基于偏振信息融合的背景抑制方法评价

与红外强度图像相比,单一的偏振度或偏振角图像在提升图像信杂比方面并无明显优势。为综合利用偏振图像的多维信息进一步提升图像信杂比,在分析典型背景下目标偏振度与偏振角联合分布特性的基础上,以偏振度作为偏振角信息的权值参考,提出了一种基于偏振信息融合的红外图像背景抑制方法,并将其应用于复杂云层或海面背景下的红外目标检测,给出了相应的算法流程。实验结果表明:与红外强度图像相比,所提出的基于偏振信息融合的背景抑制方法能大幅提升图像信杂比。该方法简单有效,易于实现,可应用于基于红外偏振成像的目标探测或精确制导领域。     

星面探测机器人自主移动技术

为进一步扩大探测范围,提高探测效率,并为后续星面基地建设提供服务,星面探测机器人需从远程地面遥控方式向自主移动方式发展,为此需要解决地图构建、鲁棒定位、探测导航等问题。为推动星面探测机器人自主移动能力的发展,借鉴目前快速发展的无人驾驶技术和地面自主移动技术,归纳总结了目前国内外星面探测移动技术的研究现状和存在的问题,以及地面自主移动研究在地图构建、鲁棒定位、探测导航等方面取得的进展。在结合星面探测应用的特殊性的基础上,提出了未来在长期定位和可变形重建领域开展更深入研究的建议。     

天基逆合成孔径激光雷达高灵敏度接收技术

逆合成孔径激光雷达(ISAL)是一种主动式成像雷达,是合成孔径技术和激光雷达技术相结合的产物,具有极高的成像分辨率。由于无大气干扰,因此天基成像的环境十分有利于ISAL系统的部署,然而探测灵敏度不够,难以实现远距离探测的问题极大地制约了天基ISAL系统的应用。针对这一难点,提出使用高灵敏度相干平衡探测实现ISAL的空间远距离探测,计算了ISAL平衡探测的信噪比。在此基础上,提出了一种基于频率上转换的高灵敏度平衡探测接收方法,即信号光和本振光先经过频率上转换,再进行平衡探测,并实验验证了该方法的可行性。     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

轴流式压气机旋转失速信号的早期检测

早期检测航空发动机压气机旋转失速信号对于设计一种高效的防喘、消喘控制系统具有重要意义。通过对压气机旋转失速形成、发展、退出过程中压力信号频谱演化特性的分析,提出了一种基于FFT的压气机旋转失速信号检测判据。对某轴流式压气机压力测量信号的分析结果表明,该判据是准确、可靠和快速的,可以用于旋转失速信号的早期检测。     

悬停直升机回波信号检测和分类

 分析了直升机回波信号的特征,根据其旋翼回波信号周期平稳的特点,通过对长观察时间获得的直升机旋翼回波信号的相关处理,提高对低信噪比闪烁脉冲串信号的检测能力以增大雷达对悬停直升机的检测距离。在此过程中,根据闪烁脉冲出现的周期,提出的基于互相关系数的检测器,可同时完成对悬停直升机的分类。给出了仿真和实际直升机回波信号的分析处理结果。     

涡扇发动机涡轮导向器故障分析

从故障检测、流场和温度场的计算以及强度分析四个方面,对某型涡轮风扇发动机高压涡轮导向器进行了全面的研究。确定了导向叶片的故障起因为超温过烧,从而提供了相应的排故措施。由目前正在进行的试验验证工作来看,改进措施的效果非常理想。     

数据挖掘中的关联规则在入侵检测系统中的应用

由于知识发现的快速发展,对海量数据分析和处理的技术、能力也日渐成熟。从1999年起,就开始了将数据挖掘技术和入侵检测系统结合的尝试。将数据挖掘引入入侵检测系统的原因是它能够从大量的数据中自动提取出特征和模型,自动维护模式或特征库。系统利用这些大量的特征和数据进行有效的分类,加快处理速度,提高准确度。文章针对网络安全当中的大量的入侵事件,结合数据挖掘中的关联规则的概念,建立特征库及其特征关联,通过审计处理来加强网络入侵检测系统的功能。     

基于频谱法与神经网络的航空起动发电机的故障检测与诊断

应用频谱法对航空直流起动发电机发电状态进行故障检测与诊断。采用对电机的电枢纹波电流信号进行频谱分析,提取该信号在频率域特征量,将频谱特征向量作为学习样本,通过训练,使神经网络能够反映频谱特征向量和故障类型的映射关系,从而达到故障检测与诊断的目的。电机故障实验和分析表明,与常规方法相比,频谱分析与神经网络相结合的方法进行实时检测和诊断具有简单、有效等优点。     

对特定传感器故障敏感的最优奇偶向量检测与隔离方法

 提出了一种利用对特定传感器故障敏感的最优奇偶向量进行故障检测与隔离的方法。主要思想是设计一个性能指标函数，使得最优奇偶向量对被检测的传感器故障最敏感，而对其余传感器故障和未知输入不敏感。与常用的广义似然比方法相比，该方法明显地提高了故障的检测能力，此外，对故障的隔离效果也更好。