民航领域5G加速推进背景下通信原理与系统课程教学改革

中国交通教育研究会“十四五”交通教育科研发展规划中明确指出,大力开展5G加速推进背景下专业课程教学创新方面的研究。中国民航大学通信原理与系统课程组立足民航发展需求,紧跟技术进步和行业发展的趋势,重组教学内容,深拓教学资源,探索多元化考核方式,开展“行业为要、内容为新”的课程教学改革,为民航5G加速推进背景下的课程建设提供参考和应用实践。

空管系统中高可靠性双网冗余方法研究

为了提高空管系统网络的可靠性,满足空管系统对网络的特殊需求,针对一种基于空管系统的高可靠性双网冗余方法进行了研究。在分析双网拓扑结构的基础上,详细介绍了网络状态监控模块和网络数据冗余模块。网络状态监控模块向核心交换设备发送探测包监测网络状态,并根据网络出现故障和网络故障恢复情况自动实施网络切换;网络数据冗余模块根据网络状况选择合适的传输路径将一份数据在双网上同时传输,实现数据的双网冗余,并在接收端采用数据过滤机制避免数据重收,保障网络切换的无缝性。实验结果表明,该方法具有高可靠性、部署简单、实施方便等特点,符合空管系统的要求。

基于衰减因子的双通道神经网络图像分类算法

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。

一种嵌入式电子邮件系统的设计与实现

电子邮件是Internet上最早出现的服务之一。随着嵌入式产品成为Internet主要的信息终端之一,嵌入式电子邮件系统的开发也就势在必行。详细介绍了一种在网络电视上使用的嵌入式电子邮件系统的设计方案和实现方法。

特征结合和相关反馈技术在医学图像检索中的应用

本文在单一检索的基础上,对基于灰度直方图的颜色特征,基于小波变换的纹理特征和基于不变矩的形状特征进行融合。为了使用户能够参与检索过程,又引入了相关反馈机制,通过调整权值使得检索的结果最终满足用户的检索要求。最后分别给出基于单一特征,特征融合和相关反馈方法的查准率和查全率,并对试验结果进行分析。

基于团簇随机连接的CliqueNet航班延误预测模型

针对目前民航运输业延误率较高,而传统算法难以解决高精度延误预测的问题,提出一种基于随机连接团簇网络(CliqueNet)航班延误预测模型。该模型首先对航班数据和相关气象数据进行融合;然后,充分利用改进后的网络模型对融合后的数据集进行特征提取;最后,使用Softmax分类器进行航班离港延误各等级的高精度预测。模型的主要特点是:在团簇特征层的随机连接,以及在转换层引入通道和空间注意力残差(CSAR)模块。前者以更为有效的连接方式传递特征信息;后者则对特征信息进行通道和空间维度的双重标定,以提高准确率。实验结果表明,对融合数据进行预测,引入随机连接和CSAR模块后,新模型的准确率分别提高了0.5%、1.3%,最终准确率能达到93.40%。

基于自定义脚本的适配参数系统的设计与实现

为解决传统的适配参数系统无法灵活配置的问题,提出一种基于自定义脚本的实现方法。根据通航飞行服务站中适配参数的特点,设计一套用于描述界面布局和参数格式的脚本语句,将所有的界面及参数格式信息全部写入自定义脚本中,通过自行开发的脚本解释器对其进行解析,实现适配参数系统界面及参数格式的灵活配置,具有使用简单、维护成本低等优点。将该软件应用于自主研制的通航飞行服务站中,其测试结果良好,验证了该方案的可行性。

基于区域残差和LSTM网络的机场延误预测模型

针对目前民航运输业对机场延误预测高精度的要求,提出一种基于区域残差和长短时记忆(RR-LSTM)网络的机场延误预测模型。首先,将机场的属性信息、气象信息和相关运行航班信息进行融合;然后,利用RR-LSTM网络对融合后的机场数据集进行特征提取;最后,构建Softmax分类器对机场延误分类预测。所提RR-LSTM网络模型既能有效提取机场延误数据的时间相关性,又能避免深层LSTM网络的梯度消失问题。实验结果表明,RR-LSTM网络模型预测准确率可达95.52%,取得了比传统网络模型更好的预测效果。其中,融合机场的气象信息和相关运行航班信息后,预测准确率可提高约11%。

基于Skip-LSTM的机场群延误预测模型

针对目前机场群发展不平衡,国际枢纽机场的延误率居高不下,航班时刻短缺,资源紧张,而区域枢纽机场却存在资源空闲的问题,提出一种基于跳过门的长短时记忆网络(Skip-LSTM,Skip Long Short Term Memory)的机场群延误预测模型。该模型首先将机场群中各个机场的信息,机场群航班信息以及机场群地区的气象信息进行融合及处理,然后搭建Skip-LSTM网络对融合后的数据信息进行特征提取,最后利用Softmax分类器对机场群的延误状况进行分类预测。Skip-LSTM网络在传统的长短时记忆网络(LSTM,Long Short Term Memory)的基础上增加了Skip门,能更加充分地提取机场群数据信息的时间相关性,获得更高的准确率。实验结果表明,基于Skip-LSTM的机场群延误预测模型的准确率可达95.35%,预测性能优于传统的网络模型,能对机场群的延误状况进行有效的预测。

一种基于轮廓形状的胸部医学图像插值方法

层间插值是三维重建的一个重要步骤,一般分为灰度插值和基于形状的插值两种。该文针对胸部医学图像的特点,给出一种基于轮廓形状的插值方法。实验结果表明,此算法得到的插值结果突出了体表和肺部的轮廓,很好地解决了直接线性灰度插值造成的轮廓严重模糊的现象,结果令人满意。

基于轻量化网络MobileNetV2的航班延误预测模型

针对民航业中航班延误状况的日益凸显,传统算法存在准确率低、计算量以及参数量大的问题,且面对旅客主要使用移动设备查询的需求,传统算法难以直接部署在移动端,本文提出一种基于轻量化网络MobileNetV2的航班延误预测模型。模型首先对数据集做数据融合、编码等预处理;然后将其输入到网络中进行特征提取;最后利用Softmax分类器输出航班延误等级。应用于国内数据集,准确率最高为99.07%,模型参数量为1.31Million、计算量为40.58Million。本文模型在保障准确率的同时,尽可能降低模型的参数量和计算量,其性能优于传统网络,有助于在移动端实现航班延误预测。

基于时空序列的Conv-LSTM航班延误预测模型

精准的航班延误预测结果可以为大面积航班延误的预防提供巨大的参考价值。航班延误预测是在特定空间下做时间序列预测,然而目前已有预测方法多为两种或多种算法的结合,存在算法间的融合问题。针对上述问题,提出了一种综合考虑时空序列的卷积长短时记忆(Conv-LSTM)网络航班延误预测模型。所提模型在长短时记忆(LSTM)网络提取时间特征的基础上,将网络的输入和权重矩阵进行卷积来提取空间特征,从而充分利用数据集包含的时间和空间信息。实验结果表明,与LSTM、仅考虑空间信息的卷积神经网络(CNN)模型相比,Conv-LSTM模型的准确率分别提高了0.65个百分点和2.36个百分点。由此可见,同时考虑时空特性可以在航班延误问题中获得更精确的预测结果。此外,基于所提模型设计并实现了基于浏览器/服务器(B/S)架构的航班延误分析系统,并且该系统也可以应用于空中交通管理局流量控制中心。

基于混合编码和长短时记忆网络的机场延误预测方法

为充分利用机场延误状态信息的时间相关性,提高机场延误预测精度,提出一种基于混合编码和长短时记忆网络(Long Short Term Memory,LSTM)的机场延误预测方法。该方法首先将机场信息、航班信息和气象信息进行数据预处理,得到机场延误数据;然后,利用LSTM网络对机场延误数据进行特征提取;最后,构建Softmax分类器对机场延误分类预测。实验结果表明,本文基于机场延误数据在数据预处理阶段提出的混合编码方法,可使预测准确率提高约5%。同时,利用LSTM网络来提取数据的时间相关特征信息,网络模型的预测准确率最终可达94.01%。并且利用不同机场数据对网络的普适性分析结果表明,该算法更适合于原始数据量大的中大型枢纽机场。

基于国际航空认证标准的立体化课程体系搭建

中国民航大学的电子信息工程专业2021年顺利通过国际航空认证委员会(Aviation Accreditation Board International,AABI)专业认证。该文重点介绍基于国际航空认证标准的电子信息工程专业立体化课程体系搭建,并举例一门典型的航空核心课程,介绍基于AABI的课程建设和持续改进的过程。最后,给出基于AABI认证的专业建设的一些思考。

民航特色的“数据通信与计算机网络”课程教改

"数据通信与计算机网络"是我校通信工程专业一门重要的专业基础课程。本文针对现有课程实践环节少,与民航结合较差的缺点,不仅整合了通导监视人才培养项目ATSEP课程中的相关内容,而且将与民航相关的科研项目应用到课堂教学中。通过基于ATSEP培训和科研项目的课程实践化改革,加强了教学的实用性,使课堂教学更加贴近民航特色。

基于I^2C总线技术的网络电视的设计与实现

网络电视是传统的电视机与嵌入式系统相结合的产物。如何完成两者的通信是设计网络电视必须解决的关键技术之一。在讨论了I2 C总线特点的基础上 ,给出了利用I2

PDA线务通的设计与实现

PDA线务通是一种融合了PDA技术、短信技术、电信业务技术和嵌入式技术于一体的新型信息终端 ,它通过与有线电话网 (PSTN)的连接来实现语音通话、文本数据收发等各种功能。本文给出该系统设计方案和实现方法。

基于多任务NR-DenseNet网络的航班延误预测模型

不同于目前大多数只倾向于研究单一的分类或回归任务的航班延误预测方法,该文提出一种基于多任务NR-DenseNet网络的航班延误预测模型,旨在同时实现航班延误等级分类预测与延误时间回归预测。首先,预处理相关数据;其次,建立多任务学习特征提取共享层,使用NR-DenseNet网络提取任务之间的共享参数,深度挖掘任务之间的相关特征;然后,建立多任务学习特定任务层,通过回归器与分类器分别输出特定任务的预测结果;最后,采用损失加权方法对两个任务损失函数进行优化,平衡任务间的收敛速度,提高模型泛化性。将模型应用在宁波机场数据集中,与单任务模型相比回归任务平均MSE降低了23.4%,平均MAE降低了14.2%,分类平均准确率提升了2.7%。实验结果表明,该文方法提升了分类任务的准确率降低了回归任务的误差,可以有效提升模型性能。

融合注意力机制SimAM的CNN-MogrifierLSTM航班延误波及预测

连续航班中的延误波及往往会引起大规模的航班延误产生,提前对航班延误波及问题进行预测可以为民航部门提供有效参考,减少相关的经济损失。本文首先对航班数据进行清洗与数据融合,针对空管部门实际航班运行情况提出强空间航班链数据集与强时序航班链数据集两种不同的构造方法;然后根据航班延误波及传播的空时特性提出融合注意力机制SimAM的CNN-MogrifierLSTM网络模型,先使用卷积神经网络(Convolutional Neural Network,CNN)结合注意力机制SimAM模块对空间特征进行提取,再用形变的长短时记忆网络(Mogrifier Recurrent Neural Network,MogrifierLSTM)对时序信息进行学习;最后使用Softmax分类器对延误等级进行分类预测。本文提出的预测方法,在航班延误波及进行预测的实验中取得了93.16%的准确率,相比单独使用CNN或LSTM大有提升,加上SimAM注意力机制后相比CNN-MogrifierLSTM网络在不同数据集上准确率也提升了0.6%左右。

一种嵌入式Internet信息终端的设计与实现

目前以嵌入式系统为核心的嵌入式产品已成为Internet主要的信息终端之一。给出了一种嵌入式Internet信息终端--EPG(Electronic Program Guide电子节目指南)网络电视的设计方案与实现方法。