Actual TDoA-based augmentation system for enhancing cybersecurity in ADS-B

Currently, cybersecurity and cyber resilience are emerging and urgent issues in next-generation air traffic surveillance systems, which depend primarily on Automatic Dependent Surveillance-Broadcast (ADS-B) owing to its low cost and high accuracy. Unfortunately, ADS-B is prone to cyber-attacks. To verify the ADS-B positioning data of aircraft, multilateration (MLAT) techniques that use Time Differences of Arrivals (TDoAs) have been proposed. MLAT exhibits low accuracy in determining aircraft positions. Recently, a novel technique using a theoretically calculated TDoA fingerprint map has been proposed. This technique is less dependent on the geometry of sensor deployment and achieves better accuracy than MLAT. However, the accuracy of the existing technique is not sufficiently precise for determining aircraft positions and requires a long computation time. In contrast, this paper presents a reliable surveillance framework using an Actual TDoA-Based Augmentation System (ATBAS). It uses historically recorded real-data from the OpenSky network to train our TDoA fingerprint grid network. Our results show that the accuracy of the proposed ATBAS framework in determining the aircraft positions is significantly better than those of the MLAT and expected TDoA techniques by 56.93% and 48.86%, respectively. Additionally, the proposed framework reduced the computation time by 77% compared with the expected TDoA technique.     

多视图场景确定下的空间点位置视觉标定方法

针对空间特征点三维位置标定问题,提出一种多视图场景确定下的空间点位置视觉标定方法。该方法基于计算机视觉原理,通过在场景内放置棋盘模板确定图像场景位姿参数,而后根据多视图图像下的空间点图像坐标和场景位姿参数求解空间点三维位置坐标。试验结果表明,该方法下的空间点标记位置与真实位置间的距离误差小于1 mm,适用于高精度要求下的特征点位置标定。     

A machine learning approach to crater detection from topographic data

Craters are distinctive features on the surfaces of most terrestrial planets. Craters reveal the relative ages of surface units and provide information on surface geology. Extracting craters is one of the fundamental tasks in planetary research. Although many automated crater detection algorithms have been developed to exact craters from image or topographic data, most of them are applicable only in particular regions, and only a few can be widely used, especially in complex surface settings. In this study, we present a machine learning approach to crater detection from topographic data. This approach includes two steps: detecting square regions which contain one crater with the use of a boosting algorithm and delineating the rims of the crater in each square region by local terrain analysis and circular Hough transform. A new variant of Haar-like features (scaled Haar-like features) is proposed and combined with traditional Haar-like features and local binary pattern features to enhance the performance of the classifier. Experimental results with the use of Mars topographic data demonstrate that the developed approach can significantly decrease the false positive detection rate while maintaining a relatively high true positive detection rate even in challenging sites.     

一种图斑特征引导的感知分组视觉注意模型

 结合自顶向下和自底向上的信息处理策略,提出了一种新的视觉注意模型,该模型利用图斑特征信息引导感知分组过程,使注意力关注于任务相关区域。通过引入多尺度图斑,关联图斑和底层特征,新模型利用图斑特征建立先验信息的知识表达形式。对于给定新的场景,新模型能够使用先验信息,提高和目标对象相关特征的显著性。通过视觉预注意阶段计算得到的中间数据,提取图斑特征向量作为引导,不断迭代积累对象,合并区域表征对象,由表征简单对象开始,进而表征复杂对象,迅速有效地引导视觉注意力关注任务相关区域。实验比较了新模型、显著区域提取模型及波谱残留模型,证明了所提模型的优越性。     

一种空间视觉测量子系统用半导体 激光器驱动电路设计

针对面阵静态红外地球敏感器的现场标定,提出基于规则小孔平面靶标的现场标定方法.将小孔平面靶标固定放置于面源黑体前方,在光学视场测量空间内,多次调整红外地球敏感器的摆放位置,以采集多幅不同位置、不同角度的红外靶标光点图像.使用等高层最小二乘椭圆拟合方法精确提取靶标红外光点的中心坐标,获得特征点信息.利用红外靶标图像和图像特征点计算面阵静态红外地球敏感器光学系统的焦距和主点坐标.试验结果表明,该标定方法简单灵活有效,便于调试现场操作.目前,该方法已在面阵静态红外地球敏感器研究中得到应用.     

火星探测出舱机构的识别定位与坡度测量

为实现火星探测两器分离过程中出舱机构的坡度测量,提出一种基于立体视觉技术的出舱机构识别定位与坡度测量方法。首先,采用特征匹配的方法对场景中的出舱机构进行识别定位。针对巡视器导航相机成像视角变化以及出舱机构倾角变化导致图像产生几何形变,火星表面光照因素的影响以及巡视器硬件的计算能力,并结合出舱机构自身特点,提出一种区域特征与Blob特征相融合的识别定位方法。采用加速鲁棒性特征（SURF）算法检测图像中的局部不变特征,并用最大稳定极值区域（MSER）算法检测图像最稳定极值区域,两种特征相融合之后构造SURF描述算子并进行特征匹配。同时,采用M估计抽样一致性（MSAC）算法计算对应点变换矩阵,实现出舱机构在场景中的初步定位。然后,通过对出舱机构上人工标志的精确定位以及三维重建,并采用主成分分析法进行平面拟合,实现出舱机构的坡度测量。试验结果表明,该方法对成像视角变化以及光照变化具有鲁棒性,提取的有效特征数以及计算时间均优于尺度不变特征变换（SIFT）算法,基本满足火星探测中出舱机构坡度测量要求。     

面向在轨服务的相对位姿单目视觉确定的凸松弛优化方法

针对非合作目标之间基于特征点的相对位姿单目视觉确定问题,考虑利用自然特征导致误差增大等因素,提出一种基于凸松弛理论和LMI算法的相对位姿求解迭代方法。该方法在基于逆投影线构建的优化模型基础上,首先利用松弛理论将姿态矩阵的单位正交非凸等式约束松弛为不等式凸约束,并证明了松弛后的优化问题与原问题等价,即松弛后的凸问题取得最值时,姿态矩阵满足原等式约束。进一步将松弛后的姿态矩阵不等式凸约束表示成线性矩阵不等式形式,进而利用内点法进行求解,并利用全局收敛性定理证明了该算法的全局收敛性。以在轨服务为背景,仿真试验表明,利用该算法相对位姿可在7次迭代达到收敛,与传统SVD算法相比,在噪声较大的情况下,该算法计算精度提高近一倍,能够快速收敛并具有较强的鲁棒性。     

基于单目三维重构的空间非合作目标相对测量

为了解决非合作目标的相对测量问题,提出了一种基于单目图像序列目标重构结果的非合作目标相对位姿测量方法。该方法将目标的三维重构与相机的位姿信息计算相结合,首先利用观测前期得到的图像序列,通过非线性优化算法计算得到目标上部分三维点坐标;然后基于该三维点集合,建立递推深度模型,对相机的相对位姿信息和新观测到的目标点同时进行卡尔曼滤波估计。航拍测量试验表明,随着图片数量的增多,精确重构点的比例（重投影误差小于1个像素的点）不断提高,80%的图像中精确重构点比例优于89%;基于公共数据集的试验表明,该算法对姿态估算精度可达1°以内,位置测量的精度可达到2cm以内。以上试验结果表明,该算法具有较高的测量精度。     

制造技术纵横谈

简述了先进制造技术的基本含义及其与国民经济的关系，重点介绍了机械制造产品的新发展。     

小推力最优轨迹协态估计的高效机器学习方法

针对变比冲小推力轨迹间接优化中的协态变量初值猜测问题,提出了一种基于机器学习的协态变量初值高精度高效估计方法。首先,基于标称最优轨迹延拓,建立了状态量边值高扰动上限情形下的数据集生成方法,并分析了扰动上限对求解效率的影响。然后,构建了基于位置速度、轨道根数和改进春分点轨道根数多形式状态量组合输入的人工神经网络(ANN)映射关系,分析并优化了神经网络结构。将提出的方法应用于深空探测小推力转移场景,仿真结果表明该方法相对于标称轨迹直接扰动的数据集生成方法及单一形式状态量输入的人工神经网络映射方法,均有效地提升了求解收敛率,能够高效高精度地估计协态变量初值,实现轨迹快速优化。