使用深度神经网络检测Cassini ISS图像中圆盘状星体轮廓

Cassini空间探测器光学成像系统（ISS）拍摄的图像中,很多卫星呈现为面元,其轮廓检测是天体测量的重要工作.使用神经网络方法进行ISS图像中面元轮廓检测.每个ISS图像的像素分为轮廓边缘和非轮廓两类.使用神经网络框架TensorFlow,输入每个像素的9个特征,输出每个像素的分类.利用约3.6万个像素训练该网络,通过380幅ISS图像进行测试.与人工标记结果相比,轮廓像素检测的平均精确率为78.26%,平均召回率为73.32%.以检出轮廓像素作为输入,通过椭圆拟合得到面元的轮廓,所得轮廓与面元真实轮廓吻合良好.研究结果表明该方案能够有效检测出面元轮廓,进而给出假图像星的排除范围.      

基于卷积神经网络的遥感图像舰船目标检测

针对遥感图像背景复杂、受环境因素影响大的问题,提出一种将卷积神经网络(CNN)与支持向量机(SVM)相结合的舰船目标检测方法,利用卷积神经网络可自主提取图像特征并进行学习的优点,避免了复杂的特征选择和提取过程,在复杂海况背景图像的处理中体现出较优的性能;同时,由于军舰样本获取难度大,应用迁移学习的概念,利用大量民船样本辅助军舰目标的检测,取得较好的效果。通过参数调整与实验验证,此方法在自行建立的测试集上检测率达到90.59%,对光照、环境等外界因素具有一定程度的鲁棒性。     

基于多普勒频率差的拖曳式诱饵干扰检测

诱饵的检测是拖曳式诱饵(TRAD)干扰对抗的基础。对单脉冲雷达有无拖曳式诱饵干扰下平衡鉴相器(BPD)输出角误差信号进行了推导,根据平衡鉴相器的原理,得出了目标和诱饵干扰信号间的多普勒频率差会影响角误差信号的结论。当不存在拖曳式诱饵干扰时,经低通滤波器处理后角误差信号无变化;当存在拖曳式诱饵干扰时,经低通滤波器处理后角误差信号交流部分被滤除,角误差信号发生变化。根据诱饵存在与否时角误差信号的这一差异,利用门限检测实现对诱饵干扰的检测。仿真分析了不同干扰场景下的检测性能,验证了本文方法的有效性。     

多变量自回归模型的快速辨识方法

本文提出了多变量AR(Autoregressive)模型建模的快速算法,该算法采用解超定矩阵的最小二乘方法,并利用正交变换技术,从而避免了最小二乘估计中矩阵求逆的病态问题,保证了数值计算的稳定性。还介绍了一种可转化为单变量建模的多变量AR模型,它可以直接利用单变量建模模块。一般情况下,可将序列进行典则分解。最后简要列出了有关结论。     

基于傅立叶变换和模糊逻辑的APC/PIO探测方法

为了对飞机-驾驶员耦合(APC)或驾驶员诱发振荡(PIO)现象实现在线探测,提出了适于实时计算的滑动窗口傅立叶变换递推算法、相关特征的模糊隶属函数以及基于模糊逻辑的识别模型。各种情况飞行试验数据的计算和分析表明,该方法对探测APC/PIO是有效、可行的。最后提出了进一步研究的若干建议。     

基于广义正交域的一种动载荷识别方法研究

提出广义正交多项式理论，并且基于这一正交域研究线性动力学系统输入输出时域卷积关系变换到广义正交域的线性算子。数值仿真及试验考核表明该方法适用于各种类型的确定性动载荷识别问题，具有良好的识别精度和抗噪声干扰能力，尤其对于短样本冲击载荷的识别更具有独特的优势。该方法在实际工程结构应用时，具有试验成本小，易于实现等特点，是一种十分值得推广的动载荷识别新方法。     

光纤捷联惯导系统检漏工艺技术

针对光纤惯导系统检漏方法中存在的问题,优化了检漏工艺流程,改进了检漏设备,设计了检漏工装,并对改进后的检漏工艺方法进行了试验验证。试验证明,该检漏工艺技术可满足光纤捷联惯导系统的检漏需求。     

基于光学天线的多光谱窄带热探测器及其应用

在回顾热探测器的工作原理、材料体系和典型应用的基础上,着重介绍了利用光学天线调控热探测器像元的光谱响应、实现多光谱窄带探测的技术路线。首次提出了将基于光学天线的多光谱窄带探测器用于非色散红外光谱法(NDIR)进行多种气体传感的应用场景,以摆脱对窄带滤光片的依赖;针对八种典型的危害性气体(H2S、CH4、CO2、CO、NO、CH2O、NO2、SO2)的特征吸收波长构建了多光谱窄带探测器阵列,并采用NDIR进行了单一气体检测,由实验测得的气体检测下限与商用NDIR气体传感器的检测下限相当;发展了从多个窄带探测器的输出信号组合反推混合气体中各组分浓度的数学模型,并进行了NDIR多组分混合气体实验验证。结合商业案例,分析了超构材料多光谱窄带探测技术在固体、液体、气体等形态的物质成分分析中的实用价值,展望了其在国防军事、工业化工、食品安全及污染检测等领域中的应用前景。     

应用于MIMO-OFDMA下行链路的分组调度算法

提出了一种基于效用函数的应用于多输入多输出正交频分复用接入 (MIMO-OFDMA, Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing Access )系统下行链路的分组调度算法.该算法在调度时不仅考虑物理层的信道状况,还利用基站发送缓冲区的状态信息和用户反馈回来的ARQ(Automatic Repeat-request)信息来帮助基站做出调度决策.针对系统中多种业务的不同服务质量(QoS,Quality of Service)要求,分别设计了其效用函数,并将调度决策问题转化成一个系统总效用函数值最大化问题.同时考虑到实际的长期演进计划(LTE,Long Term Evolution) 系统中对子载波共享的限制条件,提出了一种可以降低实际复杂度的启发式算法用于求解该最优化问题.仿真结果表明,该算法不但在保证实时业务用户QoS要求方面要好于传统的调度算法,还能获得较好的系统总容量和丢包率性能.