面向航空智能制造的DT与AI融合应用

针对航空装备复杂制造场景下制造过程管控维度多尺度大、制造资源组成复杂性高、质量问题跟踪定位难度大等问题，结合数字孪生（DT）与人工智能（AI）技术特点，开展了面向航空智能制造的DT与AI融合应用研究。基于数字孪生与人工智能应用现状，系统性地阐述了数字孪生与人工智能融合机理，分析了支撑数字孪生与人工智能融合驱动航空智能制造的关键技术和数字孪生与人工智能融合驱动的AI控制中心构建涉及的关键问题，在此基础上重点讨论了加工制造过程自适应控制、智能车间生产过程智能管控、制造过程资源调度与优化决策、产品智能质量控制等应用场景，为数字孪生与人工智能在航空智能制造融合应用提供参考。     

资源三号卫星廊坊地区遥感数据的融合处理

本文以资源三号卫星河北省廊坊地区2A级全色遥感影像和多光谱影像数据为基础,采用遥感数字图像处理软件ERDASIMAGINE进行了研究区域的提取,并对提取的感兴趣区进行了几何校正,即图像配准处理,然后进行了融合处理,分别采用了空间增强的分辨率融合算法、改进IHS分辨率融合算法以及小波分辨率融合算法,通过和融合前的影像进行对比,融合后的影像既保留了多光谱影像的丰富的波谱信息,同时具有了全色影像的高空间分辨率的特征,最后对比三种融合算法,得出改进的IHS分辨率融合算法效果最佳。     

基于一致关联数最大化的航迹关联算法

航迹关联(TTTA)是多传感器数据融合系统的核心模块之一,是系统误差估计和航迹融合的前提和基础。传感器存在的固有系统误差使得目标位置状态估计与真值发生偏离,容易诱发TTTA错误。传统的基于全局最小距离准则的TTTA算法,需要获得较高精度的系统误差估计,来对航迹数据进行误差补偿。针对传感器具有系统误差环境下的TTTA问题,在对TTTA进行间接评估的基础上,定义了一致关联数的概念,提出了一致关联数最大化的TTTA准则,并在稳健交替迭代的框架下完成算法设计。与距离函数不同,一致关联数是一个离散量,放松了对系统误差估计精度的要求。最后,仿真实验验证了所提算法的有效性。     

SEQUENTIAL ALGORITHM FOR MULTISENSOR PROBABILISTIC DATA ASSOCIATION

Jointprobabillsticdataassociation(JPDA)isanalgorithmusedinsinglesensormultipletargettrackingsystems.Itemploysthenon-uniqueassignmentof"allneighbor"strategytoadaptforthedensemultitargettrackingenvironments[1].Becauseofitswideapplications,itisnecessarytoextendJPDAintosomemultiplesensortrackingsystems.Suchamultisensorsystem,forexample,canbeformedbycollocatingradarandinfraredsearchandtrack(IRST)whichcantakeadvantagesofboththesensorsbodatafusion.Undertheconditionofthesamesensors,acommonmeasure…     

一种面向复杂体系作战的多源信息融合处理方法

研讨了面向复杂体系化作战的信息融合技术，提出了一种基于中心航迹关联的融合架构，设计了面 向多源异构数据的信息融合处理方法。经过多机飞行场景下的数据仿真测试，能够有效解决多源传感器多目标 环境下目标关联判断问题。     

Bayesian network-based extraction of lunar impact craters from optical images and DEM data

Impact craters are among the most noticeable geomorphological features on the planetary surface and yield significant information about terrain evolution and the history of the solar system. Thus, the recognition of impact craters is an important branch of modern planetary studies. Aiming at addressing problems associated with the insufficient and inaccurate detection of lunar impact craters, a decision fusion method within the Bayesian network (BN) framework is developed in this paper to handle multi-source information from both optical images and associated digital elevation model (DEM) data. First, we implement the edge-based method for efficiently searching crater candidates which are the image patches that can potentially contain impact craters. Secondly, the multi-source representations of an impact crater derived from both optical images and DEM data are proposed and constructed to quantitatively describe the two-dimensional (2D) and three-dimensional (3D) morphology, consisting of Histogram of Oriented Gradient (HOG), Histogram of Multi-scale Slope (HMS) and Histogram of Multi-scale Aspect (HMA). Finally, a BN-based framework integrates the multi-source representations of impact craters, which can provide reductant and complementary information, for distinguishing craters from non-craters. To evaluate the effectiveness and robustness of the proposed method, experiments were conducted on three lunar scenes using both orthoimages from the Lunar Reconnaissance Orbiter (LRO) and DEM data acquired by the Lunar Orbiter Laser Altimeter (LOLA). Experimental results demonstrate that integrating optical images with DEM data significantly decreases the number of false positives compared with using optical images alone, with F₁-score of 84.8% on average. Moreover, compared with other existing fusion methods, our proposed method was quite advantageous especially for the detection of small-scale craters with diameters less than 1000 m.     

基于可观测度分析和增量因子图的多源融合导航方法

复杂动态场景下高精度导航定位是自主无人系统决策规划与控制执行的基础。在城市峡谷、隧道、地下或室内停车场等场景下，卫星信号弱甚至丢失，严重影响了惯性/卫星/视觉等多源融合导航的精度和可靠性。为主动适应动态场景变化，迫切需要设计一种适用于跨场景的多源融合导航系统。基于动态时变系统的可观测度分析，在线度量惯性/卫星、惯性/视觉等组合导航因子的可信程度，进而采用因子图融合导航框架，根据各组合导航因子的可信程度，主动优化因子构建和增量平滑过程，以实现多传感器自适应融合导航与可靠定位。实验仿真表明：基于可观测度分析方法，能够在线优化因子图计算过程，提升了多源融合导航系统的环境适应性和跨场景能力，保证了复杂动态场景下自主无人系统跨场景导航模式切换和连续可靠的导航定位。     

模糊传感器与区间型多属性决策的信息融合方法

对于日益复杂的信息环境和变化的目标特性,现有的多传感器信息融合方法大多为"静态的",较少考虑传感器可信度变化以及测量过程中的多维特征指标权重的时效性给融合结果带来的影响.为了解决此问题,提出了一种基于模糊理论与区间型多属性决策的信息融合方法.该方法从各传感器对模糊命题支持度的一致性来定义其信息质最优化度,用区间数与多属性决策理论来定义特征识别综合置信度,并从这两方面客观确定了传感器的融合权重,较好地解决了对传感器信息与目标特征权重为模糊与不确定时的合理评价,以此构建了一个智能优化决策层融合识别模型.最后以弹道目标识别实验证明了此方法有较好的时效性和准确性.     

基于Contourlet与HIS变换的SAR与多光谱影像融合方法

为了提高SAR影像的解译水平,本文利用Contourlet变换在影像表述上能够弥补小波变换不能有效捕捉二维空间实体的特点,提出了一种基于Contourlet与HIS变换的SAR与多光谱影像融合方法。实验选取了一组TM 多光谱影像与ERS-2 SAR影像进行融合研究,并将融合结果与基于HIS变换、DWT结合HIS变换融合方法的融合结果进行视觉比较与统计分析。结果表明,无论是目视比较还是统计分析,本文方法都很好的将SAR影像的空间细节与多光谱影像的色彩信息集成到了一起,显著地提高了SAR影像的解译水平,相对于基于HIS、DWT+HIS变换的融合方法获得了更好质量的融合影像。