战场激光防护技术

分析了战场激光威胁。从激光防护的原理和技术途径出发，论述了激光防护的方法。介绍了几种典型的激光防护装置，并对激光防护技术的发展提出了几点看法。     

光电技术在舰船中的应用

着重论述舰载光电子设备目前和今后一段时间的应用状况及发展。     

一种机载光电平台下基于几何模型的被动定位方法

现代军事冲突中,光电对抗技术得到了越来越广泛的应用,隐蔽性也是战机不可忽略的重要一环。由于发射电磁波测距容易暴露自身位置,而单站无源或被动定位技术具有体积小、自身隐蔽性好和机动性高等诸多优点,因此它在现代战争中具有重要的应用前景。按照先定位后测距的思想,从对单机载被动定位算法的角度出发,通过在大地坐标系下建立三种几何模型对比分析了所提方法与传统被动测距方法在解算速度和精度上的差异。通过对机载目标实际应用场景进行建模设计,两种算法分别在高度2 500 m、解算频率500 Hz情况下对俯仰角进行滤波后解算有效返回距离值,实验对比得出所提被动定位算法比传统被动测距方法的计算复杂度大幅降低,平均解算时间提升约56.91%,极大增加了机载目标解算频率,节省了更多计算资源,同时还保证了定位精度稳定性,能够满足实际使用需求。     

红外辐射与夜视技术

阐述红外辐射基本规律,分析红外热像仪等夜视技术的原理和特点,探讨了现代战争中红外伪装及对抗措施     

轰炸机光电对抗视景仿真系统研究与设计

针对光电对抗仿真的技术要求,研究并开发了用于轰炸机光电对抗研究与对抗策略验证的交互式视景仿真系统.首先分析了红外制导导弹的导引过程,以及常见的光电对抗仿真方法,然后对基于视景仿真软件OpenGVS的视景仿真程序开发与基于Multigen Creator的三维模型构造方法进行了介绍,在此基础上利用面向对象的软件设计方法开发了视景仿真程序.程序的功能包括轰炸机与导弹飞行过程模拟、导弹制导方式仿真、干扰弹的投放与运动仿真、干扰策略中的人机交互等.经过实际使用,所开发的轰炸机光电对抗视景仿真软件可以逼真地实现对轰炸机、导弹的飞行以及干扰弹投放过程的仿真.     

基于显著性的双鉴别器GAN图像融合算法

针对红外图像与可见光图像在不同场景的特征表达不同的问题,提出一种基于显著性的双鉴别器生成对抗网络方法,将红外与可见光的特征信息相融合。区别于传统的生成对抗网络,该算法采用双鉴别器方式分别鉴别源图像与融合图像中的显著性区域,以两幅源图像的显著性区域作为鉴别器的输入,使融合图像保留更多的显著特征;并将梯度约束引入其损失函数中,使显著对比度和丰富纹理信息保留在融合图像中。实验结果表明：本文方法在熵值(entropy, EN)、平均梯度(mean gradient, MG)、空间频率(spatial frequency, SF)及边缘强度(edge intensity, EI)4个评价指标中均优于其他对比算法。该研究实现了红外图像与可见光图像高效融合,有望在目标识别等领域中获得应用。     

基于生成对抗网络的飞机燃油数据缺失值填充方法

飞机传感器采集的燃油数据是后续燃油测量的基础。在飞行过程中,由传感器采集的数据因存在部分缺失值,如直接进行后续处理将影响燃油测量精度。现有的缺失值填充方法存在两方面问题,一方面易忽视飞机燃油时序数据在时间维度上的上下文依赖关系;另一方面缺少完整的样本数据集进行模型训练。基于此,提出了一种基于生成对抗网络的缺失值填充方法,从而有效解决了传统方法难以处理的时序数据历史隐含规律及样本不完整的问题,且填充效果较其他算法更佳。     

防御性蒸馏网络抗梯度攻击的鲁棒性分析

防御性蒸馏自提出后,由于其对梯度攻击有很好的防御效果,已被广泛用于提高神经网络的鲁棒性.但是原始蒸馏过程需要对教师和学生网络进行共两次训练,即需要双倍的算力.目前许多工作仍然基于原始的防御性蒸馏方法来增强模型的鲁棒性.文章指出,防御性蒸馏应对梯度攻击的鲁棒性仅与最大的两个logits的差值有关,而logits值与温度和损失函数值有关.学生网络向教师网络学习这一蒸馏过程并非防御性蒸馏起作用的根本原因,只需在训练时增大最大两个logits值之差即可达到防御对抗攻击的作用.文章理论推导并实验验证了上述结论,并基于logits值与温度的正相关关系设计了最佳温度的估计算法,该算法可显著减少寻找最佳温度所消耗的算力.在数据集MNIST和CIFAR-10上,文章提出的快速防御性蒸馏对梯度攻击的鲁棒性与原始防御性蒸馏相同,算法时间消耗和测试集成功率均优于原始防御性蒸馏.文章研究对于防御性蒸馏原理的理解具有理论意义,对防御性蒸馏在实际部署中算力的节省具有实际意义.     

针对口音识别中冗余特征及长尾效应的有效方法

口音识别是指在同一语种下识别不同的区域口音的过程。为了提高口音识别的准确率,我们采用了多种方法,取得了明显的效果。首先,为了解决声学特征中关键特征权重不突出的问题,引入了有效的注意力机制,并对多种注意力机制进行了比较和分析。通过模型自适应学习通道和空间维度的不同权重,提高了口音识别的性能。在Common Voice英语口音数据集上的实验结果表明,引入CBAM注意力模块是有效的,识别准确率相对提升了12.7%,精确度和F1分数相对提升了17.9%。之后,我们提出了一种树形分类方法来缓解数据集中的长尾效应,识别准确率最多相对提升了5.2%。受域对抗训练(DAT)的启发,我们尝试通过对抗学习方法剔除口音特征中的冗余信息,使得准确率最多相对提升了3.4%,召回率最多相对提升了16.9%。