基于二代曲线波变换的红外弱小目标背景抑制

在分析几种常用背景抑制方法的基础上,利用二代曲线波变换具有的优良特性,提出一种基于二代曲线波变换的红外弱小目标背景抑制方法.首先利用曲线渡变换对图像进行分解提取图像的多尺度细节特征;然后对分解后的低、高频子带分别采用变分和模糊非线性变换进行处理来调整目标特征的强度,重构子带获得预测的背景图像;最终将其与原图相减得到背景抑制后的图像.实验结果表明,与几种经典方法相比,该方法在主现视觉和客观评价指标两方面均表现出良好的效果.     

基于分形理论的混沌信号与噪声分离方法

提出一种分维数和子波重构相结合的混沌信号与噪声分离方法，与以往出现的子波滤波方法和经典滤波方法相比较，该方法有如下特点；利用子波变换计算带观测噪声混沌信号的真实分数维，进而根据观测序列维数与真实维数的差值控制子波重构的参数，构造出混沌与噪声分离的自适应滤波器结构。仿真实验说明了该算法的有效性。     

基于自适应融合的弹道目标空间位置重构

由于进动锥体目标参数存在耦合,单部雷达不易获取同时参数估计误差较大。针对这一问题,提出了一种联合多部雷达不同视角微动信息进行参数提取与融合的新方法。首先,对进动目标进行了建模和散射点距离像分析,并利用Hough变换实现了锥顶散射点的关联。然后,联立2部雷达的微动信息作为求解单元来对耦合参数进行解耦,求出相应的参数。同时以进动角为例进行了误差方差分析,以融合后误差方差最小为原则对权系数进行了求解,并对其余参数进行了相同的处理。最后,在一个进动周期内,根据求出的锥体顶点坐标和锥旋轴矢量实现了锥体目标空间位置的重构。仿真结果表明该融合方法能够提高参数精度并能对锥体空间位置进行重构。     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。     

“ 互联网+” 计量发展现状与建议

分析了国内计量检测行业现状与存在的问题,描述了“互联网+”计量服务模式的初步探索情况,指出“互联网+”计量转型是未来计量检测领域的必然发展趋势,提出了“树立正确的互联网思维、加强对“互联网+”计量模式的研究与应用, 加强行业整合、提高为用户服务能力”的措施及建议。     

基于TLE的Starlink星座第一阶段部署情况分析

近年来,随着卫星技术的快速发展和低轨（low earth orbit,LEO）卫星宽带互联网建设需求的不断增加,低轨大规模星座发展日新月异。针对Starlink星座初始化部署问题,首先论述了“星链”（Starlink）星座现状,分析在轨卫星高度变化。然后利用公开的两行轨道根数（two-line element,TLE）,从卫星发射入轨、轨道面分布两个方面,简要分析了Starlink星座的部署情况,给出升交点的变化规律;同时仿真分析了Starlink星座对地面的覆盖性能。最后,给出星座轨道面和相位分布、故障卫星处置以及可见卫星数量。所分析的结果以期为中国未来部署大规模LEO星座的建设提供借鉴。     

按需提供的数字化培训

随着年轻的“互联网一代”加入航空维修业,通用电气公司（GE）提供的按需式数字化“即时培训”非常实用。通过互联网访问GEnx-1B的中央维护计算机,即可获得最先进的技术培训资料,学习燃油系统的进修课程,选择压气机和高压涡轮叶片涂层修理的专业课程,以及GE90风扇叶片尖隙的检查程序课程等。     

泰雷兹开造新低轨星座卫星

泰雷兹·阿莱尼亚空间公司9月9日宣布,它已开始为设在英国海峡群岛泽西的03b网络有限公司建造其低地轨道通信卫星星座中的16颗卫星。并握有更多颗卫星的选择权订单。这些卫星将向世界各地的新兴市场和发展中国家提供等待时间很短的互联网回程服务,速度可达10吉比／秒．总容量超过160吉比／秒。     

基于深度神经网络的流场时空重构方法

针对流场粒子图像测速实验中时间和空间高分辨率测量代价高的问题,研究了数据驱动的流场时空重构方法。为了对实验测得的低分辨率数据进行时空高分辨率重构,提出了一种基于深度神经网络的流场时空重构方法,并构建了一种基于卷积神经网络和长短时记忆神经网络的混合深度神经网络。该混合深度神经网络能够学习流场的时空演化特征,训练完成后可实现对实验数据的时空高分辨率重构。测试结果表明:只进行流场空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差为0.0065左右,流场数据点数是原来的51倍;同时进行流场时间和空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差可保持在0.065左右,流场时间维度的密度是原来的5倍,可极大提高实验效率,节约实验成本。     

基于神经网络的智能刀具状态检测系统

可靠的在线刀具磨损状态检测是柔性制造系统、计算机集成制造系统以及自动化机床必不可少的一个环节。文中论述了用反传神经网络与一类模糊神经网络分析处理由力传感器和声发射传感器所测得的刀具状态信号,识别出刀具的磨损情况,从而进一步实现刀具磨损状态的在线检测,控制自动机床及时更换刀具。本研究对四种规格的钻头的磨损情况进行了全程检测,并比较分析了反传神经网络与模糊神经网络对这一问题的有效性。实验结果表明,这两种方法对处理刀具磨损状态检测均有显著的效果与很高的准确性。用一类模糊神经网络处理多传感器信息是实现刀具状态在线检测的一个极为有效的方法。