基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。     

基于学习自动机的雷达干扰资源分配研究

综合考虑干扰机干扰频率、干扰功率、干扰时机和干扰样式等干扰效果评估指标,构建干扰效益矩阵,建立目标函数,构建干扰资源分配博弈模型,并基于学习自动机原理提出了分布式干扰资源分配算法,求解出干扰分配决策。仿真结果表明,提出的分布式干扰资源分配算法能以很低的复杂度来获得很好的干扰性能,有效地解决了干扰资源分配问题,对实际作战指挥有一定的指导意义。     

基于特征融合和集成学习的运动想象脑电解码方法

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。     

深空探测自主导航技术综述

由于深空探测任务具有飞行时间长、距离远、环境复杂多变的特点,基于地面深空网的导航方法存在通信时延大、传输效率低以及天体遮挡等问题。自主导航技术可以使探测器具备自主执行部分或全部导航功能的能力,大大减轻了探测器对地面站的依赖程度,已成为深空探测领域的重点研究内容。从国内外深空探测任务的实际工程需求出发,首先概述了天文导航、惯性基组合导航以及星间测量导航方法的基本原理,其次介绍了三种自主导航方法的国内外发展现状,并重点分析了三种自主导航方法的关键技术,最后对未来深空探测自主导航技术发展给出了若干建议。     

多源自主导航系统可信性研究

多源自主导航系统技术是新一代国家综合定位、导航与授时(Positioning, Navigation and Timing, PNT)体系下终端用户导航系统的技术发展方向。聚焦于导航信息智能决策的可信性,分析了可信性理论构建存在的科学技术问题,基于任务场景、运动环境以及载体动力学特征等,提出了多源自主导航系统中的载体动力学智能建模与计算、融合载体动力学特征的导航方式无感切换与智能决策、可信性自主判别与动态迭代优化的解决方案,为多源自主导航系统技术体系构建打下基础。     

前沿光学技术的新发展

近几十年,光学这门古老的学科得到了迅速发展。文章从近几年诺贝尔化学奖和物理奖的获奖课题谈起,介绍了光学技术的发展脉络,梳理了纳米光学、超表面、压缩感知、深度学习、太赫兹、光学自由曲面等光学前沿新技术的发展情况。文章最后指出,从事科研研究不能从文章到文章,要与社会的需求相结合,科研只有服务于企业、服务于社会,才能将技术的发展落实到实处。     

无人机飞行控制与管理

从无人机工程研制的角度出发,介绍了工程中常用的无人机飞行控制与管理系统的组成、结构、功能与外部接口;分析了系统功能设计时在飞行控制、飞行任务管理与规划、机载设备故障判断与处理、遥控遥测管理以及任务设备管理等方面应考虑的主要问题;从系统控制权限逐步增大的角度论述了无人机典型的遥控控制、人工干预自动控制以及自主控制等控制方式的特点、适用情形和发展前景;讨论了系统研制过程中的控制律设计、控制与管理策略设计、软件开发和高逼真仿真试验等主要关键技术;最后,归纳了区别于有人机系统的显著特点以及通用化、综合化、智能化和网络化的发展趋势。     

无人机在恶劣气象条件下的自主决策技术

无人机(UAV)在实际战场环境中受恶劣气象条件等许多不确定因素的影响,因此必须不断提高其自主决策能力。主要研究无人机自主探测恶劣气象并进行自主决策的问题,首先介绍了影响无人机飞行的典型恶劣气象条件,然后提出了利用机载传感器获取气象信息并建立恶劣气象数学模型的方案,并提出了采用专家系统理论解决无人机遭遇恶劣气象时的自主决策问题。最后,对无人机在风切变、雷暴和紊流3种常见恶劣气象下的自主决策过程进行仿真。经分析,决策结果合理,仿真结果验证了该方法的可行性和有效性。     

“天行者”小型无人直升机自主飞行控制系统设计

介绍了上海交通大学"天行者"小型无人直升机自主飞行控制系统的设计及实现技术。首先引入了德国柏林工业大学基于牛顿力学建立的小型无人直升机动力学模型,然后基于此模型设计了直升机飞行姿态控制器。之后引入一种针对二次积分模型基于期望响应轨迹设计控制器的控制算法,文中简称为MTC,设计实现了直升机飞行位置的不超调控制和飞行速度控制。实际飞行控制试验结果验证了飞行控制算法的有效性。仿真试验表明,基于MTC算法所设计的飞行导引点方法,可用于实现多航点路径的不减速连续曲线轨迹的飞行控制。     

基于确定学习理论的轴流压气机系统分岔预测

针对轴流压气机系统中的分岔预测问题,基于简化的Moore-Greitzer 3阶压气机模型,分析了该系统中存在的分岔现象;利用最新发展的确定学习理论,对压气机系统随着γ参数变化出现的几种典型模态的相关系统动态进行辨识,并将所学知识保存成常值RBF神经网络以构成模式库;利用该模式库构建1组嵌入了常值RBF神经网络的动态估计器;将测试模式与估计器相比,得到1组残差,并利用动态模式识别方法的残差最小原则实现了对Pitchfork分岔的预测。