运动干涉检测的模糊逻辑控制

在采用最大相对速度－距离法的基础上,引入模糊逻辑控制时间裕度,使任意两次检测间的时间间隔适当增大。该方法不仅减少了检测次数,更主要的是利用模糊逻辑的鲁棒性,减少了误差对检测结果的影响,从而使它无论在效率还是在可靠性方面都有了提高。以运动平面多边形为例,通过不采用、采用、部分采用模糊逻辑控制３种方法加以比较,表明了该方法的可靠性和有效性。     

反作用控制系统推力器失效的外部检测与诊断

通过推进系统外部可测的姿态信息,利用强跟踪滤波器和多模预报估计器,研究了一类非线性系统常值阶跃型故障和间歇性故障的检测与分离问题。对关机失效,利用强跟踪滤波器获得故障效应的估计,检测逻辑采用改进的贝叶斯分类方法,依据推力器失效效应的方向性进行故障单元的分离;对开机失效,采用多模预报,根据相应残差向量范数的比较进行故障的即时无阈值判别,同时完成了故障后系统状态的重构问题。以一类大型航天器的反作用姿态控制系统为例,对其中出现的推力器失效进行了故障识别仿真研究,表明所提方法是有效的。     

使用吊放声纳的直升机应召搜潜发现概率

建立了目标航速为瑞利分布条件下的目标位置分布模型,按照这个模型,研究了使用吊放声纳进行单机应召搜潜的搜索概率的计算方法,并给出了基于圆形搜索方式的不同参数条件下的搜索发现概率的部分计算结果。     

基于波段选择的RX改进算法

针对高光谱检测亚像元飞机的问题,提出基于大气吸收谱段的改进RX异常检测算法,实现亚像元检测能力和检测效率的提升.阐述了改进算法的基本原理,对比了10 km高度和地面大气吸收系数的曲线差异,建立了改进算法的检测模型,采用仿真的客用飞机可见-短波高光谱数据和海水背景高光谱数据,获得了信噪比10 dB的高光谱仿真图像.采用经...     

火星车三折平展坡道转移方案及转移姿态分析

以火星车从着陆平台安全转移至火星表面为研究目标,提出一种三折平展坡道转移方案。火星车坡道式转移方案难点在于,着陆点地形地貌不确定和着陆器自身姿态的不确定将导致火星车转移姿态不确定从而增大转移风险。为保证火星车坡道式转移安全性,开展火星车坡道式转移姿态分析,获得满足火星车安全转移要求的最小坡道长度并评价出极限转移姿态。为使三折坡道展开总长度尽可能靠近最小坡道长度需求,进行了三折坡道长度优化分析,获得在着陆器构型约束下三折坡道长度最大值,可为我国火星车转移工程实施提供借鉴。     

基于曲率的指尖检测方法

指尖检测是基于视觉的徒手人机交互系统的关键环节,由于背景的复杂性和系统的实时性要求,导致指尖的精确定位在处理速度和准确性方面存在很大问题。本文针对这一问题,提出了一种简单高效的基于曲率的指尖检测方法。该方法首先将输入视频流基于肤色空间进行二值化,并将二值化后的视频序列作为输入数据;然后采用边缘检测算法提取出肤色区域的边缘(肤色区域的轮廓),在肤色区域的轮廓上根据曲率来对类指尖的点进行检测,并且根据类指尖点的位置关系来判定一个肤色区域是不是手;最后通过过滤算法过滤掉误判手臂点。实验结果表明,该方法在不同的应用背景下都具有很好的检测效果,对光照的鲁棒性也较高,并且能够达到实时检测的效果。     

基于循环谱的隐蔽通信性能分析

研究了基于扩频技术的隐蔽通信波形设计,采用大信号掩盖技术和跳码扩频技术,其中大信号和隐蔽信号分别以直接序列扩频(Direct Sequence Spread Spectrum, DSSS)和随机跳码扩频方式产生。对DSSS信号和随机跳码扩频信号的二阶循环平稳特性进行了理论分析,并通过仿真证明了循环平稳特性可用于隐蔽通信波形循环谱分析。首先,理论分析揭示DSSS信号的循环谱在与数据符号速率和码片速率相关的循环频率上,具有由信号的循环平稳性所产生的一系列特征峰值;然而,在随机跳码直扩信号中,扩频码带来的循环平稳性被破坏,导致其循环谱仅在与码片速率相关的循环频率上存在特征峰值;最后,利用循环平稳特性,结合判决门限进行隐蔽信号检测的仿真和分析。     

低温推进剂加注液位信号智能处理技术研究

低温加注系统是运载火箭发射场地面支持设备的重要组成部分,包括低温介质的储存、运输、供给、控制以及安全等内容。由于低温推进剂本身存在低温沸腾、易挥发的特性,其加注过程十分复杂,为满足新一代运载火箭推进剂精准的加注要求,需要实时准确监测加注过程中贮箱内的液位高度。本文针对火箭地面加注过程的液位信号数据,对其三角波电压和线性波电压的特征进行分析、提取,基于BP（Back Propagation,反向传播）神经网络算法完成对不同加注状态的识别检测,并应用于传感器节数判别,优化了液位计算算法,降低了节数人为干预需求,提高了液位测量准确性。经实验测试验证,该方法可有效识别低温加注状态,识别准确率达到90%以上,用于液位信号处理中可显著提升液位高度计算的准确性。     

基于双时相遥感影像差异信息的深度学习滑坡检测

目前利用高分辨率卫星影像进行滑坡等地质灾害识别逐渐成为研究热点,滑坡目视解译依赖于解译人员的经验,耗时费力且提取精度低,而传统的滑坡自动识别方法易将滑坡和道路、裸地、建筑等多种具有相似光谱信息的地物混淆。针对以上问题,文章使用一种双时相高分辨率卫星影像差异信息的深度学习滑坡检测算法,获取时序影像各个波段和归一化植被指数（Normalized Difference Vegetation Index,NDVI）的差异影像作为深度学习的输入特征。为充分挖掘滑坡前后影像多种信息差异特征,采用了U-net网络模型耦合空洞空间金字塔池化和嵌入注意力机制模块相结合进行滑坡特征提取的方法,该方法增强了滑坡边界信息的保存,能够有效地提取滑坡边界信息和发生剧烈变化的区域。利用上述方法对恩施市和九寨沟进行了滑坡检测,实验结果显示,所取得的综合评价指标值（F1-Score）分别为88.4%和90.53%,误差较小、精度较高。表明该方法能够准确检测出高分卫星数据的滑坡边界,且能保持滑坡的完整性。