我国自主研发的火星探测器模型公开亮相

3月8日,“十一五”国家重大科技成就展在北京开幕。在这次展览中,我国自主研发的火星探测器模型首次与公众见面。有关负责人透露,该探测器将于2018年奔赴火星,执行我国第一次自主火星探测任务。     

重视细节管理 实现持续安全

作为民航空管基层运行单位的一名青年党员,笔者认真研读了李家祥局长关于持续安全理念的一系列重要论述,结合近期学习实践科学发展观的心得体会和安全生产运行实际,谈谈学习实践持续安全理念的一点粗浅体会,以期抛砖引玉．共同为空管系统的安全和发展贡献绵薄之力。     

火星车定向天线自主对地指向规划方法

针对火星车的2自由度定向天线,结合在轨约束条件和对地数传需求,提出一种基于解析星历的器上自主对地指向规划算法。首先给出火星和地球的相对方位、信号传输时延和空间交会的解析计算公式,摆脱了复杂的星历表模型,使得器上计算机运行更加高效;在此基础上根据火星车位置和姿态、定向天线安装矩阵,计算定向天线的转角,并给出天线转轴运动控制策略,使其实时自主跟踪地球,建立稳定运行的通信链路。通过仿真对解析星历计算结果进行检验,并在室内试验场对天线自主跟踪结果进行验证,仿真和试验结果表明该方法合理可行,指向精度满足使用要求。此方法解决了大时延下火星车定向天线对地球的指向和跟踪问题,将会应用至我国的首个火星车上。     

基于改进GWO-LightGBM的滚动轴承未知故障诊断

针对滚动轴承未知新故障误判影响轴承安全性和检修效率的问题,提出了一种基于改进灰狼算法（GWO）和轻量级梯度提升机（LightGBM）的故障诊断模型,实现已知/未知故障的高精度判别。为避免单一尺度下特征提取的缺失,对滚动轴承振动信号分别提取时域、频域和小波域特征建立多域特征集。设计了带未知新故障判别机制的GWO-LightGBM模型,并构造含有Halton序列和模拟退火策略的GWO实现了模型参数有效优化。实例试验结果表明,模型对已知和未知类故障平均识别率达99.57%,10次随机试验平均识别率分别比单一分类模型逻辑回归（LR）、最近邻分类器（KNN）和支持向量机（SVM）高21.98%、17.00%、9.27%,验证了模型的有效性和优越性,能高准确率地识别出已知或以前从未出现的新故障。      

基于高分辨率网络的单声道歌声分离

单声道歌声分离是指将单声道歌曲中的伴奏和歌声分离,在旋律提取、歌词识别、卡拉OK伴奏等方面有重要应用。针对当前时频谱图预测精度受限的问题,利用高分辨率网络具有并行结构及特征充分交互提高模型性能的优势,提出基于高分辨率网络的单声道歌声分离算法。设计并构建适合单声道歌声分离的高分辨率网络,输入歌曲的时频谱图到网络,得到预测的伴奏和歌声时频谱图。结合歌曲相位进行重构,得到伴奏和歌声的时域信号。实验表明,在公开数据集MIR-1K上,所提算法的SNR、SIR、SAR指标均优于当前代表性算法,提高了分离后伴奏和歌声的质量。      

关于设计保证系统适航独立核查的思考

民用飞机主制造商建立设计保证系统,旨在民机研制过程中充分发挥自主适航的能力,通过组织机构、职责、程序和资源落实设计、适航以及独立监督三大职能,以保证航空产品的设计或者设计更改满足适航当局的要求。其中,设计保证系统适航职能的适航独立核查功能正是这一保证的关键。基于对设计保证系统适航独立核查功能的具体分析基础上,从设计保证系统的规划与设计层面提出了实现适航独立核查功能的机制,给出了机制中需明确的责任主体、职责与资质要求、工作流程与支撑工具以及管理程序等方面的建议,并从大数据知识的技术支撑和阶梯式递进的人才培训保障两方面以不断优化改进的方法工具与人力配置来深化适航独立核查的功能与效果,进而增强设计保证系统对飞机型号研制的保证作用。     

资源一号02C星在轨正式交付

4月18日,资源一号02C卫星在轨交付仪式在京举行,卫星由中国航天科技集团公司正式交付给用户国土资源部,至此,资源一号02C卫星正式投入使用。资源一号02C卫星是我国自主研制的第一颗民用高分辨率遥感业务卫星,自2011年12月22日在太原卫星发射中心成功发射以来,在轨测试和试运行表现良好。     

抵御对抗样本攻击的指纹室内定位方法

随着城市智能化的发展, 基于WiFi接收信号强度(RSS)的指纹室内定位服务受到社会的广泛关注。深度学习技术是利用RSS信号获得高室内定位性能的一种重要手段, 但其易遭受对抗样本攻击, 给定位系统带来严重安全隐患。为此, 提出了一种抵御对抗样本攻击的基于深度学习的RSS指纹室内定位方法(AdvILoc)。该方法基于图像识别领域对抗样本防御方法的研究和分析, 结合室内RSS指纹数据特征单一且高维的特点, 通过在RSS指纹室内定位深度学习模型中添加池化层、全连接层, 以及满足差分隐私的噪声层来抵御对抗样本攻击, 解决了基于深度学习的室内定位模型易过拟合且泛化能力不高的问题。通过添加Dropout层, 以及设计模型参数正则化方法, 提高模型抵御对抗样本攻击的鲁棒性。在2个真实RSS指纹室内定位数据集上的实验结果表明:与已有基于多层感知机(MLP)、卷积神经网络(CNN)的RSS指纹室内定位方法相比, 所提方法在保证时间开销和基本不影响定位模型性能的情况下, 提高了模型抵御对抗样本攻击的鲁棒性;在满足l₂范式规范的C&W攻击下, 随着攻击大小不断增大, 模型的定位准确率下降也更平稳。