基于Hadamard方差的导航星座自主时间同步算法研究

文章在总结国内外研究成果基础上,针对GPS铷钟虽然短期稳定性较好,但采用Allan方差描述铷钟频率稳定性时,其钟差状态方程仅为两参数,在较长平滑时间里存在时钟漂移和甚低频噪声的影响,使噪声特性淹没或估值不收敛的缺陷,引入Hadamard方差建立了三参数系统状态误差模型,通过三次采样方差从模型上解决了线形漂移和甚低频噪声的影响问题。在时钟系统状态模型和星间双向测量方程建模基础上,给出了工程实用的标准Kalman基本滤波方程。数值分析仿真表明,采用Hadamard方差描述时钟频率稳定性显著提高星载时钟自主同步精度,从而克服了Allan方差描述产生的频率漂移影响较大和甚低频噪声不收敛的问题。     

无人机全空域飞行影响因素分析

进入全空域飞行是未来无人机发展的必然趋势,所面临的关键问题是安全性和空中交通管理.根据无人机大、中、小型,低、中、高速并存的特点,分析了无人机安全性和影响其全空域飞行能力的关键因素与改进方法,包括建立分类管理机制,提高自主导航与控制能力,进行动态任务规划,采取协调机制,增强环境感知与规避能力等.进一步提出了无人机空域飞行的建模/仿真理论框架,目标是在提高无人机可靠性的基础上,使其具备全空域飞行能力,从而降低无人机使用成本、提高空域共享能力,实现有人机、无人机共享空域.      

具有变胞功能的自主移动制孔机构

根据飞机自动化装配的应用需求,结合变胞原理提出了一种双偏心变胞源机构.在此基础上设计了一种具有变胞功能的自主移动制孔机构,能实现行走和调姿制孔两种功能阶段之间的变自由度切换.给出了调姿过程由初始状态经俯仰与侧滚后到达期望法矢位置各足驱动量的运动学反解算法,可用于实时控制.运用Matlab绘出了实际工况下反解算法中各足偏移量区域,完成了双偏心变胞源机构的尺寸设计.建立虚拟样机,联合算例进行运动学仿真,结果验证了运动学算法和双偏心变胞源机构适用于本机构.研制了实物样机,测试了系统的调姿精度,结果表明可满足飞机装配自动化制孔的要求.      

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。      

基于星间链路的导航卫星时间自主恢复策略

基于北斗导航卫星星间链路的测距与数传功能，针对自主导航时卫星时频子系统异常导致载荷系统断电重启的情况，提出了一种基于星载计算机自主计时及星间链路误差校正的策略.在载荷系统重启时间内，利用星载计算机守时，并通过十秒稳定度预报晶振频率漂移量的方法，维持星钟在重启时间内的稳定.载荷系统重启后，星载计算机授时给导航任务处理机，通过误差分析计算出总误差.该误差在星间链路建链误差允许范围内，然后通过星间链路对星钟误差进行校正恢复，重新实现星地时间同步.      

人工智能技术在嵌入式代码审查中的应用与展望

代码审查是航天嵌入式软件开发中的重要环节.近年来,随着嵌入式软件开发需求的增多,传统以人工为主的代码审查方法逐渐不能满足快节奏的软件开发流程.为了减轻审查人员的压力,提升审查效率,研究者们逐渐将目光转向以深度学习技术为首人工智能领域,尝试寻求技术上得突破,以开发更智能的审查系统.本文对近年来人工智能技术在代码审查及程序理解中应用的相关工作进行了归纳总结.首先简要介绍了嵌入式代码审查工作目前面临的困境及解决方案.然后引出了代码审查中的一项重要活动,即程序理解.并详细阐述了目前基于人工智能的程序理解在代码审查中的应用情况.最后根据相关领域的发展情况,对未来代码审查的发展方向作了进一步的探讨.     

无人平台复杂地形探测的视触融合方法

为提高无人平台在复杂环境中的地形探测能力以及解决在小样本数据下识别地形困难的问题,提出了一种无人平台复杂地形探测的视触融合方法。在原始宽度学习的基础上,建立了多模态级联特征节点宽度学习框架。首先进行触觉和视觉初步特征提取和融合特征提取,随后将融合特征矩阵经宽度学习分类器得到地形识别的结果。最后,在自建的视觉-触觉地形 (V-T2)数据集进行了实验验证。结果表明,相比于传统的融合算法,提出的融合算法有很好的准确性和鲁棒性,为无人平台地形探测提供了有效的策略。     

基于空间注意力机制的行人再识别方法

行人再识别是图像检索领域的一个重要部分,但是由于行人姿态各异、背景复杂等因素,导致提取到的行人特征鲁棒性和代表性不强,进而影响行人再识别的精度。在AlignedReID++算法基础上,提出了基于空间注意力机制的行人特征提取方法,应用在行人再识别中取得了很好的效果。首先,在特征提取部分,引入空间注意力机制来增强特征表达,同时抑制可能的噪声;其次,通过在卷积层中引入实例正则化层（IN）来辅助批正则化层（BN）对特征进行归一化处理,解决单一BN层对特征色调变化以及光照变化的不敏感性,提高特征提取对亮度、色调变化的鲁棒性;最后,在Market1501、DukeMTMC和CUHK03 3个行人再识别通用数据集上对所提改进模型进行测试评价。实验结果显示:改进后的模型在3个数据集上识别精度分别提升了2%、2.9%和5.1%,表明改进后的模型相较于改进前的模型,在精度以及鲁棒性上都有显著提高。      

无人机自主降落地基/舰基引导方法综述

近年来,随着自主控制技术与任务载荷的快速发展,越来越多的无人机(UAV)具备了良好的任务自主能力。在执行任务过程中,降落阶段的安全风险最大,导航定位精度较差、人员决策失误等是造成降落过程中事故多发的主要原因。通过总结无人机自主降落过程中对引导控制的需求,对国内外无人机军用和民用自主降落解决方案进行了梳理和介绍,对无人机自主降落关键技术和研究现状进行了分析,提出了该领域未来发展的重点方向。      

电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。