摘要：针对飞机舵机电动加载系统存在舵机与加载电机耦合所造成的多余力矩扰动问题,以无刷直流电机作为加载机构,构建系统数学模型,并提出一种基于鲸鱼优化算法(whale optimization algorithm,WOA)的内环电机速度控制、外环力矩控制的双环复合控制策略。在电机速度环控制中,结合Skew Tent混沌映射、动态搜索因子并改进适应度函数设计基于改进型WOA的零基准自抗扰控制器(active disturbance rejection control,ADRC),利用改进型WOA实现零基准ADRC的参数寻优;在力矩环控制中,设计带有补偿环节的重复PID控制器。仿真结果表明,改进型WOA具有良好的寻优能力,且基于此的双环复合控制策略能够有效提高系统跟踪能力并能明显抑制多余力矩。

摘要：压制式干扰是广播式自动相关监视(automatic dependent surveillance-broadcast,ADS-B)系统面临的最常见且最有威胁的干扰之一。提出基于稳健协方差矩阵估计的ADS-B压制式干扰抑制算法。首先,考虑了ADS-B信号的脉冲特性,将协方差矩阵的求解转化成凸优化问题。然后,利用求解凸优化问题得到的稳健协方差矩阵设计最优权矢量。最后,对观测信号进行空域滤波,完成ADS-B的压制式干扰抑制,并对抑制结果进行性能分析。提供的仿真实验结果也验证了算法的有效性,该方法不需要知道ADS-B信号来向,且在非高斯噪声情况下同样有效。

摘要：为了准确地同时识别复杂点云中的多个目标,提出一种基于法矢改进点云特征C-SHOT的3D物体识别方法.首先,在估计RGB-D数据的点云法矢时将邻域点距离信息考虑在内,计算带距离权重的协方差矩阵得到更精确的点云法矢;其次根据特征点处法矢与邻域法矢的夹角余弦构造点云形状直方图,同时统计点云纹理直方图并与形状直方图融合成C-SHOT描述符;最后对场景与模板分别提取C-SHOT特征,利用Kd树快速求得对应对,引入3D霍夫投票机制,并结合点云局部坐标系克服噪声遮挡问题完成多目标初识别.基于LM-ICP实现精确定位及位姿估计,画出目标包围盒,采用基准数据库CVLab以及采集实验室真实数据进行实验,结果验证了该方法的有效性与精确性.

摘要：为解决深度卷积神经网络由于梯度消失而导致训练困难的问题,提出一种基于批归一化的直通卷积神经网络算法.首先对网络所有卷积层的激活值进行批归一化处理,然后利用可学习的重构参数对归一化后的数据进行还原,最后对重构参数进行训练.在CIFAR-10,CIFAR-100和MNIST这3个标准图像数据集上进行实验的结果表明,文中算法分别取得了94.53%,73.40%和99.74%的分类准确率,明显优于其他深度神经网络算法;该算法能够有效地克服传统卷积神经网络中梯度消失的问题.

摘要：全球导航卫星系统(GNSS)欺骗导致目标接收机生成错误的定位结果。利用惯性导航系统(INS)辅助,基于卡尔曼滤波新息序列构造卡方检验统计量是检测机载GNSS欺骗的有效手段。然而,该算法无法给出欺骗的持续时间,从而导致INS/GNSS系统无法依据该算法判断其解算的定位信息是否正确。该文结合测距机系统(DME),提出一种基于重构新息序列的有限记忆卡方检测算法。该算法使用已有的INS,GNSS和DME数据构造一种不参与卡尔曼滤波的新息序列,然后将该新息序列构造成有限记忆卡方检验统计量,从而实现对欺骗式干扰的检测。仿真表明,当机载GNSS欺骗造成250 m及以上的位置偏差时,所设计的算法能够获得较为准确的欺骗持续时间。最后,该文依据所提算法的检测结果,给出了INS/GNSS/DME系统正确的定位信息。

摘要：为解决深度卷积神经网络(convolutional neural networks,CNN)难以训练的问题,提出一种快速、高效的双通道神经网络(dual-channel neural networks,DCNN),该神经网络由直通通道和卷积通道两种通道构成,直通通道负责保障深度网络的畅通性,卷积通道负责深度网络的学习。考虑到深层网络在训练时容易出现性能不稳定的问题,在卷积通道上引入卷积衰减因子,对其响应数据进行约束。设计一种"双池化层"对同一特征图进行降采样,不仅可以防止训练过拟合,还能保证各通道的维度一致性。在3个图像数据集CIFAR-10、CIFAR-100和MNIST上的实验结果表明,无论是神经网络的可训练深度、稳定性和分类精度,DCNN都明显优于现有的深度卷积神经网络。

摘要：在合成孔径雷达(SAR)图像飞机目标检测识别中,飞机目标图像呈现离散特性以及结构之间的相似性会降低飞机检测与识别的准确率。为此该文设计了一种目标区域特征增强的SAR图像飞机目标检测与识别网络。网络由3部分组成:保护飞机特征的跨阶段部分网络(FP-CSPDarnet)、自适应特征融合的特征金字塔(FPN-A)以及目标区域散射特征提取与增强的检测头(D-Head)。FP-CSPDarnet在提取特征的同时可以有效保护SAR图像飞机特征;FPN-A采用多层次特征自适应融合、细化,来增强飞机特征;D-Head在检测前有效增强飞机可辨别特征,提升飞机检测与识别精度。利用SAR-ADRD数据集的实验结果证明了该文所提方法有效性,其平均精度相对与基线网络YOLOv5s提升了2.0%。

摘要：低空风切变是一种危险性非常高的恶劣天气现象,对民航飞机起飞和着陆阶段的航行安全威胁最大。由于其具有发生突然、持续时间较短、影响强度大和危险性高等特点,使得真实的雷达回波数据难以轻易获取。在分析风切变目标微物理特性的基础上,利用计算流体力学的仿真方法建立三维风场模型,在对非均匀的原始风场数据进行预处理之后,依据民航装机使用的机载气象雷达设备设置扫描参数,利用逐脉冲撒点仿真法实现高保真的三维低空风切变雷达回波仿真。仿真结果表明,雷达回波数据可真实地反映出风切变信号的气象特征,仿真过程设计合理,仿真数据有效可靠。

摘要：针对局部二值模式(LBP)不能描述纹理方向变化的问题,提出了一种融合了梯度方向的LBP-GD算子。LBP-GD算子不仅保持了LBP本身的优点,还可以细致刻画纹理的方向信息。由于人脸表情器官所蕴含信息的差异性,设计了一种不规则的分块方式,把图像分为9个互不重叠的子块并且设置不同的权值系数,然后提取每个子块的LBP-GD特征。最后,将LBP-GD特征与提升小波的低频分量特征加权融合,用K近邻方法进行分类。在JAFFE和Cohn-Kanade表情库上验证了该方法的有效性。实验结果表明,该方法比单独使用LBP-GD特征和提升小波特征具有更好的识别效果。

摘要：为辅助塔台管制人员决策,提升航空器运行安全性,提出一种以广播式自动相关监视(ADS-B)数据为数据源的终端区监视系统。首先,基于系统需求分析系统架构特征,利用面向对象Petri网(OOPN)灵活、易于模块化设计等优点,将复杂系统模块化,分别建立子系统模型,依据子系统间的交互关系建立整体系统简化模型,并分析模型的可靠性;然后,设计ADS-B数据流实时传输引擎,利用无线传输的方式提升数据使用效率,然后,设计ADS-B数据流实时传输引擎,利用无线传输的方式提升数据使用效率,有效传输虚拟系统与外部实体之间的数据;最后,基于虚幻引擎(UE4)平台,构建虚拟现实仿真系统,实时监视机场及周围一定范围内的航空器。实时监视机场及周围一定范围内的航空器。结果表明:该系统建模方法能提高系统的模块性和可靠性,增强系统逻辑结构的易分析性,构建的系统可以安全、可靠地实现终端区监视功能。