基于AFDX网络的飞行管理仿真系统

系统建模与数字仿真是大型客机飞行管理系统研发的重要阶段.初步建立了基于航空电子全双工交换式以太网(AFDX,Avionics Full-Duplex Switched Ethernet)的飞行管理系统分布式实时仿真系统模型.对飞行计划、飞行导引、轨迹预测、性能计算、综合导航、导航数据库、综合显示等核心功能进行了分析建模和算法开发.并在此基础上对飞行管理计算机、综合导航系统、自动飞行系统等仿真子系统进行了设计,在满足实时性要求的前提下,基于AFDX网络与分布式仿真结构实现了对以飞行管理计算机系统为核心的航空电子仿真系统的集成,给出了一种通用的、基于AFDX网络的飞行管理系统分布式仿真框架.仿真系统的运行结果证明:基于AFDX网络的分布式仿真结构能够有效满足实时性要求,提高网络通信性能.      

多传感器多目标系统误差融合估计算法

为解决多传感器组网系统的系统误差估计问题,基于多传感器多目标上报信息,研究并提出了一种多传感器多目标系统误差融合估计算法.算法构建了两级融合结构,即第一级对多传感器组合状态估计信息进行反馈融合以改善局部组合状态估计精度,从而间接改善系统误差的估计精度,而第二级对多目标系统误差估计信息进行融合以进一步提高系统误差的估计精度.蒙特卡洛仿真显示算法能有效融合利用多传感器多目标信息,实现多传感器系统误差的实时精确估计.     

国外海事宽带卫星通信发展综述

在陆地宽带卫星通信市场火热发展的同时,全球海事宽带卫星通信市场也稳步发展,宽带通信市场逐渐成为海事市场的主力,不但卫星移动通信运营商积极发展各自的宽带产品,而且越来越多的卫星固定通信运营商也加入了市场争夺的行列。     

网络分区中混合消息集传输模式的精确配置

针对分布式综合模块化航空电子网络分区方法,指出其对消息传输模式配置存在不确定性;通过形式化描述将问题转化为包括实时性约束、带宽约束、缓存约束的最优化问题;提出了基于遗传模拟退火的传输模式配置算法,以系统的消息端到端延迟均衡为优化目标.通过给出两个具体算例对算法有效性进行了验证,同时比较了本算法与传统遗传算法的性能.对比结果表明,本算法能够解决传输模式的配置问题,尽管计算时间较传统遗传算法高出18.1%,但所得到的适应度值高出28.7%.本算法为网络分区在实际航电系统中的应用提供了参考.     

压电网络板的机电耦合动力学特性

借鉴复合材料结构建模中的均匀化处理方法建立了压电网络板机电耦合动力学方程并对其进行求解,获得了耦合系统的频率特征方程;通过求解频率特征方程发现压电网络板的固有模态以耦合模态对的形式存在;在此基础上对耦合系统的频率特性进行了分析,表明耦合模态对的特征频率值随着电感的变化会出现频率转向现象.进一步通过对系统在频率转向区能量转换规律的研究,揭示了压电网络板中频率转向的意义.最后,分析了压电网络板设计参数对频率转向区特性的影响,为压电网络板的合理设计提供了理论参考.     

高分辨雷达目标回波信号产生技术研究CSCD

介绍了一种高分辨雷达模拟目标回波信号产生方法,由于该方法产生的模拟目标回波信号既能携带目标特征信息,又能携带雷达发射信号细微特征信息,可以满足在实验室条件下,对高分辨雷达进行性能测试的需求。     

基于随机网络编码的无线报文重传最优策略

网络编码技术为无线报文重传问题研究提供了新思路.分析并证明了完全无线报文重传问题最优策略所需重传报文数量等于节点请求报文数量的最大值;基于随机网络编码技术提出了最优重传策略RNCOPT(Random Network Coding based OPTimal Scheme),其编码系数从某选定有限域中随机选取(0除外);利用网络编码矩阵重新生成机制以保证100%解码成功率;描述了RNCOPT组合报文结构及发送节点操作过程.仿真表明:当接收节点数量为30而报文总数为30时,RNCOPT相对于传统非网络编码方案节省重传报文数量可达32%,而此时现有某典型策略CliqueNC却无明显效果.     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。