顾及样本优化选择的机器学习云检测研究

针对云层日变化、云类型、云相态、云光学厚度等特征差异带来的光谱差异,导致传统阈值算法对云识别精度不高的问题,文章提出了一种顾及样本优化选择,耦合物理阈值方法和机器学习的云检测算法模型,利用“葵花8号”卫星（Himawari-8）数据进行日间云检测。通过样本优化选择,使样本中尽可能包括不同情形下的云特征,为机器学习模型提供良好的样本基础,增加模型泛化能力;同时输入特征除了考虑反照率、亮温、亮温差以及天顶角等因素外,还加入了基于反照率和亮温差的物理阈值方法云识别结果;最后基于极限随机树模型进行云检测。结果表明：模型云检测交叉验证精度为96.41%,总漏检率和总虚检率分别为2.08%和0.91%;通过云-气溶胶激光雷达与红外探路者卫星观测（CALIPSO）产品数据进行对比分析,结果显示云检测总体精度为97.1%。     

基于LabWindows/CVI的ARINC429总线数据采集系统设计

首先设计了一套基于LabWindows/CVI的ARINC429总线数据采集系统,该系统采用服务器端和客户端结合的方式,利用线程池的次线程采集数据,并利用异步时钟把数据打包发送给客户端。其次,讨论了两种采集方式对数采系统的影响,并且对ARINC429总线某个Label号的数据失效进行了处理,为以后的ARINC429的数采操作提供了借鉴。     

基于LabVIEW的ARINC429总线检查软件的设计

ARINC429总线是我国航空工业中广泛使用的一种数据总线,对其信号检测是现场测试不可或缺的一部分。现场测试中会出现总线正负线端难以区分,总线内传输信号的正确性难以判断等问题。基于USB429/717板卡,使用LabVIEW语言编写了ARINC429总线状态检查软件。该软件实现了对ARINC429总线的接线连接状态、Label、SDI和SSM等信息的校验和检查的同时,也完成了对ARINC429总线信号的搜索、解析与数据保存。该软件设备便携易用,在总线检测中取得了良好的测试效果。