重排算法在多目标雷达信号分辨中的应用

本文使用１５年前由柯德锐等人首次在谱图中使用,并经弗朗克斯等人改进并推广的重排算法,对多目标雷达信号进行架次识别,此重排算法简单且极易实施,在重排后失支双线性时,却保持了其他许多可取特性,并换回了Ｃｈｉｒｐ信号和冲击信号的准确定位,针对编队多目标雷达信号的线性调频特点,利用此重排算法在权衡能量聚集性和消重排振荡的同时,实现了对编队多目标雷达信号的分辨。     

远程网络教学组卷测试子系统的设计与实现

随着网络信息技术和计算机技术的飞速发展,远程教育作为一种新型教学方式日益完善,并且逐步发挥出巨大的作用。本文着重以《大学语文》远程网络系统组卷测试的设计和实现为例,介绍ADO和ASP技术在网络中的应用,以及系统组卷测试所特有的题型实现机制和方略。     

空间目标的地面光谱特性和星等估计

针对自适应光学系统将要探测的空间非自发光目标,进行了光谱特性和星等估计的研究;研究了空间非自发光目标反射太阳光穿过大气层而进入自适应光学系统的波前探测器的子孔径内的光子速率;同时还针对反射太阳光的空间目标亮度太低,研究了激光照射目标后的相应情况。     

基于Faster R-CNN的精密零部件的识别方法

在航空航天领域中,惯性陀螺等精密器件装配精度要求较高,目前大多采用人工装配的方法,装配效率低、装配过程受人主观影响大。针对上述存在的问题,采用基于Faster R-CNN模型的目标识别算法,通过VGG16特征提取网络提取特征信息,在模型训练过程中利用COCO数据集的深度网络模型进行迁移训练,防止模型过拟合并加速参数的训练过程。同时,该方法还与其他深度学习模型以及传统的目标识别算法进行了对比,在自建的数据模型测试集上进行试验。结果表明,基于VGG16的Faster R-CNN目标识别模型在复杂环境及物体发生遮挡的情况下对于惯性陀螺的识别具有明显的优势,准确率可达到87.80%,召回率80.30%,识别速度可达到15FPS,能够满足实时性要求。     

基于改进YOLOv3网络的遥感目标快速检测方法

针对将来卫星在轨实时目标检测需求,且在其内存和算力都受限的条件下,提出一种改进的YOLOv3,利用轻量化网络代替YOLOv3的特征提取网络,实现遥感目标的高效检测。在目标检测精度相近的情况下,改进模型参数相比原先降低了1.5倍,计算量降低了3.3倍。同时提出了一种基于交并比的迭代聚类算法,分别在YOLOv3和改进YOLOv3上实现了7.0%和2.3%的平均精度均值(mAP)提升。实验表明:改进模型的检测速度最快能达到101 frame/s,当其mAP比YOLOv3高6%时,检测速度仍是YOLOv3的1.6倍。本文提出的改进YOLOv3是一种高效遥感目标检测方法,为未来星上应用打下基础。     

航空发动机叶片外物损伤研究现状

 全面地介绍了航空发动机叶片外物损伤研究的现状。叶片鸟撞击损伤是一种软物损伤。从鸟撞击叶片过程的理论研究、计算研究和试验研究三个方面进行了详细地介绍。叶片冰撞击损伤既可能是软物损伤又可能是硬物损伤。叶片冰损伤的研究文献较少，对此进行了简要地介绍。叶片硬物损伤包括金属块、石块和冰块三种形式。对叶片硬物损伤研究的各个方面，包括叶片硬物损伤的形成、叶片硬物损伤后的疲劳强度、叶片由于硬物损伤而产生微裂纹和微裂纹增长等，进行了详细地介绍。最后，提出了国内进行叶片外物损伤的研究方向。     

一种三维物体的视觉识别方法研究

研究了一种利用二维图像识别三维物体的方法。通过颜色特征提取物体的有效区域．使用链码描述了区域中三维物体的形状特征，并形成物体的形状特征向量。将该特征向量作为所设计的BP神经网络的输入进行物体匹配识别，网络输出为属于某种物体的隶属度。通过在各种光照环境下不同三维物体的二维彩色图像进行实验，证明了所提出方法的有效性。     

拟合任意空间曲线曲面的三角函数法

在计算机辅助几何设计中，曲线曲面拟合一般多项式作为基函数。本文提出了一种基于三角函数的拟合方法，它具有B样条的主要优点，并达到C3级连续，因此，这一方面适用于自由曲线面的设计。本文还结合实例说明了用此方法进行造型设计技术。     

液体火箭发动机虚拟试验技术的研究

设计了虚拟试验平台的框架结构,开发了面向对象的映射型数据库系统,分析了试验管理器模块的实现流程,阐述了建模仿真模块、虚拟环境模块等关键功能模块的研制过程,通过多种接口机制将多种技术集成为一个无缝计算机环境.最后,举例进行说明,并总结了虚拟试验技术应用到液体火箭发动机试验的优势.      

无先验信息的低轨空间目标航迹起始方法

针对光学观测中缺乏预报信息的低轨道空间目标自动识别捕获问题,提出一种基于修正Hough变换的空间目标航迹起始方法,从而实现空间目标的自动识别。首先利用背景恒星运动规律对观测数据进行预处理,剔除大部分背景恒星。再利用观测数据的时序信息、定向参数进行Hough变换。本方法并没有采用传统的Hough变换对所有参数空间中的数据点进行投票,而是仅对参数空间中部分点投票,可以大幅减少运算量和存储量。试验表明:该方法能够有效地抑制背景恒星产生的虚假航迹,并快速准确地完成无先验信息的低轨道空间目标的航迹起始;可以在光学观测中实现空间目标的自动识别捕获,以及实时发现新目标,这为低轨道空间目标光学观测的无人值守和联网观测奠定了技术基础。