基于协作式深度强化学习的火灾应急疏散仿真研究

火灾是威胁公共安全的主要灾害之一,火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择。将深度强化学习引入到应急疏散仿真研究,针对多智能体环境提出了协作式双深度Q网络算法。建立随时间动态变化的火灾场景模型,为人员疏散提供实时的危险区域分布信息;对各自独立的智能体神经网络进行整合,建立多智能体统一的深度神经网络,实现所有智能体之间的神经网络和经验共享,提高整体协作疏散效率。结果表明：所提方法具有良好的稳定性和适应性,训练和学习效率得到提升,具有良好的应用价值。     

基于ICESat-2/ATLAS数据的近海岸水深提取

水深是表征海洋浅水和海岸环境的重要地形要素,光子计数激光雷达可穿透一定深度的水体,为水深信息提取提供可靠的数据支持。以我国南海岛礁为例,利用目前唯一在轨的星载光子计数激光雷达-ICESat-2/ATLAS数据开展岛礁浅水水深提取及精度评价研究。首先根据置信度参数对原始光子数据进行粗去噪,基于点密度分布差异分离水面和水底光子;然后对水面光子采用区间估计方法精去噪,利用RANSAC算法拟合水面高程;通过改进滤波参数,基于改进OPTICS算法对水底光子进行两次聚类,实现水底光子的精去噪,进而通过折射校正和潮汐校正提取近岸水深;最后利用机载LiDAR测深数据进行验证。实验结果表明,与ATL03高置信度光子数据和AVEBM去噪结果相比,该精去噪算法具有更高的F值,分别提高了约5.87%和3.38%;水深提取结果与机载测深数据的R~2为0.91,均方根误差RMSE为0.53m。     

基于稳健MM估计的REKF RAIM算法

基于鲁棒扩展卡尔曼滤波(robust extended Kalman filter, REKF)的接收机自主完好性监测(receiver autonomous integrity monitoring, RAIM)对双星故障模式的检测及识别效果相对较差,尤其当故障矢量具有较高的空间一致性时, M估计的稳健性会受到极大破坏。针对这一问题,提出基于稳健MM估计的REKF RAIM算法, MM估计是兼具高崩溃污染率和高估计效率的两步抗差估计方法,首先采用具有高崩溃污染率的最小截断二乘(least trimmed squares, LTS)估计获得稳健性高的迭代初值和尺度参数,然后采用IGG III方案得到最终的参数估计值,并设计一种基于特征斜率的快速选星方法降低LTS估计的计算量。仿真结果表明,相比于基于M估计的REKF, MMREKF在双星故障模式下具备更高的稳健性,对双星故障模式有更好的检测与识别能力。     

2019年临近空间科学技术热点回眸

 概述了2019年临近空间科学技术的研究热点：在临近空间原位进行科学探测的高空科学气球扮演了主角;其他临近空间飞行器在平台技术研究与试验方面也取得了不同程度的进展;多型高超声速飞行器已经装备部队;太空旅游商业公司维珍银河上市,商业化的太空旅游又近了一步。     

弱链路下基于全对等模式和相关性检测的资源信息共享

针对恶劣网络通信环境导致的数据采集和信息交互异常问题,提出了一种基于多维时序数据子序列的相关性检测方案.该方案针对相同时间段内的多维资源状态时序数据进行相关性计算.在获得其相关性矩阵后,先与已训练好的正常检测模式比对,若结果被判定为异常,再与已训练好的异常检测模式比对,若结果仍被判定为异常,则最终认定结果为异常.通过这...     

“一带一路”空间减灾研究与发展

 “一带一路”沿线国家所处的地理环境比较复杂,气候条件多样,频繁的自然灾害对人类的生命财产造成严重损失。从对地观测科技支撑“一带一路”减灾工作切入,梳理了全球空间技术进展,概述了“一带一路”空间减灾研究进展,并以滑坡为例,阐述了新技术支持下的空间减灾科技服务。推动“一带一路”沿线国家的防灾减灾工作不仅有助于加强丝路科技创新合作,还有助于加强国家外交战略互信,保障人民的生命财产安全。     

50 mm白光球载日冕仪:Ⅰ.基本结构与地面观测实验

本文介绍一台口径为50 mm、用于在浮空平台上进行观测的白光日冕仪.工作波段为5500?,透过带宽为50?,为传统的Lyot式日冕仪,可观测1.08–1.50个太阳半径范围的内日冕.用鑫图的Dhyana 95V2-YNTT sCMOS相机采集观测数据.对日冕仪进行了三次地面观测实验:第一次在云南丽江高美古观测站进行,另两次在海拔4800 m左右的四川稻城无名山观测站进行,后两次实验获得了较为理想的日冕白光观测数据.与美国高山天文台的20 cm口径K-cor日冕仪在同一天之内观测到的结果基本一致,说明白光日冕仪的研制获得成功.同时获得的天空背景亮度表明,稻城无名山是一处较为理想的高海拔太阳观测址点.     

基于全局位置信息和残差特征融合的SAR船舶检测算法

针对合成孔径雷达(synthetic aperture radar, SAR)图像船舶目标尺度不一且易受海面、地面杂波和相干斑噪声的影响,难以提取目标多维特征且特征融合过程中易产生语义歧义,造成船舶目标检测率低,虚警率高的问题,提出一个基于全局位置信息和残差特征融合的SAR船舶目标检测算法。基于Faster区域卷积神经网络(region convolutional neural network, R-CNN)目标检测算法,在特征提取网络和特征融合网络中进行改进：在特征提取网络中使用高宽注意力机制提取目标在图像中的全局位置信息,增强目标的多维特征提取能力;在特征融合网络中使用带有残差连接的双向特征金字塔网络削弱特征融合过程中的语义歧义,降低复杂背景下的船舶目标虚警率,同时进行不同层级的多尺度特征双向融合,增强高低层特征的联系,提升多尺度船舶目标的检测能力。在SAR船舶数据集上达到98.2%的均值平均精度,超过部分算法2.4%以上。实验表明,所提算法有效提取了目标的多维特征,显著缓解了语义歧义问题,具有较好的检测能力和泛化能力。     

非刚体图像配准中一种改进的点匹配方法

为了解决在非刚体点匹配过程中,由于点集之间相对位置变化的复杂性,导致配准结果易收敛于局部最小值点的问题,提出了基于预中心配准的非刚体点匹配联合估计法。在用迭代最近点算法确定两个点集中的点之间的对应关系前,通过预先进行两个点集的中心配准的方法,可以更加合理地确定点之间的对应关系,从而使匹配结果可以最大程度地收敛于全局最优点。仿真实验表明,此方法和传统算法相比,在没有明显增加运算量的前提下,匹配效果更佳。     

基于高分7号卫星立体像对的DEM提取及其精度评定

测绘卫星立体像对提取DEM效率高、提取速度快,在无控制点的情况下,利用立体像对提取DEM的方法提取DEM成本低、精度高。高分7号(GF-7)卫星是我国首颗民用亚米级高分辨率的立体测绘卫星,实现我国民用1∶10 000比例尺高精度卫星立体测图。主要目的是利用ENVI软件对高分7号卫星立体像提取DEM,并在有无控制点的情况下对提取的DEM进行精度评定。以福建省龙岩市测区为实验区,论述了基于立体像对提取DEM的基本原理,介绍了采用ENVI软件对高分7号立体像对的相对定向、绝对定向、核线影像生成、提取DEM等一般步骤,基于RPC模型即无控制点和1个地面控制点、5个地面控制点生产的DEM。比较在有无控制点及控制点个数不同的情况下提取DEM的效果,并采用检查点法对不同情况下提取的DEM进行高程精度评定。结果显示,无控制点情况下提取的高程精度为14.6 m,增加控制点的个数可以提升DEM的精度。在1个控制点情况下提取的高程精度达到2.4 m。在有控制点的情况下,DEM高程精度可达到山地地区1∶10 000的精度要求。