首页期刊导航|海军航空大学学报
期刊信息/Journal information
海军航空大学学报
海军航空工程学院科研部
海军航空大学学报

海军航空工程学院科研部

钟阳春

双月刊

hjhyxb@sina.com

0535-6635441,6635480

264001

山东省烟台市二马路188号

海军航空大学学报/Journal Journal of Naval Aviation UniversityCSTPCD
查看更多>>本刊以邓小平理论,“三个代表”重要思想和科学发展观为指导,以军委新时期军事战略方针为依据,坚持“四项基本原则”,贯彻“百花齐放、百家争鸣”方针,报道最新科技成果,促进学院教学、科研、学术工作和对外学术交流,培养高素质军事人才,为军队现代化建设服务。读者主要为军内外高校师生、部队科技人员、科技院所科技人员。
正式出版
收录年代

    无需信源数先验的快速稀疏增强DOA估计方法

    高一丁吴敏郝程鹏吴永清...
    515-522页
    查看更多>>摘要:文章提出了一种无需信源数先验的超分辨波达方向(Direction of Arrival,DOA)估计方法,该方法利用稀疏增强的原子范数形式重新表征信号稀疏度,利用对数-行列式函数建立原子范数与l0原子范数的平滑关系,并通过泰勒展开形式简化其优化过程,以求解一个新的迭代加权优化问题为目标,使优化结果更加稀疏和精确;基于增强稀疏结果的信号重构Capon空间谱,从而在不需要信源先验的情况下,也可以准确估计目标的DOA.文章还针对这一特殊的迭代加权优化问题,给出了一种基于原对偶内点法的快速优化流程,问题中特殊的Toeplitz矩阵结构可以通过快速傅里叶变换技术提高计算效率.理论推导证明了该算法相较于CVX等凸优化工具,具有更快的计算效率,并且能够在信号数目未知的情况下,利用较少的快拍数实现高精度的DOA估计,具有很好的鲁棒性.实验仿真验证了该算法的有效性.

    波达方向估计连续压缩感知Toeplitz结构矩阵快速优化求解

    数据恶劣条件下的辐射源个体识别方法综述

    闫文君段可欣凌青李春雷...
    523-534页
    查看更多>>摘要:文章分析对比了数据恶劣条件下的辐射源个体识别方法.总结了包括不平衡、错误标签、小样本和弱标注4种情况下的个体识别方法,探讨了辐射源特征提取方法的优点和局限性,对方法中作为技术关键和难点的特征提取方法进行了概括,并指出深度学习在深度特征提取上的优势,以及在辐射源个体识别领域所具有的广泛应用前景,以期对各种情况下的辐射源个体识别方法做出较为全面的补充.

    辐射源个体识别不平衡识别小样本识别错误标签弱标注深度学习

    深度学习赋能的高光谱图像分类研究进展

    白林锋陈增俊周玲张妍妍...
    535-545,586页
    查看更多>>摘要:随着高光谱成像技术的发展,高光谱图像分类备受关注.在广泛调研的基础上,文章全面整理了基于深度学习的高光谱图像分类方法,主要涵盖深度网络、循环网络和自注意力网络.随后,深入讨论了几个具有代表性的方法,详细探讨了这些方法的优势和不足,旨在提供一个更清晰、全面的高光谱图像分类方法现状.文章对高光谱图像分类方法进行了全面的概述,并对各类方法进行了深入研究,分析了不同方法的定性和定量评估结果,对未来的发展进行了展望.梳理现有研究,不仅有助于推动高光谱遥感技术的进一步发展,还凸显了高光谱图像分类方法在航空航天等领域的独特优势,对于提高遥感数据的解译精度和实际应用价值具有重要意义.

    高光谱图像分类深度网络循环网络自注意力网络

    可变直径旋翼直升机飞行性能及操纵策略

    梅挺节张夏阳周旭苏金周...
    546-556页
    查看更多>>摘要:可变直径旋翼作为旋翼变体技术的重要组成部分,能够有效解决旋翼自适应工作在高性能状态下的需求.为获得可变直径旋翼对直升机飞行性能的影响,首先,建立了一套直升机全机飞行力学模型,并开展可变直径旋翼对直升机垂直和水平飞行性能的影响分析,结果表明:通过增加旋翼直径可以有效提高垂直爬升率、实用悬停升限和悬停效率,缩短旋翼直径则能增加航时、航程和最大前飞速度.然后,给出了一套需用功率计算方法,分析了可变直径旋翼直升机不同飞行状态的需用功率变化规律.最后,根据需用功率最小原则并考虑操纵复杂度,制定了一套直升机旋翼变直径操纵策略.

    可变直径旋翼飞行力学模型直升机操纵策略

    考虑加工误差及多工况影响的压气机叶型鲁棒性优化

    杨荣菲沈法祥龚志豪王彬...
    557-566页
    查看更多>>摘要:针对压气机叶型在宽攻角宽马赫数范围内低损失工作、叶型性能对加工误差不敏感的工程需求,首先,建立了考虑加工误差及几何参数的叶型优化流程;然后,以某压气机静子叶型为研究对象,基于构建的代理模型,在设计马赫数0.87(跨音流动)与低马赫数0.7(亚音流动)下开展了考虑加工误差及多攻角工况影响的压气机叶型鲁棒性优化设计研究.结果表明:针对跨音流动工况优化获得的叶型,其设计马赫数攻角特性大幅改善,但亚音流动工况下的攻角特性略微恶化;针对亚音流动工况优化获得的叶型,其攻角特性在多个低马赫数工况下大幅改善,在跨音流动工况下恶化.

    压气机叶型多工况加工误差鲁棒性优化气动性能

    基于大涡模拟的螺旋桨噪声性能分析

    王天波付一帆付小龙周国成...
    567-575,632页
    查看更多>>摘要:采用LES大涡模型方法耦合FW-H方程的混合噪声数值模拟方法,对螺旋桨在起飞和着陆2种构型下的气动与噪声性能开展了数值模拟研究,并与风洞试验测量数据进行了比较.分析对比结果发现,在给定接收点的声压级计算结果与风洞试验结果偏差不超过2 dB.对于着陆构型下的螺旋桨,各声压监测点处计算结果与风洞试验结果偏差的平均值约为1.97 dB;对于起飞构型下的螺旋桨,各声压监测点处计算结果与风洞试验结果偏差的平均值约为1.04 dB.基于LES模型大涡模拟耦合FW-H方程的混合噪声数值模拟方法可以真实获取螺旋桨气动性能与气动噪声性能,仿真结果可以满足工程应用.

    螺旋桨气动性能气动噪声数值模拟

    基于改进暗通道先验的海上低照度图像增强算法

    苏丽崔世豪张雯
    576-586页
    查看更多>>摘要:针对基于暗通道先验的低照度图像增强算法在处理极端海上低光环境下图像时会存在光晕效应、色彩失真的问题,提出了1种基于暗通道先验的自适应海上低照度图像增强算法.首先,通过选取图像类型划分指标,将数据集中的图像分类,并通过Otsu方法和图像直方图分布,获取图像的区域划分阈值,将图像进行划分得到局部区域图,分析各类图像的局部区域图之间的关系;最后,通过对不同的局部区域图采用不同的改进暗通道先验算法进行处理,将1个图像中的2个增强后局部区域图合并,得到整张图像的增强结果,并对增强后图像进行主客观的图像质量评价.实验结果表明,该算法解决了现有算法在处理极端海上低照度图像时存在光晕效应和色彩失真的问题,并使不同环境下的海上低照度图像都能达到较好的恢复效果.

    暗通道先验海上低照度图像增强自适应Otsu图像质量评价

    结合自适应脉压与排列熵特征的陆海分割方法

    张鹏举黄勇张洪峰柳超...
    587-594页
    查看更多>>摘要:针对陆海交接处强陆地杂波距离旁瓣影响近岸海上目标检测的问题,提出了1种自适应脉冲压缩与排列熵特征提取相结合的陆海分割方法.首先,采用两级相位补偿的自适应脉冲压缩技术,抑制近岸强地物杂波距离旁瓣对陆海分割的影响;随后,利用每个距离方位分辨单元中的观测数据计算该单元的排列熵,该特征显著增强了地物回波与海面回波的对比度;最后,利用大津法图像分割和形态学处理等数字图像处理技术,提取出陆海分界线.实测数据处理结果表明,自适应脉冲压缩与排列熵特征提取相结合,能够有效提升陆海回波的对比度,保证了陆海分界线提取的准确性.

    陆海分割自适应脉冲压缩排列熵数字图像处理

    基于多源异构信息融合的目标识别方法

    刘红笛李宗凌汪路元
    595-602页
    查看更多>>摘要:现代化信息战争中,多传感器对目标协同感知的需求愈发迫切,如何有效融合传感器的多源异构信息是当前需要研究的问题.针对可见光图像和电磁信号2种异构信源,提出1种基于多分支深度学习网络的信息融合模型:分别基于CNN(Convolutional Neuron Networks)和CLDNN(Convolutional,Long Short-Term Memory,Fully Con-nected Deep Neural Networks)设计独立的的特征学习网络,统一异构信息的特征维度并进行矢量融合,再通过全连接网络对融合后的高维特征离散映射,实现目标分类.仿真结果表明:相较于采用单一传感器信息进行特征描述,该论文设计的信息融合模型能够有效利用目标的多模态信息,提升目标识别性能.

    多源异构信息信息融合深度学习目标识别

    基于深度增强IST网络的ISAR稀疏成像

    潘之梁户盼鹤陈凌峰苏晓龙...
    603-614页
    查看更多>>摘要:针对传统逆合成孔径雷达稀疏成像算法存在参数敏感、收敛速度慢等问题,文章以卷积神经网络的自适应参数学习机制为基础,结合模型驱动网络的物理可解释性,提出了一种ISAR稀疏成像架构——深度增强迭代收缩阈值(Deep Augmented-Iterative Shrinkage Thresholding,DA-IST)网络.首先,DA-IST网络将迭代收缩阈值算法的迭代步骤映射至隐藏层中,不仅能够提高可解释性,而且能够在训练过程中学习最优参数;其次,网络在建模过程中考虑了被忽略的高频分量,提高了重构性能;同时,为了提高网络的鲁棒性,用非线性卷积层替代了线性稀疏变换.实验表明,与传统的模型驱动算法相比,DA-IST网络避免了人工调整参数过程,收敛速度更快,成像质量更高,对特征差异较大的数据具有更好的泛化能力.

    逆合成孔径雷达稀疏成像模型驱动网络深度学习