Short-term forecasting regional model to predict M(3000)F2 over the European sector: Comparisons with the IRI model during moderate,disturbed, and very disturbed geomagnetic conditions

The hourly measurements of M(3000)F2 (M(3000)F2_meas) and the hourly quiet-time values of M(3000)F2 (M(3000)F2_QT) relative to the ionospheric observatories of Poitiers, Lannion, Dourbes, Slough, Rome, Juliusruh, Kaliningrad, Uppsala, Lyckesele, Sodankyla, and Kiruna as well as the hourly time-weighted accumulation series derived from the geomagnetic planetary index ap (ap(τ)), were considered during the period January 1957–December 2003 and used for the development of 11 short-term forecasting local models (STFLM) of M(3000)F2.     

Haze removal for UAV reconnaissance images using layered scattering model

During the unmanned aerial vehicles(UAV) reconnaissance missions in the middle-low troposphere, the reconnaissance images are blurred and degraded due to the scattering process of aerosol under fog, haze and other weather conditions, which reduce the image contrast and color fidelity. Considering the characteristics of UAV itself, this paper proposes a new algorithm for dehazing UAV reconnaissance images based on layered scattering model. The algorithm starts with the atmosphere scattering model, using the imaging distance, squint angle and other metadata acquired by the UAV. Based on the original model, a layered scattering model for dehazing is proposed. Considering the relationship between wave-length and extinction coefficient, the airlight intensity and extinction coefficient are calculated in the model. Finally, the restored images are obtained. In addition, a classification method based on Bayesian classification is used for classification of haze concentration of the image, avoiding the trouble of manual working. Then we evaluate the haze removal results according to both the subjective and objective criteria. The experimental results show that compared with the origin image, the comprehensive index of the image restored by our method increases by 282.84%, which proves that our method can obtain excellent dehazing effect.     

基于支持向量机和线性判别分析的维数约减方法及其应用

目前已提出的一些基于支持向量机的维数约减方法,但其投影矩阵的获得仅考虑支持向量机的类间间隔,而忽略了数据中的类内信息。本文首次提出了一种基于支持向量机和线性判别分析的维数约减方法,称之为DRSL。DRSL实现了类问和类内信息的有效组合,能有效拟合数据中类间和类内结构,使得所获投影矩阵能够提高后续分类器的推广能力。实验验证了该方法的有效性。     

基于神经网络模型的层次诊断方法及应用

对神经网络和故障诊断的层次分解模型进行了研究,把神经网络技术和层次分解模型相结合,利用神经网络来实现分层诊断。以卫星能源系统为背景,建立了该系统故障模拟试验台的层次分解模型,在此基础上构造了合适的分层神经网络,通过分层神经网络诊断系统故障,给出的两个实例说明了这种方法的有效性。     

航材消耗的时间序列分析

本文采用时间序列分析法对某种航材故障率进行预测,用移动平均法消除时间序列的长期趋势和周期变动,然后按月平均法求出季节指数,并对季节指数进行调整,然后根据拟合的趋势方程对此种航材的故障率进行预测.其结果能为航材的可靠性保障提供理论依据.     

基于FRFT域特征差异的压制干扰检测与分类算法

针对干信比未知情况下有源压制干扰分类识别结果可信度较低的问题, 提出了一种基于FRFT域特征差异的压制干扰检测与分类算法。首先, 通过FRFT域峰值阶次的序贯判决算法, 进行压制干扰的存在性检测, 以保证压制干扰分类识别在较高的干信比条件下进行; 然后, 在此基础上, 分别提取回波信号在FRFT域的极值阶次标准差和峰值阶次标准差作为分类识别特征量, 同时, 为避免硬判决造成的分类错误, 采用模糊判决的方法得到基于不同特征参数的分类识别结果; 最后, 按一定准则将2种分类识别结果进行融合, 以进一步提高分类识别正确率。仿真结果表明, 与现有压制干扰分类识别算法相比, 该算法较好地解决了分类识别结果可信度较低的问题, 同时具有较高的分类识别正确率。      

SAM在CMODIS数据信息提取中的应用

中国首次上天的中等分辨率成像光谱仪 (CMODIS)数据具有 34谱段 ,包含了从可见光、近红外、短波红外至热红外波段非常丰富的波谱信息。但是CMODIS波段间相关性很高 ,而且数据量很大 ,若用传统的基于数理统计的分类方法 (如监督和非监督分类方法 )提取信息会有一定的困难。光谱角度制图法(SAM)是通过计算 1个测试光谱 (像元光谱 )与 1个参考光谱之间的“角度”来确定它们两者之间的相似性 ,从而达到分类目的。这一方法更符合高光谱数据的特点。文章对 2 0 0 2年 5月 2 2日取得的前 2 0个波段的CMODIS数数据分别采用监督分类方法和光谱角度制图 (SAM)法提取信息。试验结果表明采用SAM得到了比监督分类方法更好的分类效果和更多的信息。     

基于非线性神经网络的高清晰高光谱遥感图像分类器设计与应用

对于高光谱和空间分辨率的遥感图像而言，它具有较为复杂的地物判读特性，应用常规的监督或非监督分类方法难以达到理想的结果。为此设计了一种非线性BP网络分类器，它将纹理结构特征与地物光谱特征相结合．针对上海市某地区的卫星遥感图像．在ENVI／IDL平台上与K-means的非监督分类和最小距离的监督分类方法进行了分类的对比应用。试验结果表明．该分法较好地考虑了图像的光谱特征，能有效地提高类别辨识的精度。     

射频制导导弹故障自动诊断系统

介绍用于射频制导导弹故障自动诊断系统的框架设计，列举了导弹故障模式种类，根据导弹综合测试与故障诊断的特点，遵循推理知识、测试知识和排故知识这样一种新的专家系统的分类方法，论述该系统的诊断原理及实现方法，阐述系统故障诊断功能工程化的特点及采用的关键技术。该系统已成功实现了对导弹电气故障的自动诊断。运行结果表明，该系统自动化程度高，诊断有效，操作使用方便，是一种新一代的导弹维护测试诊断系统。     

稳定器壁面最高温度区的数字图像分析

测定稳定器壁面最高温度区的位置、面积大小和最高温度值是航空发动机研究中的重要内容。本文阐述作者在利用数字图像处理技术对火焰稳定器壁面最高温度区进行分析方面进行的工作。所用方法是图像处理分类技术中的最小距离分类方法。为了减少图片摄取时噪声的影响,本文对训练区进行了分析处理,最后得到了比较满意的结果。