基于联合注意力的渐进式遥感图像融合

为发挥遥感图像在国防军事、公共安全、环境监测等领域的重要作用,如何融合已配准的高分辨率全色图像与低分辨率多光谱图像的互补信息成为当前研究的重点。尽管近年来全色锐化方法已取得较大进步,但大多数方法仍受到以下限制:一方面,利用Wald协议退化生成不同尺寸图像时会造成信息损失;另一方面,受到网络结构和单一注意力的限制,无法同时利用全局和局部特征。为解决以上问题,本文提出了基于联合注意力的渐进式网络(Pan-sharpening based onmulti-attention progressive network),称为MAPNet。在该网络中,首先采用多阶段训练以减小尺寸变化带来的光谱和细节损失。其次设计联合注意力模块,将自注意力、空间注意力和通道注意力结合,实现对全局特征和局部特征、空间特征和通道特征的多模态分析,进一步提高MAPNet对纹理细节的保留能力。在高分二号卫星上进行大量对比实验和消融实验,定性和定量结果表明,本文方法融合效果优于其他10种方法,能够改善光谱失真和细节纹理丢失等问题。     

GE9FB燃气-蒸汽联合循环发电机组汽轮机振动波动故障的分析与处理

GE9FB燃气-蒸汽联合循环发电机组在整体启动过程中,发电机主设备故障率较高,严重影响了机组的安全稳定运行,而汽轮机作为电厂发电机组的核心设备,其安全稳定运行与电厂效益息息相关。本文针对汽轮机振动故障开展了振动检测,获得了故障特征数据,并结合数据分析判断故障原因,最后进行了相关试验及维修验证。结果表明,振动控制方案的振动指标优良,系统的调速精度及各项控制功能均能达到技术指标要求,可供同类机组参考。     

基于PSP的AIS混合信号分离与检测联合估计

目前对于用一种算法来联合处理AIS 信号分离与检测过程的研究甚少.据此提出基于Per-Survivor-Processing(PSP)的AIS混合信号分离与检测联合估计方法.在混合信号相对时延较大时,首先利用幅度极值点检测,将混合信号分为重叠段和未重叠段.对重叠段信号进行线性近似处理后,使用PSP进行盲分离,对分离后的...     

风光水联合发电系统多目标优化运行策略研究

本文针对风、光发电并网功率波动性较大以及风光资源浪费的问题,基于风光水互补特性,构建了风光水互补发电系统拓扑结构;以并网波动指数最小、风光丢弃率最小以及电站经济收益最大为目标函数,综合考虑风光水电厂机组的各种约束条件,建立风光水电互补系统的三目标优化运行模型。以湖北省某地区为例,对模型进行了算例仿真。通过案例分析,验证了本文所提出的优化运行策略有效性,为高比例水电电网大规模消纳新能源提供了新思路。     

大采深巷道过陷落柱支护技术研究与实践

针对羊东矿-850 m水平大巷在穿越施工中巷道压力显现大、支护困难,采用常规锚网喷+锚索+钢带+注浆联合支护方案时,对围岩控制效果差,支护成型后不久巷道出现顶板开裂、两帮片帮等变形的问题,提出了深部巷道过陷落柱支护技术,采用补打高强度中空注浆锚索对巷道进行加强支护。方案实施后,较好地维持巷道完整性和稳定性,实现了联合护巷目的,保障-850 m皮带大巷安全穿越陷落柱。     

美国空空导弹研制新动向

介绍了美国对AIM-9X和AIM-120导弹正在进行的改进, 以及联合双任务制空导弹计划的进展情况.     

未知噪声背景的参考阵元DOA矩阵法

文中提出了一种有效的参考阵元（Referential—Sensor）波达方向矩阵法,解决了未知相关噪声环境二维波达方向、信号频率等三维参数联合估计的问题。与现有算法相比较,RSDOA方法对于系统的硬件需求大为下降。计算负担小;由于无阵列孔径损失问题且空时协方差矢量具有时域平滑效果,因此参数估计性能优越．具有广泛的适用性与实际的应用价值。理论分析与仿真实验都证实了这一结论。     

新型联合变换相关器光学系统设计

以往联合变换相关器的光学系统结构是一支光路反馈,实时性差且体积大。针对其缺点,设计了一种具有双光路的联合变换相关器。其中,最主要的特点是傅里叶透镜组与准直扩束系统共用同一片正透镜。改进后的装置可以清晰地探测到相关点,并具有体积小的特点。     

集中交互式多传感器联合概率数据互联算法

为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器联合概率数据互联算法。本文提出的算法首先应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合,并对所有的测量组合进行有效性判断,然后应用数据压缩的方法将每个有效量测组合压缩成一个等效量测点并根据每个等效量测点的联合似然函数计算其联合互联概率,最后在此基础上应用交互式多模型算法的思想以处理目标出现机动的问题。本文最后给出了该算法的分析,仿真结果表明,本文算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题。     

深度学习赋能网络安全知识图谱实体关系联合抽取研究

文中研究了知识图谱中关于实体关系联合抽取方式,解决流水线抽取方式的误差传播、效率低下及关系重叠的问题,设计了网络安全本体模型,提出基于深度学习的Seq2Seq联合抽取模型,编码层通过BERT-WWM和双向长短期记忆网络(Bi-directional Long Short-Term Memory, BiLSTM)模型获取上下文语义表示,并融合多头注意力机制突显文本中的重要单词,解码层通过指针网络输出序列标注,从而获取头实体、关系及尾实体。以自标注的数据集为语料,通过TensorFlow框架建模,对实体和关系抽取的质量进行评估。结果表明,模型的精确率、召回率和F1值均较高,验证了联合抽取模型的有效性,最后通过Neo4j图数据库构建并可视化知识图谱。