基于改进深度学习的航拍滑坡检测方法

为及时发现滑坡险情展开应急救援,提出一种结合逐通道不同阈值的深度残差收缩网络(DRSN-CW)方法的更快速区域卷积神经网络(Faster-RCNN)模型的航拍图像滑坡检测算法。利用图像增强的伽马变换、高斯滤波方法提高图片的质量;使用群组归一化方法消除batchsize大小对模型的影响;为减少噪声以及无关特征区域的干扰,采用DRSN-CW网络对滑坡检测目标进行精准定位。实验结果表明,改进后模型与先前模型相比F1值以及平均精度分别增加了10.7%、10.2%,可以有效检测滑坡险情。

多无人机协同任务分群方案研究

针对在侦察问题中多无人机任务分群的不足,为提高其效率,提出了基于模拟退火思想的改进K均值聚类算法的多无人机协同任务分群方法。文中建立了侦察任务分群模型,对任务分群性能优化指标进行了分析。给出了优化K均值聚类算法后的模拟退火思想的改进K均值聚类算法。通过进行仿真分析,在对比算法优化前后的计算结果后发现,优化算法能使多无人机巡航时间缩短,目标群分布群内更加集中,群间更分散,且各UAV任务分配更均衡。研究表明应用模拟退火思想的改进K均值聚类算法能有效提高任务分群效率,有较大的实战价值。

无人机机载干涉阵列外场试验平台

超长波波段的电波波长为十米到几百米,如果要在超长波波段对宇宙射电信号实现高分辨率成像,天线口径通常需要达到波长数百倍乃至数千倍以上,传统的单天线方法不再适用。月球背面是在日地空间中开展超长波观测的最佳地点。空间分布式被动微波干涉成像技术的主要思想是利用分布式卫星星座,在深空实现超大的干涉测量基线替代大口径天线,实现对宇宙射电源的高分辨率成像。为促进方案优化,需在卫星在轨部署前开展充分的地面试验,对空间分布式干涉测量系统的关键技术进行验证。为消除地面试验中通信测距系统的多径效应,并实现支持多无人机编队与控制,达到cm级定位精度等要求,本文搭建了无人机机载干涉阵列外场试验平台,通过无人机搭载有效载荷,模拟多星绕月自主编队飞行,形成不同尺度的干涉基线。该平台可应用于超长波天文观测阵列(DSL),开展测距与测角等原理性验证,也可推广用于其他分布式无人机机载试验。

基于UML的无人机群支援导弹末段突防概念建模

导弹的体系突防作战需要武器装备针对敌方的预警、探测、识别、指控和拦截等多方面进行技术干扰,导弹末段飞行时由于干扰机和诱饵等设备大部在大气层中烧毁,随着无人机技术的发展,提出了将无人机群作战应用于导弹末段突防,并利用UML软件进行军事概念建模,为导弹突防策略提供可视化模型参考。