临近空间武器对预警探测制导技术的挑战

临近空间进攻武器具有速度快、射程远、机动性强的特点,对未来空天安全构成重大威胁.简要综述了国内外临近空间武器的发展现状、主要特点及特性,包括高超声速巡航导弹和高速滑翔弹头两大主要威胁,从预警探测和探测制导的角度,指出了预警探测制导技术在应对临近空间进攻武器上面临的严峻挑战,提出了对其关键技术和技术途径的几点思考.     

信息融合技术在雷达组网中的应用

雷达组网是防空预警系统发展的一个重要发展方向, 其核心是信息融合技术.给出了雷达组网的概念、特点和结构模型,划分了信息融合在雷达组网中各个层次,重点阐述了雷达组网系统中检测与跟踪融合技术的应用,最后讨论了雷达组网中信息融合技术的发展前景.     

铅酸蓄电池充放电参数检测电路的仿真与设计

独立光伏系统铅酸蓄电池充放电参数的检测对于整个系统的能量控制十分重要。介绍了蓄电池充放电参数检测的特点,设计了充放电电压和电流检测电路,并基于saber仿真平台进行了检测电路的仿真,介绍了以ATmega8L单片机为核心的充放电检测系统的原理和软件设计流程。通过试验证明,系统检测误差较小,电路简单,满足了工程控制的需要,能为独立光伏系统蓄电池充放电控制策略提供准确的控制参数。     

数字信号源及其应用

本文提出了两种数字信号源的工程实现方法,即用8253与CD4046构成可编程的信号源;以及用数字频率合成器。并给出了信号源的工作原理、电路组成、基本参数选择和它们的工作特点。这两种信号源可与微计算机接口,具有较高的信号产生精度和频率稳定度。     

嵌入CPU PCB结构测试方法研究

论述了嵌入CPU印制电路板（PCB）故障测试与故障诊断的一般方法。研究表明:只要满足一定的测试性设计要求,嵌入CPU PCB采用结构化测试方法是可行的。     

基于无线局域网MAC层DOS攻击的入侵检测

为了检测无线局域网MAC层的6种DOS攻击方式,提出一种基于Hybrid特征选择和支持向量机的入侵检测算法.该算法先用混合器模式的Hybrid特征选择算法提取8个识别攻击的流量统计特征,然后利用支持向量机对待检测对象进行识别分类.通过建立仿真环境对检测模型的检测效果进行统计验证,表明检测模型在具有较高检测准确率和较低的虚警率,能够有效地检测MAC层DOS攻击,具有实用价值.     

多基地雷达在分布式压制干扰下探测区域

双基地雷达因为其收发分置有较好的抗干扰能力,从双基地雷达出发,由其雷达方程和干扰方程推导出多基地雷达探测区域的数学模型和受到分布式压制干扰探测区域的数学模型.在建立天线模型后,进行多基地雷达在有分布式干扰下和无干扰下的联合探测区域的研究与仿真,仿真结果该方法具有一定的指导和参考意义.     

制导雷达组网反隐身探测效能评估

反隐身技术现已成为国土防空预警探测领域中的研究热点。为了评估制导雷达反隐身探测效能,依据隐身目标的电磁散射特性和制导雷达相关技术参数,引入了影响制导雷达组网反隐身探测效能的两个因子:雷达探测覆盖系数和保精度系数,基于上述因子建立了单基地制导雷达反隐身探测效能评估模型,推导出了衡量单基地制导雷达组网反隐身探测效能评估的数学表达式,通过仿真验证了该方法的合理性。该仿真结果为雷达组网探测隐身飞机目标提供了理论参考。     

基于概率分布的硬件木马检测特征选择方法

针对基于旁路信号分析的硬件木马检测中存在的高维以及信号冗余度高等问题,寻求一种特征选择方法在降维、降低冗余度方面的可行性,通过考虑样本概率的分布情况,提出了一种以散度和Bhattacharyya距离作为可分性判据的特征选择方法。首先分析了旁路信号的特征选择问题,然后阐述了基于散度和Bhattacharyya距离的可分性判据,最后在FPGA中植入硬件木马,采用K-L方法进行实验,通过对样本特征选择前后的检测效果发现,这种特征选择方法不仅有助于分辨"金片"与含木马的待测芯片间旁路信号的统计差异,而且与分类错误率建立联系,更好地实现了硬件木马的检测。     

Bidirectional parallel multi-branch convolution feature pyramid network for target detection in aerial images of swarm UAVs

In this paper, based on a bidirectional parallel multi-branch feature pyramid network (BPMFPN), a novel one-stage object detector called BPMFPN Det is proposed for real-time detection of ground multi-scale targets by swarm unmanned aerial vehicles (UAVs). First, the bidirectional parallel multi-branch convolution modules are used to construct the feature pyramid to enhance the feature expression abilities of different scale feature layers. Next, the feature pyramid is integrated into the single-stage object detection framework to ensure real-time performance. In order to validate the effectiveness of the proposed algorithm, experiments are conducted on four datasets. For the PASCAL VOC dataset, the proposed algorithm achieves the mean average precision (mAP) of 85.4 on the VOC 2007 test set. With regard to the detection in optical remote sensing (DIOR) dataset, the proposed algorithm achieves 73.9 mAP. For vehicle detection in aerial imagery (VEDAI) dataset, the detection accuracy of small land vehicle (slv) targets reaches 97.4 mAP. For unmanned aerial vehicle detection and tracking (UAVDT) dataset, the proposed BPMFPN Det achieves the mAP of 48.75. Compared with the previous state-of-the-art methods, the results obtained by the proposed algorithm are more competitive. The experimental results demonstrate that the proposed algorithm can effectively solve the problem of real-time detection of ground multi-scale targets in aerial images of swarm UAVs.