基于贝叶斯纠错的AR辅助飞机装配数据纠错方法

增强现实(Augmented Reality)技术用于飞机装配中可以有效提高装配效率。通过无线网络的使用,增强现实设备可以便捷访问各种人工智能服务,将自然场景下的光学字符识别(Optical Character Recognition)技术作为云服务用于AR辅助装配中减少人工录入以加速装配过程。针对AR辅助飞机线缆装配中线缆识别存在错误的问题,基于贝叶斯纠错器,结合航空线缆规则提出一种数据纠错的后处理流程,使用噪声通道模型对线缆的识别结果数据进行推理纠错,并构建了基于云服务的AR辅助线缆装配体系。在该系统的环境下,进行AR辅助的航空线缆装配试验,将导线识别准确率从88%提高到98%,验证了该系统具有一定高效性的同时保证了正确性。     

基于贝叶斯—熵权法的岸舰导弹作战效能研究

通过系统分析岸舰导弹作战流程,确定了影响岸舰导弹作战效能的 4个主要因素。选取了 17个指标,构建了岸舰导弹作战效能评估模型,运用贝叶斯网络原理以及熵权法对模型进行仿真,并针对仿真结果,提出岸舰导弹战斗使用和装备发展对策建议。     

基于马尔可夫蒙特卡洛法的系统辨识方法研究及应用

提出了基于马尔可夫蒙特卡洛(MCMC)的贝叶斯辨识方法,以解决高超声速飞行器系统辨识中复杂动力学模型转换为简单或稀疏模型所带来的不确定性问题,以及存在的训练数据大和积分难处理的问题。该方法将数据退火算法引入MCMC中,不仅解决了MCMC易陷入局部最优的问题,并且将数据退火与“高信息训练数据”的概念相结合,能够以较低的计算成本分析大数据集。此外,该方法可以对参数估计过程中存在的不确定性进行量化,获得未知参数的最优估计值。通过仿真实验,验证了提出的系统辨识方法的有效性,辨识出的模型能够有效应用于控制器设计之中,并获得较好的控制效果。     

基于深度学习的太阳黑子Wilson山磁类型识别方法

太阳黑子是太阳光球层中带有较强磁场的区域,通常是太阳爆发活动的源区。Wilson山磁分类是当前最为主流的太阳黑子分类方法之一,对研究太阳爆发有重要意义。利用2010－2017年间SDO/HMI成像仪观测到的720s_SHARP磁图和白光图数据,研究使用深度学习对太阳黑子群Wilson山磁分类的方法。实验结果表明,Xception网络在识别太阳黑子Wilson山磁类型上能取得最优的效果,其中对α类型黑子的F₁得分为96.50%,β类为93.20%,其他类型的黑子为84.65%。      

结构引导的图像修复

针对粗网络引入先验知识较少使得补全的内容存在明显视觉伪影问题,提出了基于边缘结构生成器的两段式图像修复方法。采用边缘结构生成器对输入的图像边缘和色彩平滑信息进行特征学习,生成缺失区域的结构内容,以引导精细网络重构高质量的语义图像。通过在公开的图像修复基准数据集Paris Street-View上进行实验测试,结果表明,所提模型可对掩膜占比达50%的图像进行补全。在客观的量化评价指标上,峰值信噪比、结构相似度系数、L₁和L₂均值误差等数值整体优于EC、GC、SF等方法,其中,掩膜占比为0%~20%时,峰值信噪比指数达到33.40 dB,优于其他方法2.37~6.57 dB,结构相似度系数提高了0.006~0.138。同时,补全的图像纹理更清晰,视觉质量更高。      

基于立体图像的多路径特征金字塔网络3D目标检测

3D目标检测是计算机视觉和自动驾驶中一项重要的场景理解任务。当前基于立体图像的3D目标检测方法大多没有充分考虑多个目标之间的尺度存在较大差异,从而尺度小的物体容易被忽略,导致检测精度低。针对这一问题,提出了一种基于立体图像的多路径特征金字塔网络(MpFPN)3D目标检测方法。MpFPN对特征金字塔网络进行了扩展,增加了自底向上的路径、由上至下的路径及输入特征图到输出特征图之间的连接,为联合区域提议网络提供了更高语义信息和更细粒度空间信息的多尺度特征信息。实验结果表明:在3D目标检测KITTI数据集上,无论在场景简单、中等、复杂情况下,所提方法获得的结果都优于比较方法的结果。      

一种星地协同的路由协议处理架构方案

在基于IP路由交换的卫星网络中,由于受宇航级器件能力限制,大规模路由协议的处理往往成为制约网络规模的瓶颈.针对这一问题,在分析IP网络中协议数据包特点的基础上,设计了一种星地协同的路由协议处理架构方案.方案设计了新的IP路由处理架构和业务流程,增加了IP数据包的星地协同处理机制,在少量改动现有载荷设计的前提下实现对IP包的识别与分类,通过专用星地链路实现将路由协议数据包发送到地面处理.测试结果表明,相比传统处理方案,星地协同的路由协议处理架构方案当路由条目数相同时,在路由收敛时间上可体现出巨大优势;当收敛时间相同时,收敛的路由条目数极大提高.该方案突破了目前卫星IP网络的规模瓶颈,极大提升了网络规模的上限,在大规模星地协同组网、一体化网络架构中具有较高应用价值.     

一种基于计算资源度的星间路由协议

随着发射技术的提升和星载任务需求的扩大,低轨互联网星座逐渐成为航天产业的研究热点。在网络层进行算力资源感知有助于构建最短计算时延路径,有效利用边缘或路径上的节点资源进行任务调度。由于传统组网协议没有考虑邻居节点算力资源情况,难以做到资源感知、星间协同组网完成卸载任务。为解决上述问题,提出了将低轨卫星组网建模为移动自组织网络(MANET),并在主动式协议优化链路状态路由协议(OLSR)中引入节点计算资源度来感知周边组网节点、CPU、内存和负载等计算能力情况,并且根据该指标修改OLSR中的多点中继(multi point relay, MPR)选择算法与路由表更新算法。通过仿真验证了在星间协同计算中,文章提出的路由协议在任务计算时延上降低了15%～30%,并通过与地面云计算的比较验证了星间协同计算的优势。     

星间网络安全路由选择算法研究

星间网络由于拓扑结构高动态变化、可靠性安全性要求高、节点处理能力有限等特点,使其有别于普通的地面互联网。文章通过分析星间网络特性,对其中安全路由选择的关键技术进行深入研究,提出了一种基于节点信誉度评价与负载感知机制的星间网络安全路由选择算法。该算法采用混合路由配置策略,根据网络实时情况对路由进行动态调整,加入节点信誉度评价策略,减小恶意节点对网络的影响,并且增加节点负载感知机制,根据当前节点负载情况调整路由。最后,文章通过仿真实验验证算法性能,验证了算法在数据包传输成功率方面的优势。     

中国民航空地数据链系统的现状及发展

中国民航空地数据链的发展始于1996年,至今已建设完成包含1个网络运行控制中心（NOC）,180多座VHF地面站,覆盖中国全部中高空航路的VHF空地数据通信网络。为超过100家国内外航空公司的3000多架飞机提供空地数据服务,每日的通信报文约40万份。