某型惯性传感器启动电路故障的原因分析

惯性传感器是某型飞机的重要传感器,其向飞机提供俯仰、倾斜、航向等姿态信息,是飞机导航系统中重要的组成部分。分析一种惯性传感器的启动电路典型故障,利用失效分析的手段对故障的电容器进行分析,得出其故障的主要原因并制定出后续的改进措施,对提高产品的修理可靠性有指导性的意义。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题，提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先，利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图，使得目标区域信息增强；其次，结合舰船目标先验信息（长短轴、面积等），利用多级阈值划分算法提取关注的显著区域，并确定原图中候选目标区域；最后，利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割，结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较，结果表明，相比直接进行全图目标搜索的方法，所提方法不仅准确率高、执行速度快，且检测目标的位置更加精确。     

利用改进特征金字塔模型的SAR图像多目标船舶检测

深度学习模型中的特征金字塔网络（Feature Pyramid Network，FPN）常被用作合成孔径雷达（Synthetic Aperture Radar，SAR）图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题，提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN（Region Proposal Network）并映射成新的特征空间用于目标检测，然后利用基于形状相似度距离（Shape Similar Distance,SSD）度量的Kmeans聚类算法优化FPN的初始锚点框，并使用SAR船舶数据集测试。实验结果表明，所提算法目标检测精确率达到98.62%，在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比，模型准确率提高，整体性能更好。     

多传感器长途客车智能新风系统设计研究

本研究设计了一种结合二氧化碳传感器、PM2.5粉尘传感器、TVOC传感器来实现智能更新长途客车封闭空间内污浊空气的长途客车车载新风系统。本系统由各项传感器实时采集车厢内CO2、PM2.5、TVOC等数据上传至单片机,单片机判断各项数据是否超过设定阈值,若超过设定阈值,新风系统自动工作改变进、排风量;反之,新风系统不工作,实现智能控制。实验证明,本系统具有明显地改善长途客车内空气质量的效果,能够更好地保护人体健康。     

化工企业火灾信号模拟设计

传感器网络广泛应用于火灾监测系统之中。而对于化工企业,由于情况复杂,需要设置多种探测器。文章介绍了传感器各种形式和特点,通过贝叶斯网络和D-S理论建立温度传感器、烟雾传感器、氢气传感器数据模型,并通过数据合成,计算了火灾能否发生的概率。     

基于无线生理传感器与虚拟现实技术的复愈性环境注意力恢复作用研究

基于卡普兰复愈性环境理论，运用脑机接口设备、智能腕带传感器等无线生理指标检测技术，测试大学生被试人群在沉浸式虚拟现实(VR)情境下，对4种复愈性环境及城市环境在注意力恢复和压力减轻方面的反应及其作用强度，获得被试在不同环境中脑电、心率、肌电的客观生理数据。采用非参数统计方法R语言对数据进行分析。结果显示，多数被试在复愈性环境中较城市环境表现出更好的注意力恢复效果。其中具有逃离性和迷人性特征的自然环境，复愈效果最为明显；在虚拟现实环境中，观赏城市环境图片也具有一定的复愈效果。     

基于深度学习的跳频信号识别

针对跳频信号分选存在人工提取参数特征具有复杂性的问题，提出了一种基于深度学习的识别方法。首先对跳频信号进行短时傅里叶变换，得到二维的时频矩阵；接着提取信号的轮廓特征，构造三维矩阵作等高线图，并对等高线图进行预处理；最后把预处理后的等高线图输入到卷积神经网络中进行训练、测试，进而实现分类识别。仿真结果表明，在不需要复杂的人工提取参数特征的基础上，在分选率为100〖WT《Times New Roman》〗%〖WTBZ〗时，所提方法经裁剪处理下的信噪比为-15 dB，比支持向量机和传统K-Means聚类算法都低10 dB。实测数据的算法验证表明，所提方法能够将大疆精灵4Pro、hm无人机、司马航模X8HW以及大疆悟2这四类无人机正确分类。     

基于图形小波变换的遥感图像表示与去噪

离散小波变换（Discrete Wavelet Transform，DWT）通常用于图像的表示。然而，对于具有不规则形状边缘的图像，尤其是对于纹理和细节信息较多的遥感图像，DWT却很难有效表示，进而影响后续去噪效果。针对该问题，提出了一种基于图形小波变换（Graphic Wavelet Transform，GWT）的图像去噪方法。首先，将图像表示为图形信号，并通过该图形信号的谱表示构造相应的变换矩阵；然后，设计了一种改进自适应阈值的图像去噪方法，在GWT变换域内对图像去噪。实验结果表明，与常用的图像去噪方法相比，所提算法能够提供更好的图像主观质量。采用均方根误差（Root Mean Square Error，RMSE）和峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）作为客观指标，结果表明，采用所提方法得到的重建图像客观质量更优。