基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

区间数据回归分析方法

提出区间数据回归分析方法, 建立区间数据回归方程, 给出回归系数的最佳无偏整体估计及其协方差矩阵.详细讨论了工程中常见的极值分布、Weibull分布和正态分布的等尺度和非等尺度(或异方差)线性回归分析.该方法可以将各个不同状态下的区间数据作为一个整体进行统计分析, 具有信息量大、精度高的特点.      

考虑飞行强度影响的飞机使用寿命综合评定方法

介绍了针对军用飞机普遍存在的使用寿命指标(飞行小时数、日历寿命)严重不匹配的问题,在现有技术和理论基础上利用腐蚀影响系数m(t),引入飞行强度参量SUS建立了军用飞机使用寿命综合评定方法。算例分析表明,随着飞行强度的提高,腐蚀疲劳寿命NC成线性增加,并得到了协调飞机使用寿命指标的最佳飞行强度SUSbest,为合理制定飞行计划,充分发挥军用飞机的使用功效提供了理论基础。     

基于PC/104总线和ADS7805的多路小信号实时监测系统

开发了基于PC/104总线和ADS7805的实时监测系统。该系统主要由信号转换模块、A/D转换模块、CPLD逻辑控制模块EPM7128和PC/104总线组成。它能够在板卡上实现信号的采集监测,并能通过PC/104总线与上位机通信,实现数据的存储、后端处理及显示。参考了实时数据采集处理系统的设计思想,重点阐述了系统原理及硬件、软件的设计。     

逆向工程的关键技术及其研究

综述了逆向工程中实物数字化技术、测量数据的预处理、曲面重建技术、重构曲面的评价和检验等关键技术的发展现状和存在的问题,并对今后的发展方向进行了讨论。     

数据融合在纹理识别中的应用

在室内无线通信模型的优化中,需要区分不同的墙壁对象.而对于室内墙壁的图像可以看作是纹理图像.尝试利用数据融合的方法对这些纹理图像进行识别.实验结果表明,数据融合的方法对相似的纹理图像具有较好的识别效果.     

基于雷达组网的抗无人机新技术研究

介绍了无人机的概念和基本特性;主要讨论了雷达组网和数据融合的基本原理及其如何实现对敌无人机等弱小目标的检测与跟踪,在此基础上引入了检测跟踪的新方法,有效弥补了单机雷达的不足,便于防空决策的后续处理.     

基于飞行资源分离的航班延误传播研究

在航班串设计及机组排班过程中,经常涉及飞行资源(飞机、机组)分离的问题。而延误航班的飞行资源分离将导致共享资源的衔接航班发生延误,并传播至后续航班串。本文考虑带有飞行资源分离的航班串,利用基于贝叶斯网络的比例风险回归模型,对资源分离后的航班离港延误进行分析。对比两种不同时刻飞机与机组资源分离方案下,各延误因素对衔接航班离港延误,以及整个后续航班串延误时间的影响,结果表明,不同时刻分离方案会造成不同的延误传播效果。本文为飞机、机组资源分离时刻的选择提供了定量分析方法,结果表明,资源分离时刻的不同对衔接航班的离港延误,以及整个后续航班串延误波及时间的影响都不同。     

舰载机自动着舰引导与控制综述

引导与控制是舰载机自动着舰的关键技术,为此本文对该技术进行综述。给出了舰载机进场航线和几种着舰工作模式,概述了基于跟踪雷达的着舰引导系统和基于卫星的着舰引导系统的工作原理及关键技术,着重分析了自动着舰的几种控制技术,包括控制律设计技术、直接力控制技术、推力矢量控制技术、甲板运动预估与补偿技术、舰尾气流抑制技术、动力补偿技术以及着舰安全控制技术。最后,从多系统集成着舰控制技术、多体制融合着舰引导技术两方面对自动着舰引导与控制技术进行了展望。     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。