卷积神经网络在流场重构研究中的进展

近年来, 随着深度学习在图像处理、语音识别、自动驾驶、自然语言处理等领域迅速发展, 该技术也被越来越广泛地应用于处理具有复杂非线性、高维度、大数据量等特点的流体力学方向. 传统的方法无法有效地处理这些庞大的数据, 深度学习因其具有强大的函数拟合能力, 可以从大量的数据中挖掘有用的信息. 当前, 流体力学深度学习技术有了初步的一些研究成果, 在流动信息特征提取、多源数据信息融合及流场的智能重构等方面具有重要的工程价值, 其应用潜力逐渐得到证实. 如何利用地面风洞试验、数值模拟及飞行试验获取的数据进行深入挖掘, 快速智能感知及重构流场, 可为主动流动控制提供重要指导. 本文主要从深度学习不同类型的网络结构出发探讨了卷积神经网络在流场重构中的研究进展, 文章首先介绍卷积神经网络的一些基本概念以及基本网络结构, 之后简要介绍流场超分辨率重构网络、端到端的映射网络、长短期记忆网络的基本结构与理论, 并详细归纳出他们的改进形式在流场重构领域的一系列研究进展与成果, 最后对文章做出总结并探讨了流场重构深度学习技术所面临的挑战与展望.      

改进的Kriging技术实时重构区域电离层foF2的分布

改进了kriging技术重构电离层F2层临界频率foF2的方法,利用国际参考电离层IRI-2001模型作为背景场,通过拟合国际参考电离层模型得到“等效太阳黑子数”,并利用kriging技术来完成区域电离层的重构,是区域电离层重构的一种方法,它适合重构区域内电离层探测站较少的情况。与直接利用实测临界频率进行kriging重构相比,改进的kriging技术提高了重构的精度和稳健性。也表明了背景电离层模型在电离层重构中的重要作用。     

基于FMQL的双通道局部重构技术研究

针对双通道通信设备多波形同时独立运行的复杂需求,研究并提出了一种基于FMQL的双通道局部重构架构,该架构设计了多组件通信机制、重构波形加载流程、逻辑资源分配方法、波形接口和标识、重构解耦机制、时钟管理以及组件管理方法等。项目应用结果表明,双通道局部重构波形加载和卸载功能正常,相较于传统方法,所提方法的波形支持能力、波形加载速度、逻辑资源利用率均大幅提升。目前,该技术已在航空通信多型设备中得到应用,具有较强的实用性。     

无人机自主编队飞行控制的技术问题

从未来无人机的性能需求出发,详细描述了无人机编队飞行的功能特点和核心技术。根据无人机的任务要求,将编队飞行分为作战编队、侦察编队和混合协同编队,同时研究了编队飞行控制的关键技术,并对无人机编队重构技术进行了探讨和分析。     

基于庞加莱截面的语音基音检测

提出了利用庞加莱截面检测语音信号基音的方法,通过延时重构语音信号的相空间,在相空间内计算通过某点的庞加莱截面,根据相轨迹穿过截面上初始点邻域交点进行基音检测;实验表明,基于庞加莱截面的语音信号的方法,描述语音信号的非线性特性具有较高的准确性和时间分辨率。     

基于形状匹配变形模型的三维人脸重构

为了从多幅人脸图像构造三维人脸结构,通常需要自动提取不同图像中的对应特征点,这往往是很难完成的.为了避免这个困难,本文建立了一个基于形状匹配的三维变形模型,在保证形状最佳匹配的条件下,实现对人脸图像姿态的估计和三维人脸重构.模型采用径向基函数对通用头部模型进行变形,用形状上下文来描述点之间的形状相似性,形状距离用来描述头部模型和人脸图像整体形状上的相似性,从而实现形状最佳匹配意义上的三维重构.实验表明,本文的算法只需要在人脸图像中提取特征点集,不需进行配准,就可以恢复出令人满意的三维头部结构.     

星载SAR DPCMAB技术的方位向非均匀采样研究

在星载SAR分离相位中心方位多波束(DPCMAB)系统中,发射脉冲盲区和星下点回波盲区的存在会引起方位向非均匀采样,从而在方位向冲激响应的主瓣两侧产生不期望的尖峰。该文采用Spectral-Fit法和时域重构法在不影响图像性能的基础上,消除了非均匀采样带来的影响。最后通过对两者运算量的分析,指出时域重构法优于Spectral-Fit法。     

正交匹配追踪算法的迭代残差重建方法

正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法是一种重要的压缩感知重构算法. OMP算法在每次迭代中选择与当前残差最相关的原子. 针对每次迭代需要重新计算残差的问题, 本文考虑偶数次迭代下残差未知的情况. 首先, 研究了奇数次迭代的残差与下一次迭代的残差之间的关系, 得到了一种偶数次迭代时选择原子的标准. 然后, 引入一种回溯机制来处理前面所得的迭代结果, 这种机制通过剔除其中多余的原子来实现精确重建. 据此, 提出了可减少计算残差的改进型正交匹配追踪算法.     

基于两步迭代收缩法的多稀疏空间图像快速重构方法

由于多稀疏空间图像重构时,像素范围选取过大、峰值信噪比低以及重构时间长,导致图像重构方法存在重构效果差的问题,提出基于两步迭代收缩法的多稀疏空间图像快速重构方法。明确多稀疏空间图像重构存在的问题,在明确问题后,以迭代收缩阈值算法为基础,引入迭代加权收缩算法,结合每一轮迭代结果作为初值,完成图像重构的两步迭代收缩法设计,实现多稀疏空间图像快速重构。实验结果表明：应用该方法后的重构多稀疏空间图像峰值信噪比达到37.9 dB以上,图像重构时间仅为16.0 ms,图像结构相似性达到了0.98以上,并且重构多稀疏空间图像的效果更好,经过实验分析证实了所提方法具备可行性。     

退役动力电池双层均衡方法研究

针对如何提高退役电池组均衡速度,提出了一种双层均衡电路,底层电路采用基于电感的Buck-Boost均衡电路结构,顶层电路采用可重构电路结构。根据开路电压（OCV）和电池荷电状态（SOC）曲线关系采用分段均衡控制策略。设计双层均衡电路的仿真实验,仿真实验结果表明：在电池参数相同情况下,与传统Buck-Boost均衡电路相比,双层电路均衡时间减少25%,有效提高了电池组均衡速度。在电池状态和均衡电路结构相同的情况下,与单一变量的均衡策略相比,SOC-电压分段均衡策略时间减少11%,验证了该均衡方案可行性。