Comparison between observed ionospheric foF2 and IRI-2001 predictions over periods of severe geomagnetic activities at Grahamstown,South Africa

The observed ionospheric F2 critical frequency (foF2) values over a South Africa mid-latitude station, Grahamstown, (geographic coordinates: 33.3°S, 26.5°E), were analysed and compared with International Reference Ionosphere (IRI) model, using the CCIR (Comite´ Consultatif International des Radio communications) and URSI (Union Radio-Scientifique Internationale) coefficients, during four geomagnetically disturbed days in the year 2000. These days are April 5, May 23, August 10 and September 15. The data were analysed for five days around the storm day. Comparisons between the IRI-2001 predicted foF2 values, using both CCIR and URSI coefficients and the observed values are shown with their root-mean-square error (RMSE) and the relative deviation module mean (rdmm) for the various storm periods. The CCIR option performed more accurately than the URSI option.     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

三维编织复合材料细观结构参数对有效弹性模量影响

应用细观力学方法对三维编织结构复合材料的有效性能进行预测是研究编织复合材料宏观性能的重要途径。细观结构参数决定编织体内纤维束的结构形态特征及复合材料的各种性能。根据作者提出的三维四向编织复合材料代表单元模型 ,文章应用选择平均法 (SAM)详细的分析了主要细观结构参数(单步步长、纤维束弯曲半径 )与编织体有效弹性模量之间的变化关系 ,分析了细观结构参数对编织体有效弹性模量的影响 ,为材料优化设计奠定基础     

星载稀布L阵对地面辐射源的高精度测向研究

在均匀分布和非均匀分布两种情况下,采用二维MUSIC算法研究了星载稀布L阵列的地面辐射源测向精度。对地面辐射源方位估计、小角度辐射源分辨率,以及测向精度的分析和仿真结果表明,星载L型阵列能实现对地面辐射源的高精度二维测向。在相同条件下,非均匀阵的测向性能明显优于均匀阵。     

反导系统中的目标识别技术及其发展趋势

指出了反导系统目标识别的难点和特点。回顾了反导系统中的红外识别技术和雷达识别技术,并探讨了反导系统目标识别技术的发展趋势。     

用标定和亚像素技术实现三维运动目标的高精度测量

本文介绍一种利用多种亚像素图像技术提取目标及网格节点，并采用新的摄影系统标定与系统误差修正技术，用多个摄像机实现对有特殊标志的空间三维运动目标的高精度测量方法。     

四边形全天自主星图识别算法

讨论了一种新的无须任何先验知识的星图识别算法。该算法将四边形星图模式分解为两个具有公共边的三角形模式，使用三角形模式的特征，在保证自满计算量和星载星表的存储容量的前提下，使算法的识别成功率得以星著提高。Ｍｏｎｔｅ Ｃａｒｌｏ实验表明，在星等误差０．５星等（３σ），位置误差１０角秒（１σ）时，该算法的识别成功率接近１００％。     

基于AHP与D-S理论的辐射源识别技术

深入研究了基于层次分析与证据理论的辐射源识别技术.首先针对属性测度识别方法中权重获取困难的问题,提出利用层次分析法获取多参数权重的思想,给出权重具体计算步骤,同时简要回顾属性测度识别方法的原理.在此基础上,应用D.S证据理论进行多传感器信息融合,给出识别算法和模型.仿真对比实验表明,提出的辐射源识别技术是实用有效的,其下确识别率较高.