一部发展和改革的总纲领——国办转发国防科技工业“十一五”发展和改革意见

国防科技工业“十一五”奋斗目标:紧紧抓住战略机遇期,以改革和创新为突破口,全面增强自主创新能力、高新技术武器装备供给能力和军民结合高技术产业发展能力,初步形成以能力为基础,体制机制完善,小核心、大协作、高水平、可持续的新型国防科技工业体系,逐步转变经济增长方式,实现平稳较快发展。     

基于B样条的手指静脉结构描述方法*

针对现有手指静脉结构描述方法无法充分描述手指静脉结构中具有显著性和稳健性的线结构的问题,提出一种基于B样条的手指静脉结构描述方法。对于细化后的手指静脉纹路,该方法首先采用线段扫描方式获取各静脉分支上目标点的坐标集合,然后采用B样条曲线拟合各条静脉分支,最后求取各B样条曲线的控制点坐标,用其描述手指静脉的线结构。结果表明,采用本文方法描述手指静脉结构误差小、存储空间占用小,可以有效描述手指静脉线结构,并提高手指静脉的识别率。     

舰载雷达变频方式及变频使用策略研究

雷达变频方式的使用一直缺乏有效的理论依据和指导方法,针对这一问题,从天线增益、馈线损耗、发射机放大链增益、大气衰减和动目标检测等方面,分析了频率变化对舰载雷达系统性能的不利影响;从RCS起伏、海杂波抑制、二次回波消除以及波瓣盲区互补等方面,探讨了频率捷变对舰载雷达检测性能的有利影响.然后,分析了舰载雷达的变频工作方式;...     

近地卫星Ka频段数传链路抗雨衰ACM模式设计

针对近地卫星数传时的信道时变性和严重的Ka频段雨衰现象,采用自适应编码调制（ACM）技术能够充分利用链路资源,相对于传统的固定编码调制方式,进一步提高了链路的数据吞吐量。提出了近地卫星Ka频段数传链路ACM模式设计方法,在降雨环境下建立Ka频段数传链路模型,根据信道状况确定ACM选用模式;采用基于导频符号的最大似然信噪比估计算法结合移动平均的平滑方法实现信道估计,有效地减小了估计值的波动。仿真结果表明,无论晴天还是雨天,采用提出的卫星数传链路ACM模式设计方法,能够在保证系统可靠性的同时获取较高的数据吞吐量。     

无人机系统发展阶段和智能化趋势

本文根据无人机系统的主要技术特征对其发展阶段进行了分析概括,并对其智能化趋势进行了展望.首先,通过分析无人机系统的百余年发展历程和核心特点,将无人机系统的发展划分为萌芽起步阶段、初步发展阶段、崛起发展阶段、蓬勃发展阶段、稳步发展阶段和智能化发展阶段;其次,从主要特征、使命任务、任务载荷、导航系统和控制方式等角度对各个阶...     

基于雾计算的路网-野区路径规划研究

针对路网、野区联合路径规划需求,提出了在雾计算平台上的路网-野区无缝衔接的路径规划方法,适用于路径规划区域同时覆盖城市道路与野区的情况.综合雾计算的特点,分析了路网-野区路径规划服务的应用方式.提出了适用于路网-野区环境下的启发函数,提供路径最短、时间最短两种模式的路径寻优算法.仿真和试验结果表明所提供的基于雾计算的路...     

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现.     

一种单轴旋转的车载IMU/DTU组合导航方法

长时间机动工况时,某些复杂路况和车况环境下,捷联惯导组合导航系统方位角误差将增大.基于已有组合导航算法框架,提出了一种基于单轴旋转调制的组合导航方法.采用21维IMU/DTU(里程计)误差状态构造状态方程,以捷联惯导解算的位移增量与里程计解算的位移增量之差作为观测量,Kalman滤波器融合惯导与里程计信息,利用旋转调制...     

基于参数均衡的大规模光纤水听器阵列设计

针对当前水声目标探测使用需求,以及光纤水听器阵列大规模组阵时其均衡性难以保证的问题,开展了大规模阵列光学参数均衡、PGC调制解调等关键技术研究,并进行了大规模光纤水听器阵列光学参数均衡控制设计,应用PGC调制解调技术有效解决了信号衰落.阵列测试表明:阵列元件参数挑选范围扩大的同时,512基元阵列的相位一致性较好;设计的...     

低空无人机实时探测的GCB-YOLOv5s算法

为应对无人机“黑飞”“滥飞”带来的安全威胁,迫切需要对无人机进行有效的实时探测与识别。然而由于低空无人机的灵活性、微小型化及多干扰因素等原因,传统的雷达探测等方法表现不佳。为此,基于机器视觉探测,提出了一种低空无人机实时探测的GCB-YOLOv5s算法。该算法针对经典YOLOv5算法运算速度难以满足高清实时处理的问题,使用轻量级GhostNet网络取代了YOLOv5骨干网络中的卷积运算,简化网络结构,大幅提高了计算速度;并且通过引入CA注意力机制,以及使用BiFPN双向加权特征金字塔替换颈部的PANet结构,在网络结构简化的基础上提升检测准确性。通过现地拍摄无人机在建筑、云层、树木、阴暗等不同复杂背景下的飞行姿态,结合公开数据集,对算法进行训练和测试实验。实验结果表明,GCB-YOLOv5s在参数量和浮点数计算量上均减少了近40%,且可达96.7%的精确率、96.4%的召回率和97.5%的平均精度。