软件静态分析融合技术研究

当代军备竞技以武器技术为核心,提升武器装备质量一直以来都是研制重点.装备软件作为武器装备调度的"大脑",关键程度不言而喻.随着武器研制技术的提升,代码规模激增,对装备软件的质量检测技术手段以及效率提出更严格的要求.为弥补单一测试工具检测造成的误检、漏检,提出了基于跨语言文本聚类的静态代码测试结果融合技术,实现多类型测试...     

固体火箭发动机复合材料壳体健康监/检测方法

碳纤维增强复合材料壳体是固体火箭发动机的重要组成部分,壳体结构完整性是固体火箭发动机健康监/检测领域的重点研究对象之一.综述了近年来碳纤维复合材料及壳体无损检测和健康监测领域的方法和研究进展,总结了健康监/检测的关键技术,指出了固体火箭发动机壳体健康检测领域的发展方向.     

基于深度学习的系统异常检测综述

基于深度学习的系统异常检测可划分为：基于堆栈自编码(SAE)、基于卷积神经网络(CNN)、基于深度置信网络(DBN)、基于循环神经网络(RNN)以及基于生成对抗网络(GAN)等5类系统异常检测方法。为了梳理出当前深度学习技术在系统异常检测应用中所面临的问题以及应对方法,分别对这5种检测方法的建模思想、在系统领域的应用实现以及它们各自的特点进行了对比论述,并对深度学习在系统异常检测领域未来的发展进行了展望。     

融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法.该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像...     

基于卷积神经网络的SAR图像目标检测综述

针对合成孔径雷达(SAR)图像传统检测算法精度低、鲁棒性差等特点,对基于卷积神经网络的SAR图像目标检测算法进行归纳总结.归纳了基于CNN的目标检测框架的发展现状,并综述了其在SAR图像目标检测中的应用,分析了其应用难点与关键技术.最后结合深度学习方法在目标检测领域中的发展,对SAR图像目标检测算法的发展进行了展望.     

扇形搜索下反舰导弹末制导雷达检测性能分析

反舰导弹末制导雷达在进行自动跟踪前,首先要在方位向和距离向上对目标搜索并进行检测。末制导雷达的检测性能与脉冲积累数目、信杂比和搜索方式密切相关。针对反舰导弹末制导雷达常用的扇形搜索方式,提出一种二项式积累OS-CFAR检测算法。该方法在一个方位搜索周期内对距离向回波进行非相参积累。仿真分析表明,与常规OS-CFAR算法相比,该检测算法提高了末制导雷达的检测性能。     

增强路由器安全性的一种措施

路由器是军用电子信息系统的关键互联设备,提高路由器自身的安全性非常必要。首先对路由器涉及到的安全问题作了较为详细地分析,然后给出一种增强路由器安全性的技术措施。该措施重点处理终点包对路由器的威胁,将入侵检测模块与数据包过滤模块进行联动,通过入侵预防、入侵时的检测和响应、入侵后的快速分析与恢复等三个环节,提高路由器抗攻击的能力。最后探讨了该措施对路由器性能的影响。