【摘 要】
：
飞机尾流是飞机飞行时在其后方产生的一对反向旋转的强烈湍流,对后续飞机飞行以及机场安全起降影响极大,其演化趋势的预测已成为空中交通安全管制的瓶颈,亟需发展基于实时探测数据的飞机尾流行为预测技术。在雷达探测反演得到的尾流涡心位置和速度环量等特征参数基础上,开展飞机尾流行为预测分析,能够预知飞机尾流危害区域,为机场安全起降动态间隔标准制定提供技术支撑。该文结合风场线性切变和最小二乘拟合方法构建了参数化尾流行为预测模型,解决了经典尾流预测模型气象环境参数未随时间演化实时调整的问题。该文根据复杂风场非线性演化特点,
【机 构】
：
国防科技大学电子科学学院,香港天文台
【基金项目】
：
国家自然科学基金(61490649,61771479,61625108),湖南省杰出青年基金(2018JJ1030)。
论文部分内容阅读
飞机尾流是飞机飞行时在其后方产生的一对反向旋转的强烈湍流,对后续飞机飞行以及机场安全起降影响极大,其演化趋势的预测已成为空中交通安全管制的瓶颈,亟需发展基于实时探测数据的飞机尾流行为预测技术。在雷达探测反演得到的尾流涡心位置和速度环量等特征参数基础上,开展飞机尾流行为预测分析,能够预知飞机尾流危害区域,为机场安全起降动态间隔标准制定提供技术支撑。该文结合风场线性切变和最小二乘拟合方法构建了参数化尾流行为预测模型,解决了经典尾流预测模型气象环境参数未随时间演化实时调整的问题。该文根据复杂风场非线性演化特点,
其他文献
全量法和增量法是进行基坑设计计算的两种截然不同的方法,长期以来,对于在基坑设计中应采用全量法还是增量法,行业内存在明显争议.本文首先给出了全量法和增量法的力和位移的
徐州东站扩建项目使用功能主要为侧式站房和高架候车室,整体结构由下部钢筋混凝土框架及上部大跨度钢屋盖组成,钢屋盖平面投影尺寸为191m×227m.高架候车区钢屋盖跨度75m采用
目前深度学习技术在SAR图像的船舶检测中已取得显著的成果,但针对SAR船舶图像中复杂多变的背景环境,如何准确高效地提取目标特征,提升检测精度与检测速度仍存在着巨大的挑战。针对上述问题,该文提出了一种多尺度特征融合与特征通道关系校准的SAR图像船舶检测算法。在Faster R-CNN的基础上,首先通过引入通道注意力机制对特征提取网络进行特征间通道关系校准,提高网络对复杂场景下船舶目标特征提取的表达能力;其次,不同于原始的基于单一尺度特征生成候选区域的方法,该文基于神经架构搜索算法引入改进的特征金字塔结构,高
奥氏体-铁素体双相不锈钢在300~1 000℃范围内会在晶界、相界及其周边区域析出σ相、χ相、R相、碳化物及氮化物等第二相,并导致晶界或析出相周边形成贫铬区,在特定环境下具有一定的晶间腐蚀敏感性,需在试验室进行准确测定。概述了奥氏体-铁素体双相不锈钢的试验室晶间腐蚀试验方法,包括化学浸泡法和电化学方法,并提出了试验中需要注意的问题,为腐蚀测试工作者提供参考。
针对极化合成孔径雷达(极化SAR)图像地物分类中标注样本数量少的问题,该文提出一种基于空间-通道选择性卷积核全卷积网络(SCSKFCN)和预选-联合优化半监督学习(SPUO)的极化SAR图像地物分类方法。SCSKFCN通过使用空间和通道注意力机制,对不同感受野的特征进行自适应加权融合,有效提升了模型的分类性能。SPUO能够高效地利用标注样本,挖掘无标注样本中蕴含的信息。它采用K-Wishart距离进行样本预选并生成伪标签,然后在联合优化阶段使用真实标注样本和伪标注样本同时对模型进行优化。在模型优化过程中,
SAR图像多尺度目标检测能够实现大场景SAR图像中关键目标的定位与识别,是SAR图像解译的关键技术之一。然而针对尺寸相差较大的SAR目标的同时检测,即跨尺度目标检测问题,现有目标检测方法难以实现。该文提出一种基于特征转移金字塔网络(FTPN)的SAR图像跨尺度目标检测方法。在特征提取阶段采用特征转移方法,实现各层特征图的有效连接,实现不同尺度特征图的提取;同时采用空洞卷积群方法,增大特征提取的感受野,促使网络提取到大尺度目标特征。上述环节能够有效保留不同尺寸目标特征,从而实现SAR图像中跨尺度目标的同时检
按照SY/T 5992-2012设计的钢管静水压爆破试验设备仅限于计算钢管内的压力值,不能自动获得钢管的屈服强度及斜率。依据AS/NZS 2885.5:2012的检测方法,借助钢管静水压爆破试验设备,对试验采集到的原始数据采用Excel软件绘制成压力-进水量曲线和钢管的应力-应变曲线并进行分析,用Excel软件实现了爆破点的1/2斜率屈服强度和实际斜率的计算,结合绘图软件实现了各屈服强度的定量化求取。结果表明:用以上方法所求取的管通的各种屈服强度与实际拉伸试验得到的数据基本一致。该方法可以为按照SY/T
三维成像是合成孔径雷达技术发展的前沿趋势之一,目前的SAR三维成像体制主要包括层析和阵列干涉,但面临数据采集周期长或系统过于复杂的问题,为此该文提出了SAR微波视觉三维成像的新技术思路,即充分挖掘利用SAR微波散射机制和图像视觉语义中蕴含的三维线索,并将其与SAR成像模型有效结合,以显著降低SAR三维成像的系统复杂度,实现高效能、低成本的SAR三维成像。为推动SAR微波视觉三维成像理论技术的发展,在国家自然科学基金重大项目支持下,拟构建一个比较完整的SAR微波视觉三维成像数据集。该文概述了该数据集的构成和
近年来,以卷积神经网络为代表的深度识别模型取得重要突破,不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征,依赖大规模高质量训练数据,只能提供有限的可靠性能保证。深度卷积神经网络图像识别模型很容易被视觉不可感知的微小对抗扰动欺骗,给其在医疗、安防、自动驾驶和军事等安全敏感领域的广泛部署带来巨大隐患。该文首先从信息安全角度分析了基于深度卷积神经网络的图像识别系统潜在安全风险,并重点讨论了投毒攻击和逃避攻击特性及对抗脆弱性成因;其次给出了对抗
机载合成孔径雷达(SAR)定位误差不仅受载机位置/速度测量误差、系统时间误差等的影响,还与运动补偿残余误差有关。然而现有机载SAR定位模型很少考虑运动补偿误差的影响。该文针对实际中普遍存在的含运动误差和载机航迹测量误差的情况,结合运动补偿和频域成像算法,推导了机载SAR图像定位误差传递模型,阐明了运动补偿残余误差影响下航迹测量误差对定位偏差的影响方式,并基于该模型给出了载机航迹测量误差的标定方法。仿真实验验证了该定位误差传递模型的正确性,相比于不考虑运动补偿残余误差的定位模型,得到了更高精度的航迹测量误差