机场协同决策的应用历史与研究趋势综述

机场协同决策可以有效提升机场的运行效率,进而提升整个民航运输网络的运行效率。本文查阅整理了机场协同决策的相关标准、政策文件与研究论文,梳理了机场协同决策的发展历程以及国内外学界业界有关协同决策的研究及应用现状;分析讨论了机场协同决策未来的发展趋势与当前时期协同决策所面临的挑战;同时基于我国的实际情况,给出了一些机场协同决策的发展建议;总结了机场协同决策的理论与应用价值以及协同决策在我国面临的问题与挑战。本文研究可以为提升机场与整个航空交通网络的运行效率与经济效益提供理论支撑和依据。     

空基激光终端动态组网研究

空间激光链路的特点是捕获跟踪困难,只适合点对点通信,因此组网应用多采用环状拓扑,导致网络的终端消耗大、链路时延长.为解决该问题采取了星形拓扑,优化网络节点增加辅助捕获设备,并改进链路接入为两阶段捕跟,从而实现高性能的动态复用激光链路.该方案特点是采用角反射阵列进行预先捕获,从而大大减少实时通信准备时间,并设计激光终端备...     

基于注意力机制的光伏组件热斑检测算法

热斑现象是造成光伏组件发电能力下降的重要原因之一,热斑检测是光伏电站运维必不可少的工作。然而分布式光伏电站的规模普遍较小、选址分散、环境复杂多样,使用传统的热斑检测算法需要投入大量的人力资源。基于此,提出了一种基于注意力机制的热斑检测算法HSNet。通过图像分割消除反光影响,结合通道注意力机制,学习通道间的特征信息,增强目标区域的重要性,采用自定义锚点的方法提高检测速度,使用焦点损失激活函数和基于物体先验概率的类别预测方式改善训练目标样本不均衡导致的分类准确性低的问题,通过回归方法获取准确的目标位置。实验表明：设计的目标检测算法在窗体回归精度和分类准确性方面均有明显的优势,边界框平均精度和准确率分别提升了3.18%和2.42%。     

Ka频段有源瓦片天线的设计

有源相控阵天线广泛应用于弹载、星载、舰载、机载雷达及电子对抗、汽车自动驾驶等领域。按照T/R组件和天线的集成方式不同,相控阵天线分为瓦片式结构和砖块式结构。传统的砖式结构,多路合成体积过大、损耗过高且造价昂贵,采用微组装工艺生产,量产良品率低。介绍了一种瓦片式有源天线,给出了天线样机的典型性能指标,工艺实现简单,具有轻型化、小型化、低成本及高可靠等特点。针对瓦片天线设计中的难点、垂直互联技术和复杂的馈电网络,结合理论分析进行了仿真设计。为了验证相控阵天线的性能,在微波暗室对天线进行了测试。测试结果表明,设计的瓦片天线法向EIRP>31dBW,G/T>-4dB/K,扫描至45°时EIRP>29dBW,G/T>-6dB/K,发射状态功耗小于10W,接收状态功耗小于6W。     

电子上妆技术在载人航天中的应用设计

针对空间站为代表的空间活动驻留宇航员上镜时的妆容美化需求和空间环境资源限制等问题,通过图像处理的方法为宇航员进行虚拟上妆,优化航天员个人形象。对妆容迁移技术现状和载人航天中的问题进行了初步的探索和讨论,进一步提出虚拟上妆的优化设想,设计了基于生成对抗网络的妆容迁移模型。通过该模型可以对宇航员图像或视频的关键帧进行自动美颜,实现宇航员面部的虚拟上妆。实验结果表明,在不会改变宇航员的身份信息的基础上,通过优化后的循环一致性生成对抗网络对宇航员图像面部、眼部及唇部都可以进行迁移上妆,且不需要额外的手动交互。电子上妆技术解决了太空中宇航员个人形象维护难的问题,对进一步提升航天员形象有一定的参考价值。     

基于CGAN的避扰通信决策网络离线式训练方法

基于强化学习的避扰通信,由于需要不断地与环境交互从中学习到最优决策,其决策网络的训练时间受环境反馈速率的约束,通常耗时严重。针对这一问题,提出了一种离线式训练方法。构建出一种频谱虚拟环境生成器,可以快速生成大量的逼真合成频谱瀑布图,用于避扰通信决策网络训练。由于所提方法脱离真实环境反馈,形成离线式训练,进而显著提高模型训练效率。实验结果表明:与实时在线训练方法比较,所提离线式训练方法的训练时间可以减少50%以上。      

故障样本量确定与分配一体化设计方案

针对当前测试性验证领域未能考虑故障样本量确定和样本分配2个环节的相互联系,以及现有样本分配方案对影响因子的选择没有统一的框架,导致确定的故障样本量和样本分配不合理的问题,提出了一种故障样本量确定与分配一体化设计方案。首先,以层次Bayes网络模型为框架,融合各节点测试性指标先验信息得到顶层测试性指标的融合分布,并建立故障样本量确定流程;其次,引入结构重要度作为样本分配影响因子,同时结合故障模式影响及危害性分析（FMECA）信息确定节点和故障模式的样本分配影响因子,提出基于节点和故障模式的二次分配框架实施样本分配;最后,通过实际案例进行对比分析。结果表明:相比其他样本分配方案,所提方案能充分考虑系统结构及其先验信息,进而实现了故障样本量确定和分配一体化方案的设计,保证了所确定的故障样本量和分配的合理性,具备更好的工程适用性。      

基于LSTM的TTE网络速率约束流量预测

时间触发以太网（TTE）中的速率约束（RC）流量为事件触发流量,在RC流量动态调度的应用场景下,若能预测未来短时间内数条RC流量到达交换节点的序列,使交换节点提前进行调度决策,以减小RC流量时延,提高网络吞吐量。对RC流量到达序列预测问题进行了研究,建立了RC流量的到达序列模型,提出了基于长短期记忆网络（LSTM）算法的RC流量预测算法。利用OMNET++工具进行TTE网络仿真,得到多组混合关键性配置下RC流量的传输数据;以此作为输入样本对预测算法进行训练和测试。实验结果显示,LSTM算法在RC流量预测问题的准确率达到了70%以上。通过对比实验说明所提算法适用于RC流量预测场景。      

基于级联注意力机制的孪生网络视觉跟踪算法

针对全卷积孪生网络（SiamFC）在相似物体干扰及目标发生大尺度外观变化时容易跟踪失败的问题,提出了一种基于级联注意力机制的孪生网络视觉跟踪算法。首先,在网络的最后一层加入非局部注意力模块,从空间维度得到关于目标区域的自注意特征图,并与最后一层特征进行相加运算。其次,考虑到不同通道特征对不同目标和各类场景的响应差异,引入通道注意力模块实现对特征通道的重要性选择。为了进一步提高跟踪的鲁棒性,将其与SiamFC算法进行加权融合,得到最终的响应图。最后,将提出的孪生网络模型在GOT10k和VID数据集上进行联合训练,进一步提升模型的表达力与判别力。实验结果表明:所提算法相比于SiamFC,在跟踪精度上提高了9.3%,在成功率上提高了5.4%。      

低轨巨型星座网络容量评估与分析

低轨卫星网络可以提供广覆盖、低时延、大容量的通信服务和随遇接入的网络服务,可有效弥补地面通信网络和高轨卫星网络的不足。近年来“星链”“一网”等星座项目推动了低轨巨型星座的飞速发展。卫星网络容量是网络性能评价的重要指标,传统方法计算复杂度高、耗时长,且计算开销随网络节点数迅速增加,在巨型星座网络评估中产生巨大计算开销。面向低轨巨型星座网络容量评估问题,提出了一种基于最大流的网络容量评估方法,与传统方法相比计算复杂度和计算耗时大大降低。以“星链”星座为例,分析了星座构型、星间链路拓扑连接方式、链路容量及用户需求量对巨型星座网络容量的影响。仿真分析结果对未来低轨巨型星座网络建设具有指导意义。