XiaoMi-AI文件搜索系统
World File Search SystemUAS
反无人机系统 (C-UAS) - IDSA
战争史上充斥着一个国家有效和创新地利用技术取得胜利的例子。创新引发了军事战争的革命，当前的世界秩序正通过无人机系统 (UAS) 的使用经历一场非常深刻和迅速的革命，无论是在纳戈尔诺-卡拉巴赫（阿塞拜疆-亚美尼亚）等常规冲突中，还是在当前的俄罗斯-乌克兰冲突中，还是在阿富汗的非常规“全球反恐战争”中。无人机系统的创新和协同使用一直是现代冲突的决定性因素。因此，现代部队必须具备反无人机系统能力，这将重新定义战争的未来。本文讨论了无人机系统的未来作用，分析了其战术、作战和战略影响，评估了其脆弱性，并确定了未来战争对反无人机系统 (C-UAS) 能力的需求，提出了一种适用于印度的 C-UAS 理念、方法、杀伤链和可行方法。
反无人机系统 (C-UAS) - IDSA
战争史上充斥着有效和创新地利用技术的国家取得胜利的例子。创新引发了军事战争的革命，当前的世界秩序正通过无人机系统 (UAS) 的使用经历一场非常深刻和迅速的革命，无论是在纳戈尔诺-卡拉巴赫（阿塞拜疆-亚美尼亚）等常规冲突中，还是在当前的俄罗斯-乌克兰冲突中，还是在阿富汗的非常规“全球反恐战争”中。无人机系统的创新和协同使用一直是现代冲突的决定性因素。因此，现代部队必须具备反无人机系统能力，这将重新定义战争的未来。本文讨论了无人机系统的未来作用，分析了其战术、作战和战略影响，评估了其脆弱性，并确定了未来战争对反无人机系统 (C-UAS) 能力的需求，提出了一种适用于印度的 C-UAS 理念、方法、杀伤链和可行方法。
使用无人机系统 (UAS) 在茂密森林地区进行图像处理
推荐引用 推荐引用 Bhatt, P., Edson, C., & Maclean, A. (2022)。使用无人机系统 (UAS) 在茂密森林地区进行图像处理。 http://doi.org/10.37099/mtu.dc.michigantech-p/16366 取自：https://digitalcommons.mtu.edu/michigantech-p/16366
使用小型 UAS 进行 STEM 教育：利用无人机引入机器人技术和机电一体化技术
小型无人驾驶航空系统 (sUAS)，也称为无人机，作为飞行机器人，为向不同年龄段的学生介绍机电一体化和机器人技术的一般概念提供了绝佳的机会。适合课堂使用的超小型无人机重量在 50 到 150 克之间，大多不大于手掌。它们可以通过远程控制操作，涵盖运动学、传感和定位等方面。另一方面，它们还具有用于预编程和自主操作的出色界面，利用基于块或基于脚本的集成开发环境 (IDE) 来教授基础和高级计算机科学概念。本文通过确定认知、情感和心理运动这三个学习领域的核心优势，介绍了 sUAS 在教育应用中的优势。我们将使用全球领先的科学、技术、工程和数学 (STEM) 无人机提供商之一提供的 2017 年至 2021 年的第一手数据和调查结果来强调这一教育理念的好处。
值得信赖的 AI 和 UAS 技术
多次与密码相关的无人机黑客攻击表明某些 UAS 缺乏基本的安全卫生。在一次无人机黑客马拉松中，联邦贸易委员会 (FTC) 展示了商用无人机的几个漏洞，包括允许访问无人机摄像头源的不安全 Wi-Fi 连接和其他未加密的数据连接，这些连接使无人机容易受到攻击。
美国国家航空航天局 (NASA) 的 UAS 飞行测试飞行员视角
摘要 20 世纪末，美国国家航空航天局 (NASA) 参与了无人机系统 (UAS) 的研究和开发，以支持独特的科学任务。为了完成这些计划中的任务，NASA 开发了专门定制的飞行测试程序和技术。在过去十年中，通过执行大量 UAS 飞行测试任务，NASA 学到了很多关于如何规划和进行 UAS 地面和空中测试的知识，操作各种 UAS，从大型（第 5 组）：NASA RQ-4“全球鹰”（诺斯罗普·格鲁曼公司）（美国弗吉尼亚州福尔斯彻奇）高空长航时无人机和 NASA MQ-9“Ikhana”（通用原子航空系统公司（GA-ASI）（美国加利福尼亚州波威）无人科学研究飞机系统）到中小型（第 3 组和第 2 组）：NASA X-56 多用途技术试验台（洛克希德·马丁臭鼬工厂）（美国马里兰州贝塞斯达）；NASC RQ-23 TigerShark-XP™（Navmar 应用科学公司（NASC）（美国宾夕法尼亚州沃明斯特）无人机车辆等。对于将UAS纳入美国国家空域系统（NAS）的研究案例，NASA开发了包含有人机和无人机的脚本和非脚本遭遇，以及模拟（虚拟）交通遭遇，甚至通过模拟研究了将自主性融入UAS的发现和规避要求。本文将详细探讨
使用 Mach VS 对 UAS 进行性能模型验证。 CL 方法
作为遥测 (TM) 监控屏幕的一部分，创建了表格的自动版本。自动版本考虑了飞机的实时重量和基于当前燃油流量预测的未来重量。这允许飞行测试工程师 (FTE) 计算飞行事件期间即将到来的测试点。图 5 中可以看到此类预测工具的一个示例。目标马赫数和 C L 的值、所需的 C L 增量以及测试点执行时间 (Delta Time) 将输入到绿色框中。根据这些输入，该工具将计算每个 C L 增量的高度和空速。增量 C L 值提供了潜在的测试条件和相关的马赫数误差。随后将根据所需马赫数和 C L 组合可用的最低马赫数误差（选定的行以蓝色突出显示）确定即将到来的测试点。FTE 将确保测试速度在飞机包络线内，如最小速度和最大速度列所示。随后 FTE 将向测试指挥 (TC) 提供四舍五入高度框和测试速度框中的值，以供下一个测试点使用。
无人机系统（UAS）在河道沿线河岸侵蚀监测中的应用
摘要 过度的河岸侵蚀是许多河流系统中细沉积物和相关营养物的重要来源，同时也对基础设施构成威胁。使用高分辨率地形数据进行地貌变化检测是监测河流沿线河岸侵蚀程度的有效方法。无人机系统 (UAS) 和运动结构 (SfM) 摄影测量技术的最新进展使得获取高分辨率地形数据成为可能，这也是本研究中使用的方法。为了评估基于 UAS 的摄影测量对河岸侵蚀监测的有效性，一架固定翼 UAS 在两年内多次被部署在美国东北部佛蒙特州中部的 20 公里河流走廊进行勘测。数字高程模型 (DEM) 和差异 DEM 可以量化发生明显侵蚀的勘测区域中选定部分的体积变化。结果表明，只要调查是在早春（融雪后但夏季植被生长之前）进行的，UAS 就能够以高分辨率收集高质量的地形数据，即使是在植被茂密的河流走廊沿线。使用 UAS 对河岸运动的长期估计与之前收集的机载激光雷达调查结果相比具有良好的可比性，并且可以可靠地量化河流沿岸的重大地貌变化。
协作自主小型无人机系统 (sUAS) 的优化
摘要：随着战区日益复杂和对手不断推进，开发大量具有成本效益的无人机系统可能会为美国军队提供令人信服的能力。因此，研究问题涉及现有小型无人机系统的最佳组合，这些系统在给定预算和集群规模的情况下，提供最佳性能指标，即平均/标准偏差的检测时间，以及任务成功率。这些小型无人机系统的要求是它们属于美国空军 1-3 组无人机系统。研究小组使用 Python 模拟在 5 海里半径范围内的随机目标位置内收集不同小型无人机系统的单独性能数据。然后将这些指标输入到优化程序中，该程序在某些硬约束条件下选择最佳组合。结果表明，6 个 ALADiN 和 24 个并行 Firefly 的组合是所有三个测试场景中的最佳组合。总成本为 160 万美元。利用模拟得出的结论，该团队还能够推荐哪些属性对于成功的任务最为重要，从而节省开发过程中的时间和金钱。
反无人机系统目录和购买指南
研究人员必须不断拓展思维，以找到解决小型无人机早期检测问题的方法。在澳大利亚，研究人员对食蚜蝇的视觉系统进行了逆向工程，使其能够从近四公里外检测出无人机的声学特征 3 。总部位于德克萨斯州的小型企业 Cobalt Solutions 正在参与美国国土安全部 (DHS) 的一项计划，开发一种检测和跟踪传感器系统，该系统可以使用 5G 网络识别城市环境中的恶意小型无人机。首选解决方案是部署不同类型的低成本网状传感器网络，以便及早识别目标，事实证明，这种方法在防御静态目标方面效果很好（对驻叙利亚的俄罗斯军队也非常有效）。但在机动性更强的 C-UAS 单位中，早期检测能力可能会大大降低。