了一种新的方式,但作为一种数据驱动技术,用于训练网络的大规模光流真值在现实世界中不易获取。为了解决这个弊端,基于Cycle-GAN的循环对抗机制,提出了一种光流无监督估计方法。首先,引入双判别器机制在生成器生成的光流样本的底层和高层特征上进行鉴别,迫使生成器提高光流生成的精度。其次,引入Spynet作为教师网络,在生成器训练前期对其进行指导,防止网络陷入模式崩塌。最后,改进损失函数,提出了光流一致性损失和轮廓一致性损失函数,进一步提升光流估计精度。实验结果表明,与现有的先进算法相比,提出的方法达到与有监督算法相同的精度水平。     

集成学习在高误码率下AOS协议识别中的应用研究

针对天基网络中高误码率的传输特点,为保证各个异构网络之间数据能够高效可靠的传输,采用空间链路层高级在轨系统协议设计一种基于集成学习的识别方法。该方法采用集成学习模型,学习AOS协议数据,构建基于集成学习的AOS协议识别模型,实现AOS协议的准确识别,并在高误码率情况下进行实验验证。实验结果表明,集成学习模型在AOS协议识别方面具有较好的识别效果,识别运行效率有显著提升,且在较高误码率即10^-1时依然可以保持稳定的识别效果。     

基于经验移植的自主空战对抗学习方法

现有的机器学习方法大多是交互式的学习模式,这类方法在训练过程非常依赖与环境之间的交互数据。空战对抗任务是一种奖励非常稀疏的训练任务,智能体在学习开始的很长一段时间内,都在探索能够获得奖励的动作。如果每一个新的任务都重新训练,是非常浪费计算资源的。因此,设计了一种基于经验移植的学习方法,使得经过训练的智能体能够将知识分享给新的智能体,提高其在新任务上的学习效率。首先,借鉴人类通过经验进行快速学习的现象,构建了基于经验移植的学习的模型;其次,兼顾知识分享和新任务的特征,明确了经验的内涵,建立了"知识+任务→经验"的融合认知方式;再次,设计了借鉴学习方法,将外部经验与任务相结合,进而转化为新个体的知识;最后,使用经验适用度作为筛选指标,分析了经验适用度对借鉴学习效率的影响,确定了执行借鉴学习的筛选边界。新个体通过借鉴学习后能够获得关于新任务的初步知识,在新任务中更快地找到能够获得奖励的动作策略,从而提升在新的任务中的学习速度。     

一种基于在轨深度学习的压缩率确定方法

如何对遥感图像中的重要目标进行精确的识别分类,是卫星遥感领域的一个难点和重要的研究方向。深度学习能较好解决识别分类的问题,但其学习模型有大量参数需要确定,会消耗大量计算和存储资源,不利于在轨实现。模型压缩是降低资源需求的有效方法,但会导致分类准确率降低。剪枝是模型压缩的主要方法之一,目前剪枝技术大多研究的是在降低计算量的情况下如何减少准确率损失,如何确定压缩率是有待研究的问题。本文提出了一种通过函数拟合准确率与压缩率关系的方法,可以据此确定相应的压缩率,并对不同的压缩方法进行比较。仿真结果表明:该方法的函数模型可以在不同场景下用较少的点拟合出准确率与压缩率关系曲线,且均方根误差最大为1.09,平均值为0.51,拟合效果较好,可据此针对不同的应用条件与需求确定相应的模型压缩率。     

Spatial data quality capture through inductive learning

The relatively weak uptake of spatial error handling capabilities bycommercial GIS companies and users can in part be attributed to therelatively low availability and high costs of spatial data qualityinformation. Based on the well established artificial intelligencetechnique of induction, this paper charts the development of anautomated quality capture tool. By learning from example, the tool makesvery efficient use of scarce spatial data quality information, sohelping to minimise the cost and maximise availability of data quality.The example application of the tool to a telecommunications legacy datacapture project indicates the practicality and potential value of theapproach.