基于典型几何形状精确回归的机场跑道检测方法

在遥感探测领域,实现复杂环境条件下机场跑道类地物目标和轮廓的精确检测具有重要意义。以YOLOv3为代表的主流深度学习算法在目标检测领域取得了显著的成绩,但该方法只能以矩形框给出目标的粗略位置,检测结果具有一定的背景区域且无法准确得到角点位置。针对以上问题,提出一种基于典型几何形状精确回归的机场跑道检测方法。综合利用典型四边形角点回归策略、四边形锚框机制、四边形的非极大值抑制模块以及目标几何拓扑关系,通过网络的轻量化设计和模型压缩,实现对目标在仿射畸变下成像特征的学习,能够快速预测目标的角点坐标,并以目标的四边形轮廓给出其位置。仿真实验结果表明,该算法具备机场跑道目标类型区分和轮廓提取的功能,有效地解决了实际应用中的目标精确定位难题;在不损失精度基础上网络经压缩后较压缩前的检测速度提高了1倍,大幅提升了自动目标检测的准确性和高效性。     

基于深度学习框架的装配机器人零件实时检测方法

针对工业生产线上装配机器人在粘连、堆叠、光照变化及环境因素干扰等复杂条件下零件检测率低、鲁棒性差等问题,提出一种基于改进YOLOv3深度学习框架的零件实时检测方法。在基础特征提取网络Darknet-53的每个残差网络后嵌入CFE模块,构建融合CFE模块和Darknet-53的深度特征提取网络CFE-Darknet53,建立YOLOv3深度学习框架下基于CFE-Darknet53的零件实时检测模型,提升检测网络在复杂环境下特征提取能力;设计一种改进K-means算法来预测边界框,通过对零件数据集进行聚类分析,选取最优的锚框个数和尺寸,进一步提高检测准确性。实验结果表明：在复杂条件下,改进算法对相似度很高的多类零件检测准确率能达到91.6%以上,相比YOLOv3算法提升了近10%以上;检测时间为43 ms,在视频传输帧率（24帧/s）下实现了零件实时准确检测。     

基于[KG-*9]Ghost卷积与注意力机制的SAR图像建筑物检测算法

针对深度卷积神经网络存在模型参数量大、占用内存资源等问题,提出了一种基于轻量化网络的SAR图像建筑物检测算法。首先以旋转目标检测算法R-centernet为基础,将主干网络中的传统卷积替换为Ghost卷积,并构建Ghost-ResNet网络,降低模型参数量;其次提出了融合宽高信息的通道注意力模块,增强网络对图像中显著区域的精确定位能力;使用CARAFE上采样代替网络中的DCN模块,在上采样过程中充分结合特征图信息,提高目标检测能力;最后使用改进的R-centernet算法在旋转标注的SAR图像建筑物数据集上进行训练与测试。实验结果表明,相比于原始R-centernet算法,改进后的算法准确率提高了3.8%,召回率提高了1.2%,检测速度提高了12帧/s。     

图像自寻的弹药目标检测方法综述

弹载图像目标检测方法是实现图像自寻的弹药“发射后不管”、对目标进行自主打击的关键技术。弹药图像自寻的面临着成像环境恶劣,目标特性变化快,对算法体积、速度要求苛刻等问题。围绕弹载目标检测难点问题进行综述,将基于深度学习的目标检测方法区分为基于候选框、无候选框和基于transformer的方法,回顾了各类方法主要研究进展;对特征提取网络轻量化、预测特征图增强、非极大值抑制后处理算法、训练中样本均衡、模型压缩等弹载图像目标检测模型部署中的关键技术进行了梳理;对比了典型目标检测方法在ImageNet、COCO及弹载图像目标数据集上的性能,并对未来发展进行展望。     

布撒器对机场跑道的封锁方式及概率分析

相对于传统的均分空间封锁机场跑道方式,研究了切割封锁方式下跑道的毁伤效能问题.以概率积分的方法分析了仅存在开舱点位置偏差时,该文模型对应的3种不同的布撒形式下,布撒器对机场跑道的横向封锁概率、纵向封锁概率以及整条跑道的封锁概率,并进行了仿真计算.仿真结果表明,最优的布撒方案为下抛-侧抛-侧抛(侧抛-侧抛-下抛)形式.研究结果可为布撒器的总体设计提供依据.     

空地导弹对机场跑道毁伤效果评估

针对相同速度下不同着角对于侵彻爆炸坑半径的影响,分析空地导弹着角与机场跑道毁伤弹坑半径之间的关系。对空地导弹侵彻段深度及爆炸坑半径进行预期,讨论着角对侵彻深度带来的影响,结合经验公式给出着角与爆炸坑之间的计算公式。结果表明：该分析能更好地体现单一影响因素在侵彻段对于毁伤效果的影响,为下一步作战筹划提供参考。     

基于SEA的常规导弹封锁机场跑道作战效能分析的系统建模和解析

为快速分析解决常规导弹封锁机场跑道的作战效能,提出了一种基于系统效能分析(SEA)方法的作战效能分析方法。构建了基于SEA方法的常规导弹封锁机场跑道作战效能分析的框架结构和解析模型; 结合导弹武器作战攻防体系对抗的特点,给出了封锁把握程度分布密度的计算方法并验证了模型的计算精度,该精度可满足实际作战需求。分析了抛撒子母弹分段切割机场跑道的封锁作战特点,运用成爆弹威力环“切割”跑道的思想,通过判断母弹落点与被“切割”跑道之间的几何关系,确定有利弹着区,在此基础上建立了刻画封锁把握程度的跑道失效概率的解析模型; 为了构建反映机场跑道封锁与反封锁对抗过程的封锁时间计算模型,将跑道封锁时间划分为跑道损毁情况判定时间、确定跑道抢修方案时间、排爆作业时间和弹坑修复时间4个部分。构建了排爆作业和弹坑修复阶段作业时间的计算模型,以及封锁时间性能度量的解析模型。对封锁时间性能度量的概率密度函数进行了统计推断。研究结果为后续运用SEA方法进行常规导弹封锁机场跑道作战效能分析奠定了基础。     

整数规划在机场跑道超载使用管理中的应用

针对机场跑道超载运行的问题,对超载飞机的运行架次进行规划。对飞机荷载、道面承载能力和飞机运 行架次进行分析,依据超载使用准则构建机场跑道超载使用的整数规划模型并进行案例应用。结果表明：该规划可 解决多种机型在超载运行时的架次管理问题,保证跑道资源的合理使用。     

多模式封锁弹对机场跑道封锁效能的分析

文中提出了使用多模式封锁弹对机场跑道进行封锁的概念，并与传统单纯对跑道进行硬毁伤的方法进行比较，利用数值模拟法近似求出子弹落点坐标，运用矩阵仿真法算出多模式封锁弹的封锁概率。还从封锁时间效率的角度分析了多模式封锁弹的优势。     

基于深度学习的船体三维模型自动生成方法

三维船体模型具有广泛的应用场景,但制作成本较高。提出一种基于深度学习的船体三维模型自动生成方法：通过卷积神经网络结构从一张二维平面图中提取角点;按照特定的规则将各角点组成线段,每一个线段表示一面墙体;将线段变换生成三维模型。制作500张二维船图用于模型训练,并制作30张二维船图用于测试。研究结果表明：新算法可以精确地检测输入图片的角点位置和种类,并生成清晰、美观、通用的三维模型,效果很好。     

基于卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别

针对人工提取雷达辐射源信号特征耗时长、特征不明显等问题,提出一种基于深度学习卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别方法.该方法通过快速离散分数傅里叶变换提取信号的模糊函数主脊,并将模糊函数主脊极坐标域的二维时频图作为卷积神经网络的输入,实现对不同雷达信号的分选识别.仿真实验结果表明:新方法不仅在信噪比为...     

基于生成对抗网络的密钥生成方法及其在微光图像加密中的应用

生成对抗网络（GAN）是一种深度学习模型,是近年来在复杂分布环境下进行无监督学习的最有前景的方法之一。将GAN开创性地引入到随机密钥生成中,利用GAN对超混沌系统产生的随机密钥进行学习和训练。GAN通过学习训练生成的随机数与混沌系统生成的随机数有着很多相似的优点,如随机性和敏感性,但是同时它也具备了混沌系统所生成随机数不具备的特征,如不可复现性。GAN训练生成的随机数在对信噪比低、灰度等级少的微光图像加密中显示出其快速性与更高的安全性。本文将GAN引入到随机密钥生成中,利用量子细胞神经网络系统产生的伪随机数作为GAN的训练集,通过GAN对超混沌系统产生的随机密钥进行学习和训练得到一个随机密钥池,最后针对这种密钥生成方案在微光图像加密中的应用,提出了一种新的微光图像加密算法,该算法给出了一种与明文相关的2D指针,随机选择密钥池中的两个相位掩膜来实现微光图像的安全。结果表明该学习型密钥生成方案所生成的加密密钥可以通过美国国家标准技术研究所的所有随机测试,并且该方案能够有效抵抗差分攻击、已知明文/选择明文攻击和各种统计分析。同时,与其他同类算法的性能比较也进一步表明了该模型的优越性。     

基于生成对抗网络的水声目标识别算法

目标识别是水声探测领域的难题,也是研究热点。在水声目标识别实际应用中,标记样本数量不足是制约识别结果的主要因素之一。针对水声目标噪声数据具有的小样本特点,基于深度学习理论提出一种基于生成对抗网络的识别模型。该模型从生成模型与对抗模型的相互博弈中,学习更多有效的识别特征信息,并与深度自编码网络和深度置信网络模型进行对比。仿真实验结果表明：在样本数量有限的情况下,生成对抗网络模型的识别效果优于深度置信网络与深度自编码网络;3种深度学习模型的识别性能均优于先提取梅尔倒谱系数特征,再用Softmax分类的方法。为进一步测试所建模型的性能,研究了3种深度学习模型在不同信噪比下的鲁棒性,仿真实验结果表明：生成对抗网络模型对噪声具有更强的鲁棒性。     

基于改进多层核超限学习机的模拟电路故障诊断

为兼顾模拟电路多故障诊断的实用性和诊断精度,基于仿真诊断模型的测试性应用框架,结合深度学习与核方法的优势,提出一种多层单纯形优化核超限学习机（ML-SOKELM）方法。将有效初选后的数据集输入多层核超限学习机逐层提取故障特征并进行诊断;训练过程中,将各层核参数向量视为待优化变量,运用单纯形法对其进行联合优化。实验结果表明：与常见的深度学习方法相比,ML-SOKELM方法对主观经验依赖性更低,在训练时间大大缩短的同时,还能获得与之相当的准确率;与流行的核方法相比,ML-SOKELM方法在不同模糊度阈值下均能获得较高的诊断准确率。     

基于深度学习的空空导弹多类攻击区实时解算

现代空战日趋复杂,传统攻击区只能提供导弹发射的限度,无法满足现代空战决策的需求。基于目标机水平逃逸角度的最大攻击区、50°攻击区、90°攻击区、水平不可逃逸攻击区、最小攻击区等5类攻击区,针对现有攻击区解算方法无法同时解算多种攻击区的问题,提出多函数深度拟合网络(MFDFN)模型,以实现多种攻击区的同时解算。设计了改进的进退法解算流程,通过弹道仿真获取攻击区数据样本库。根据多函数拟合网络的特点,设计了“整体预训练+局部微调”训练策略,并对网络进行有监督训练。仿真结果表明：采用“整体预训练+局部微调”训练策略的MFDFN比传统网络不仅提高了计算实时性,而且很大程度上提高了计算准确性,其平均相对误差低至0.27%,平均绝对误差低至58.81 m;MFDFN模型具有较强的可靠性和实用性。     

基于平行光枪弹几何全尺寸非接触检测

针对目前枪弹弹丸几何参数机械检测精度低,对弹壳有磨损,测量参数非定量等不足,提出了基于上位机 PC与二维高速尺寸测量仪通过串口通信的非接触测量方法,实现了对弹丸外形参数以及弹壳和弹头装配同轴度等尺寸非接触测量。该方法通过平行光照射被测物体,Labview 编程软件平台对于数据进行处理,可以完成对弹丸几何全参数高速率高精度的测量,根据所测实际参数判断弹丸是否合格,并积累大量数据以待后续处理实现对弹丸的甄别。     

基于跑道的视觉导航信息分析

基于跑道的视觉导航广泛用于无人机自主着陆等场合.文中从信息的角度,分析了视觉导航中跑道边缘线、地平线和跑道横向控制线提供的姿态和位置导航信息,推导并证明了两个基本结论:已知宽度的跑道边缘线可以提供两个姿态和两个位置信息;地平线和跑道横向控制线可以完善姿态和位置信息.文中的研究对于进行基于跑道的视觉导航算法设计、精度分析和组合导航可观性分析等具有理论价值.     

封锁型子母弹对飞机从机场跑道强行起降的封锁效能分析

文中以飞机从跑道强行起降为研究对象,通过数值模拟子弹的随机落点和矩阵仿真法计算破片对目标毁伤等方法,分析了封锁型子母弹的封锁效能。计算结果表明,封锁型子母弹具有很强的封锁作战能力,同时也受到导弹射击精确度、子弹抛撒半径等因素影响。该计算方法对进一步研究封锁型子母弹对其他面目标的封锁效能评估具有重要的参考价值。