环境减灾二号A/B卫星在森林树种识别中的应用

采用环境减灾二号A/B卫星数据,在福建武夷山国家公园和东北虎豹国家公园2个试验区开展森林树种识别的应用研究。分别提取2个试验区影像的光谱特征、归一化植被指数(NDVI)和基于主成分第一分量的8个纹理特征信息,采用支持向量机(SVM)和原型网络分类对森林主要树种进行识别,并利用验证样本进行精度评价。结果表明：在福建武夷山国家公园试验区,SVM和原型网络分类的总精度分别为86.37%和91.11%,Kappa系数分别为0.83和0.90。在东北虎豹国家公园试验区,SVM和原型网络分类的总精度分别为91.77%和91.34%,Kappa系数均为0.90。总体来说,环境减灾二号A/B卫星数据在2个试验区的主要树种识别精度较好,后续能较好地满足林业行业相关业务应用需求。     

基于离散稀疏A*的无人机航路规划

在无人机飞行过程中,由于其自身的物理限制和战术使用要求,在进行航路规划时,需要考虑航路的机动约束条件.基于图搜索的航路规划算法通常是在离散地图上全方向搜索,没有考虑实时的航向角信息.针对该问题,分析了地理信息存储方式,采用正方形栅格模型构建无人机的规划空间,通过控制栅格间距来满足无人机的最小航路段长度约束,通过控制当前...     

高职C语言有效落实课程思政的对策研究

课程思政可以协同育人,全方位育人,培养思想过硬、专业扎实的人才。重构电子专业人才培养体系,充分挖掘C语言课程思政元素,强化教师思政意识,并对C语言课程的思政成效进行合理评价,可有效落实C语言课程思政教育。C语言课程中可充分挖掘爱国、敬业、诚信、精益求精、遵纪守法、科技报国、创新意识、团队协作意识、规范意识、劳动教育、工程伦理教育等思政元素,使学生不仅专业扎实,且政治过硬。     

职业教育视域下劳动精神、工匠精神、劳模精神与五育内在逻辑探析

在职业教育视域下,依据职业教育的理论及实践观点,可以厘清劳动精神、工匠精神、劳模精神与五育之间相统一的应然关系。在职业教育实践场域中,通过对劳动精神、工匠精神、劳模精神与五育在人才培养过程中协同作用、培养载体、培养路径上的整体性把握,可以厘清二者之间相统一的必然关系。剖析“党对职业教育的全面领导”“以人民为中心”“职业教育高质量发展”等新时代职业教育特色,可以阐明劳动精神、工匠精神、劳模精神和五育之间相统一的辩证关系。     

基于分数阶傅里叶变换的Chirp信号参数估计及恢复

分数阶傅里叶变换(FRFT)是傅里叶变换的一种广义形式。文章首先介绍了FRFT变换的定义;然后分析了Chirp信号的FRFT,在此基础上提出了在噪声背景下恢复Chirp信号的两种方法:一种是基于参数估计,另一种是基于分数阶傅里叶域上的滤波来实现信号重构;最后通过仿真验证了上述分析的可行性。     

浮空器管材结构连接方式比较及拉伸强度分析

浮空器结构件如吊舱、过渡架及推进支架等多采用金属管材连接。目前,浮空器管材结构连接缺乏使用工况下极限值实测数据,材料及连接方式选择的理论支撑尚有不足。据此,对常用管材的不同连接方式进行比较及断裂分析。研究中铝合金和钛合金管材分别采用螺接及焊接的方式进行连接,测试样品的力学性能并结合仿真分析验证其断裂原因。结果表明:TA1钛合金管材采用焊接连接方式,相对螺接方式连接强度提高 87.9%;6061铝合金管材采用螺接连接方式,相对焊接方式连接强度提高 39.3%。2A12铝合金管材焊接连接强度优于螺接连接强度。同时,分析断裂原因发现,管材形变是影响焊缝连接强度的重要因素;应力集中易发生在管材端部连接处,导致端部焊缝发生断裂;管材形变会使母材断裂时伴有撕裂现象,进一步降低管材的最大连接强度。     

一种航天测控冗余跟踪弧段处理方法

随着在轨航天器的日益增多,测控资源的需求量也日益增大,因此,其使用效率也倍受关注。当航天器重要测控弧段安排多个测控设备进行全力跟踪时,很容易出现测控弧段搭接或完全被覆盖的情况。为有效利用现有测控资源,针对弧段搭接的情况,提出了一种基于冗余度评价函数的跟踪弧段处理方法,该方法在不降低跟踪总时长情况下,通过合理有效地配置测控资源,剔除了冗余跟踪弧段,提高了现有测控资源的使用效率。     

航天器GNC系统研制流程与标准体系的交互式应用初探

航天器制导、导航与控制（GNC）是航天器最为关键的系统之一,涉及多专业、多学科、多单位大协作。集团GNC标准专业组开展了GNC领域标准体系建设等工作,但仍需解决领域标准知识如何在航天器研制流程中发挥针对性作用,以及航天器研制流程中积累的经验教训如何及时反馈到标准的制定或修订中的问题。文章研究航天器GNC系统研制流程与标准体系的交互式应用范式,重点阐述了结构化标准体系的构建和标准的智能化推送,并据此提出后续GNC标准体系推广应用的若干建议和设想。     

基于隶属度和LMK-ELM的航空电子部件诊断方法

为提高航空电子部件模块级故障诊断精度，提出一种新的面向"软聚类"的局部多核学习（LMKL）-超限学习机（ELM）离线诊断方法。通过引入模糊C均值聚类对样本空间进行模糊划分，挖掘聚类内部多样性的同时，实现了对过学习的抑制；将模糊划分产生的隶属度信息融入LMKL-ELM的优化过程，运用基于初始-对偶混合优化问题的三步优化策略克服了局部核权重二次非凸的问题，在l₁-范数与l₂-范数约束下分别给出了相应的更新方法。将所提方法应用于某型机前端接收机，结果表明：与4种流行的多核诊断方法相比，该方法可有效避免漏警、抑制虚警，在l₁-范数和l₂-范数约束下，其诊断精度比其他方法的平均值分别提升了4.09%和5.13%。