护航圣火迎奥运

2008年5月7日早晨,广州白云国际会议中心,数万人在此聚集,他们翘首期盼,等待着一个庄严而又神圣的时刻:8时15分,北京奥运火炬将在这里点燃,并开始在广州进行40.82千米,长达10个小时的火炬传递。8时,三架蓝白相间的警用直升机以50米高度、30米间隔成一字编队从会场前方飞过,拉开了此次活动的帷幕。三架直升机绕场一周后,消失在人们的视线中。8时15分,火炬点燃,火炬手向前跑动后,三架直升机又呈品字形,以30×50米的队形从北向南飞来,对火炬传递进行空中护卫。空中旋翼嗡鸣,地面万人欢呼,白云山西麓霎时成了欢乐的海洋。望着地面上向前跳动着的圣火、欢呼的人群,驾驶     

网络分区中混合消息集传输模式的精确配置

针对分布式综合模块化航空电子网络分区方法,指出其对消息传输模式配置存在不确定性;通过形式化描述将问题转化为包括实时性约束、带宽约束、缓存约束的最优化问题;提出了基于遗传模拟退火的传输模式配置算法,以系统的消息端到端延迟均衡为优化目标.通过给出两个具体算例对算法有效性进行了验证,同时比较了本算法与传统遗传算法的性能.对比结果表明,本算法能够解决传输模式的配置问题,尽管计算时间较传统遗传算法高出18.1%,但所得到的适应度值高出28.7%.本算法为网络分区在实际航电系统中的应用提供了参考.     

压电网络板的机电耦合动力学特性

借鉴复合材料结构建模中的均匀化处理方法建立了压电网络板机电耦合动力学方程并对其进行求解,获得了耦合系统的频率特征方程;通过求解频率特征方程发现压电网络板的固有模态以耦合模态对的形式存在;在此基础上对耦合系统的频率特性进行了分析,表明耦合模态对的特征频率值随着电感的变化会出现频率转向现象.进一步通过对系统在频率转向区能量转换规律的研究,揭示了压电网络板中频率转向的意义.最后,分析了压电网络板设计参数对频率转向区特性的影响,为压电网络板的合理设计提供了理论参考.     

基于随机网络编码的无线报文重传最优策略

网络编码技术为无线报文重传问题研究提供了新思路.分析并证明了完全无线报文重传问题最优策略所需重传报文数量等于节点请求报文数量的最大值;基于随机网络编码技术提出了最优重传策略RNCOPT(Random Network Coding based OPTimal Scheme),其编码系数从某选定有限域中随机选取(0除外);利用网络编码矩阵重新生成机制以保证100%解码成功率;描述了RNCOPT组合报文结构及发送节点操作过程.仿真表明:当接收节点数量为30而报文总数为30时,RNCOPT相对于传统非网络编码方案节省重传报文数量可达32%,而此时现有某典型策略CliqueNC却无明显效果.     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

基于优先级赤字轮询调度的WAIC网络延迟分析

航空电子机内无线通信（WAIC）在降低飞机重量和节省成本等方面的优势让其在航空电子系统的应用上具有可观的前景。为了研究基于802.11的WAIC网络的传输延迟并保证其可靠性,提出了一种优先级赤字轮询调度（PDRR）的介质访问控制（MAC）协议。首先,通过确定性网络演算方法为MAC层协议的活动建立了到达曲线和服务曲线模型。其次,充分考虑无线通信物理层的特点和所结合信道反转方法,给出了WAIC网络流量调度最坏情况下的端到端延迟的评价方法,可以发现信道反转后稳定的信道容量提供了较为保守的延迟界限。最后,通过案例分析对比了高优先级的WAIC节点与普通优先级节点的延迟界限以及信道反转的影响。结果表明:高优先级节点比普通优先级节点具有更好的实时性,并且可以通过增加平均信噪比来改善传输的延迟界限。      

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。     

基于条件生成对抗网络的HDR图像生成方法

高动态范围（HDR）图像相比低动态范围（LDR）图像有更宽的色域和更高的亮度范围,更符合人眼视觉效果,但由于目前的图像采集设备大都是LDR设备,导致HDR图像资源匮乏,解决该问题的一种有效途径是通过逆色调映射将LDR图像映射为HDR图像。提出了一种基于条件生成对抗网络（CGAN）的逆色调映射算法,以重建HDR图像。为此,设计了基于多分支的生成对抗网络与基于鉴别块的鉴别网络,并利用CGAN的数据生成能力和特征提取能力,将单张LDR图像从BT.709色域映射到对应的BT.2020色域。实验结果表明:与现有方法相比,所提出的网络能够获得更高的客观与主观质量,特别是针对低色域中的模糊区域,所提方法能够重建出更清晰的纹理与细节。