基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。     

基于不确定传感器状态的机载系统多层故障诊断方法

准确的机载系统故障诊断是保证飞机安全飞行和实现经济效益最大化的重要途径。然而传感器受到内外部环境条件的影响而不可避免的存在检测状态的不确定性,因此基于单个传感器或局部区域传感器综合检测结果的方法难以完全保证故障诊断的有效性和正确性。针对飞机机载系统的结构和工作原理,充分利用系统中不同层级、不同区域传感器检测特征之间的关联关系,考虑单个传感器本身存在的不确定性,构建了传感器信息前向融合与反向校验相结合的分层诊断决策方法,实现了对系统状态和传感器状态的双重估计与更新,克服了单一传感器故障对系统诊断推理准确度的影响。该方法较传统故障诊断模型,不再依赖某一个或某一类传感器信息的绝对可靠,在实现系统级的准确故障诊断同时,还能判断具体某一传感器本身是否发生虚拟警。在飞机液压系统故障诊断案例中,新方法成功将系统故障诊断的虚警率降低了96%,传感器的不确定度降低了84%。     

基于BBN的航空公司风险评估技术研究

 在人、机、环境和管理(MMEM)系统理论的基础上,通过研究有关民航规则、标准中的相关内容建立航空公司风险评估指标体系;利用层次分析法(AHP)确定指标权重,运用模糊综合评价法(FCE)量化其中的定性指标;基于贝叶斯置信网络(BBN)软件GeNIe完成了整个系统贝叶斯网络拓扑结构的建立,将航空公司历史数据作为贝叶斯网络参数学习的训练数据,获取节点概率表(NPT),建立航空公司风险评估模型,并对其进行概率推理计算;通过环比分析确定影响风险的主要因素。     

Relay selection based on MAP estimation for cooperative communication with outdated channel state information

In this paper, we consider an amplify-and-forward (AF) cooperative communication system when the channel state information (CSI) used in relay selection differs from that during data transmission, i.e., the CSI used in relay selection is outdated. The selected relay may not be actually the best for data transmission and the outage performance of the cooperative system will deteriorate. To improve its performance, we propose a relay selection strategy based on maximum a posteriori (MAP) estimation, where relay is selected based on predicted signal-to-noise ratio (SNR). To reduce the computation complexity, we approximate the a posteriori probability density of SNR and obtain a closed-form predicted SNR, and a relay selection strategy based on the approximate MAP estimation (RS-AMAP) is proposed. The simulation results show that this approximation leads to trivial performance loss from the perspective of outage probability. Compared with relay selection strategies given in the literature, the outage probability is reduced largely through RS-AMAP for medium-to-large transmitting powers and medium-to-high channel correlation coefficients.     

Particle flters for probability hypothesis density flter with the presence of unknown measurement noise covariance

In Bayesian multi-target fltering,knowledge of measurement noise variance is very important.Signifcant mismatches in noise parameters will result in biased estimates.In this paper,a new particle flter for a probability hypothesis density（PHD）flter handling unknown measurement noise variances is proposed.The approach is based on marginalizing the unknown parameters out of the posterior distribution by using variational Bayesian（VB）methods.Moreover,the sequential Monte Carlo method is used to approximate the posterior intensity considering non-linear and non-Gaussian conditions.Unlike other particle flters for this challenging class of PHD flters,the proposed method can adaptively learn the unknown and time-varying noise variances while fltering.Simulation results show that the proposed method improves estimation accuracy in terms of both the number of targets and their states.     

基于梯度方向二值模式特征的飞机翼尖跟踪技术

研究基于视频图像分析与定位的飞机翼尖跟踪技术,为飞机地面移动提供安全保障.现有图像特征进行翼尖跟踪经常失效且计算效率低下,本文结合纹理和轮廓信息,提出以梯度方向二值模式( OG_ LBP)为特征的粒子滤波跟踪算法,降低特征维数的同时建立局部和全局的翼尖特征直方图描述,提高识别效果.同时,该算法在粒子滤波基本框架之下,结...     

基于验后概率的Bayesian序贯方差检验技术（I）

对于正态分布参数的检验,包括期望μ与方差σ2,是航空航天装备可靠性与精度分析工程中比较关心的问题。尤其是对方差的检验,是装备试验与评价分析的一项非常重要的内容。论文基于验后概率和“小概率事件原理”,对复杂假设条件下,σ2的Bayesian序贯检验,提出了基于Bayesian验后概率的序贯方差检验的基本假设,建立了BSVT模型,设计了临界值的求解算法,并对“强制”截尾条件下的假设检验判决准则进行了论述。最后,结合实例对BSVT的求解与应用进行了说明。     

认知协作Ad Hoc网络中分布路由跨层控制策略

认知无线电Ad Hoc网络中,吞吐量最大化是一个关键的挑战.为了实现这一目标,协同传输是前景看好的技术,利用在每个空间节点的多样性中继链路以增加性能,特别是在无线环境中由于不同的信道质量、有限的能源和带宽资源,这种想法是有吸引力的.文章在分布式动态环境下,研究了联合动态路由.中继分配和频谱分配分布式和本地算法,提出了一...     

神经网络最优闭环制导律设计

对于复杂的非线性导弹制导系统 ,很难求得其解析的最优制导律 ,只能求得开环的数字解 ,不能适用于具有时变不确定性的导弹制导系统。利用神经网络的学习和推广能力 ,对开环的数字最优制导律进行离线的学习 ,作为闭环的神经最优制导律在线应用。研究分别选择系统状态变量和视线角速率等不同的神经网络输入对制导系统性能的影响 ,以及各种制导律的鲁棒性问题 ,并采用模块化神经网络结构提高神经网络的学习和推广能力 ,仿真结果得到一些有益的结论。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。