地月系共线平动点Halo轨道族的运动稳定性研究

地月系共线平动点附近的Halo轨道族,能够提供从L1点至月球再至L2点的广泛空间的多种轨道应用需要,但2个轨道族内轨道的稳定性差异较大。文章引入稳定系数和线性稳定阶数2个指标来判断轨道的稳定性,并用数值模拟分别分析了百米和千米量级的初始轨道误差在数天后所引起的轨道偏差,得出结论：两轨道族内接近平动点的部分轨道稳定性较差,其余部分轨道稳定性相差不大,L1点附近Halo轨道族内轨道较为稳定的是0.85~0.92之间的轨道,L2点较为稳定的是1.02~1.1之间的轨道。     

基于深度森林的多级特征融合SAR目标识别

大多数传统的合成孔径雷达(SAR)目标识别方法仅仅使用了单一的幅度特征,但是由于斑点噪声的存在,仅仅使用幅度特征会限制识别的性能.为了进一步提高SAR目标识别的性能,该文提出了一个基于深度森林的多级特征融合SAR目标识别方法.首先,在特征提取阶段,提取了多级幅度特征和多级密集尺度不变特征变换(Dense-SIFT)特征.幅度特征反映了目标反射强度,Dense-SIFT特征描述了目标的结构特征.而多级特征可以从局部到全局表征目标.随后,为了更完整、充分地反映SAR目标信息,借鉴深度森林的思想对多级幅度特征和多级Dense-SIFT特征进行联合利用.一方面通过堆叠的方式不断将多级幅度特征和多级Dense-SIFT特征进行融合,另一方面通过逐层的特征变换挖掘深层信息.最后利用得到的深层融合特征对目标进行识别任务.该文在MSTAR数据集上进行对比实验,实验结果表明所提算法在性能方面取得了提升,且其性能对超参数设置具有一定的鲁棒性.     

基于安全关键件管理的内燃机车安全质量防控管理信息系统的开发和应用

从本单位内燃机车安全质量防控管理的角度出发,介绍了基于安全关键件管理的内燃机车安全质量防控管理信息系统开发的背景、总体架构、功能模块、关键技术和运行环境等,阐述了系统应用后带来的效果并对下一步的工作进行了展望.     

基于复数高分辨距离像特征提取的雷达自动目标识别

高分辨距离像(HRRP)已成为雷达自动目标识别(RATR)领域研究的热点。由于目标复数HRRP的初相具有不确定性(本文称其为初相敏感性),在RATR中通常使用的HRRP为实向量(文中称为实HRRP),即目标复基频回波信号的幅度像,而完全丢弃了相位信息。事实上,复HRRP中除初相外的其他相位信息也应该是对识别有利的。文中提出了一种复HRRP的特征提取方法,该方法得到的复特征向量与初相无关但却保留了距离单元间的差分相位信息,称为相位差分复特征向量。若基于散射点模型理论分析,这种复特征向量的物理意义与实HRRP类似(只是包含了差分相位信息),因此,对实HRRP适用的识别、建模和预处理方法同样适用于该复特征向量。同时,相位差分复特征向量的各分量具有类Gauss性,更有利于统计识别。基于实测数据的识别实验表明,只要在特征提取时适当选取距离单元间隔参数,文中提出的相位差分复特征向量可以取得比实HRRP更好的识别效果。     

基于极化散射特性的空间锥体目标宽带回波对齐

包络对齐是宽带回波预处理中重要的一部分,然而对于空间锥体这类只有较少散射中心且目标存在微动的情况,现有的包络对齐方法并不能得到较好的对齐结果。对于一些利用宽带回波进行微动目标参数估计的算法,包络对齐是其算法的关键一步。该文提出一种基于极化散射特性进行包络对齐的算法,算法首先利用极化谱估计与幅相联合估计(P-CAPES)超分辨方法估计宽带极化回波中的散射中心的数目、位置和极化散射矩阵,然后计算前后时刻回波散射中心的极化相似性参数,最后利用得到相似性参数进行包络对齐。基于电磁计算数据的实验结果验证了算法的有效性。     

基于TSB-HMM模型的雷达高分辨距离像目标识别方法

针对雷达高分辨距离像(HRRP)的识别问题,该文提出了一种基于时域特征的截断Stick-Breaking过程隐马尔可夫模型(TSB-HMM),并建立了基于TSB-HMM模型的分层识别算法,利用TSB-HMM模型结合时域特征和功率谱特征对HRRP进行分层识别。实测数据的实验结果表明,该方法是一种有效的雷达HRRP识别方法,分层识别的算法可极大提高目标的平均识别率。特别是在训练样本数极少的情况下,TSB-HMM模型仍能获得较好的识别性能。     

基于微多普勒效应和多级小波分解的轮式履带式车辆分类研究

短驻留时间条件下的轮式和履带式车辆目标分类对于战场侦察雷达系统目标识别功能的引入具有应用价值。该文基于微多普勒效应对轮式和履带式车辆的雷达回波进行了分析,针对这两种车辆的雷达回波中包含的微多普勒信号的差异,提出一种基于多级小波分解的分类方法。该方法首先使用多抽样率信号处理减轻了目标平动速度变化对分类结果的影响,其次通过对目标的平动和微动分量进行分离,提取了较好描述类间目标差异性的特征。基于实测数据的实验结果表明该方法具有较好的分类性能,同时对目标速度的变化具有稳健性。     

结合强化学习自适应候选框挑选的SAR目标检测方法

大场景合成孔径雷达(SAR)图像相对于通用光学图像,复杂背景杂波对目标特征提取影响更大,由于传统基于候选框的深度目标检测算法会在整张特征图上产生大量冗余候选框,因而在SAR图像复杂背景杂波影响下会产生大量的虚警,降低目标检测精度。针对该问题,该文基于Faster R-CNN检测模型,提出结合强化学习自适应候选框挑选的SAR目标检测方法。该方法能够通过强化学习自适应搜索特征图中可能含有目标的区域,并挑选搜索区域内的候选框继续进行分类、回归。通过准确搜索到含有目标的区域,可以减少复杂背景杂波的影响并减少传统强化学习应用于检测问题的计算量。所提方法利用强化学习序列决策的特点,能够根据图像信息通过强化学习迭代搜索自适应确定图像中可能含有目标的搜索区域的位置。同时,该方法通过在强化学习中使用距离约束,可以根据之前的搜索结果自适应调整下一次搜索区域的尺寸。基于实测数据的实验结果表明,所提方法能够提升传统深度学习目标检测方法的检测性能。     

铝基玻璃棉层合板中Lamb波的频散特性及分层缺陷检测数值模拟

针对铝基玻璃棉层合板分层缺陷定位检测困难的问题,发展有限元特征频率法分析该结构中Lamb波的频散特性,得到层合板中对称模态与反对称模态的频散曲线,发现Lamb波在层合板中的传播特性呈类周期性分布,且存在铝基层与玻璃棉层模态混合而成的奇异模态.为进一步分析铝基玻璃棉层合板Lamb波的传播特性及与分层缺陷的交互作用,基于有限元瞬态分析模拟了Lamb波在其中的传播特性及与缺陷的交互作用.结果表明:模拟结果与有限元特征频率法计算结果得到了很好的吻合;A2模态在53 k Hz时,得到了理想的回波信号,且波结构能量分布较为均匀,可利用该类频点定位缺陷位置;利用健康信号与缺陷信号的差分计算,通过波包形心法可以较准确地定位缺陷位置,证实了本文方法的可行性.     

一种集成式Beta过程最大间隔一类分类方法

一类分类是一种将目标类样本和其他所有的非目标类样本区分开的分类方法.传统的一类分类方法针对所有训练样本建立一个分类器,忽视了数据的内在结构,在样本分布复杂时,其分类性能会严重下降.为了提升复杂分布情况下的分类性能,该文提出一种集成式Beta过程最大间隔一类方法.该方法利用Dirichlet过程混合模型(DPM)对训练样...