GNSS阵列接收机信号解扩前的欺骗干扰检测算法

为了降低天线阵接收机欺骗干扰检测方法的计算量,提出一种信号解扩前的欺骗干扰检测方法。该方法利用不同天线上信号和噪声相关性的差异,在信号解扩前估计其功率,从而进行欺骗干扰检测。仿真结果表明,该方法在降低运算量的同时,具有良好的检测性能。     

机动管线顺序输送混油浓度检测装置研究

在管线顺序输送中,基于油品密度的混油浓度检测技术的应用最为广泛。根据机动管线的使用特点和要求,提出了几种适合机动管线的混油浓度检测方案,进行了分析比较,并设计了一种新型测力式混油浓度检测装置。该装置主体结构采用自力机械式结构。原理简单,无需外部电源,操作使用、维修保养方便。     

多传感器布局和目标跟踪精度分析

基于目标位置估计的Cramer-Rao限和几何精度稀释(GDOP)来研究组网的多异质非线性传感器系统中,传感器和目标的相对位置对目标跟踪精度的影响.分析表明,除了传感器的测量误差、目标的距离外,传感器到目标视线的夹角大小对目标跟踪精度也有一定的影响,影响的大小和传感器的横向径向测量误差的比值大小有关.结合工程应用,分别对2个和3个不同类型的传感器组合进行了讨论.     

基于尺度无关损失优化的无锚图像目标检测

遥感影像中的目标检测是图像分析领域的一个基本而又具有挑战性的问题,特别是针对任意对象的海上目标检测近年来受到广泛关注。针对任意对象的图像目标尺度和形状不规则导致的目标检测参数敏感以及复杂背景和密集排列在非极大值抑制过程中出现假阴性的问题,提出了基于尺度基于尺度无关损失优化的无锚图像目标检测算法。将旋转边界框回归引入到典型的无锚网络全卷积单级目标检测器中,提出了与尺度无关的GIoU (SGIoU)损失用于图像目标检测的边界框回归,可以快速将预测框的形状调整为开始时与真实相似的形状,解决回归损失函数与检测器最终最优目标之间的不相容性的问题,并在回归过程中加快收敛速度。数据集实验表明：本方法在各类别P-R曲线下面积的平均值(mAP),优于现有的广义交并比(GIoU)损失函数和完全交并比(CIoU)损失函数函数。     

基于GAN的入侵检测系统对抗样本生成模型

随着人工智能技术的兴起,基于深度学习的网络入侵检测系统已广泛应用,但神经网络模型很容易受到对抗扰动的影响。攻击者通过在网络流量中添加微小的扰动来构建对抗样本,使得入侵检测系统对其错误分类。论文基于GAN进行设计与改进,提出了一种对抗样本生成模型AdvWGAN,该模型针对恶意流量生成满足网络流量特性的对抗性恶意流量,并对黑盒入侵检测系统进行对抗攻击。实验表明：AdvWGAN能够在保证网络流量真实有效的前提下实现对深度学习入侵检测模型的有效黑盒攻击。