美国国防部正在开发的联合精确进近和着陆系统 (JPALS) 旨在使用与其他传感器增强的 GPS 为着陆在陆地和航空母舰上的军用飞机提供准确可靠的引导信息。
ARIES PAR - 精密进近雷达 该雷达用于支持飞机进近和着陆机动,通常与空中监视雷达一起使用。飞机最初由 ARIES- SAAS 监视雷达在远距离探测,并由空中管制员路由到 ARIES PAR 的覆盖区域,以便沿下滑道引导。当PAR雷达向管制员提供飞机着陆阶段控制和引导信息时,监视雷达则负责搜寻其他来袭飞机。
自旋链可用于描述各种量子计算和量子信息平台。它们有助于理解、演示和建模许多有用的现象,例如量子态的高保真传输、纠缠的产生和分布以及基于测量的量子处理资源的创建。本文研究了一种更复杂的自旋系统,即通过将合适的幺正应用于两个非耦合自旋链而设计的 2D 自旋网络 (SN)。仅考虑 SN 的单激发子空间,可以证明该系统可以作为路由器运行,通过 SN 引导信息。还表明它可以在两个站点之间产生最大纠缠态。此外,还表明该 SN 系统可用作传感器设备,能够确定应用于系统自旋的未知相位。对系统中静态无序影响的详细建模研究表明,该系统对不同类型的无序具有鲁棒性。
成对轨迹管理 (PTM) 是一种间隔管理 (IM) 概念,利用机载和地面能力在海洋区域实现机载成对间隔能力。PTM 的目标是使用机载监视和工具来管理“等于或大于”的飞机间间隔。由于自动相关监视广播 (ADS-B) 信息的精确性和机载间隔引导的使用,PTM 最小间隔距离将小于控制器可以使用支持海洋操作的当前自动化系统支持的距离。地面工具协助控制器评估交通状况并确定要发布的适当 PTM 许可。航空电子系统提供引导信息,使机组人员能够遵守控制器发布的 PTM 许可。缩短最小距离和空中间隔管理相结合将提高给定高度或空域体积下的飞机运行能力和效率。本文概述了拟议的应用,描述了几个关键场景,对预期的空中和地面设备和程序变化进行了高层讨论,概述了支持 PTM 操作的潜在机组人机界面以及一些初步的 PTM 效益结果。
近年来,基于注意机制的图像分类越来越受欢迎。最先进的基于注意机制的分类方法通常需要大量的训练集,并且假设图像的标签仅取决于图像中的单个对象(即感兴趣区域)。然而,在许多实际应用中(例如医学成像),收集大型训练集的成本非常高。此外,每张图像的标签通常由多个感兴趣区域(ROI)共同确定。幸运的是,对于这类应用,通常可以收集每张训练图像中 ROI 的位置。在本文中,我们研究了引导式多注意分类问题,其目标是在(1)样本量小和(2)每张图像有多个 ROI 的双重约束下实现高精度。我们提出了一个用于多注意分类的模型,称为引导式注意循环网络(GARN)。与现有的基于注意力机制的方法不同,GARN 利用了多个 ROI 的引导信息,因此即使样本量较小,也能很好地发挥作用。对三种不同视觉任务的实证研究表明,我们的引导注意力方法可以有效提升多注意力图像分类的模型性能。
美国国防部正在开发的联合精确进近和着陆系统 (JPALS) 旨在使用与其他传感器增强的 GPS 为着陆在陆地和航空母舰上的军用飞机提供准确可靠的引导信息。对于陆基作业,将使用局部差分全球定位系统 (LDGPS) 技术,而对于航空母舰着陆,将采用舰载相对 GPS (SRGPS) 技术。在这两种情况下,最终系统的可靠性和完整性都至关重要。对于 LDGPS 的情况,情况类似于为民航实施的局部区域增强系统 (LAAS) [1],固定参考站生成差分 GPS 数据以发送给进场飞机。虽然 SRGPS 在概念上与 LDGPS 相似,但主要的实际区别在于参考接收器一直在运动,因为它们现在直接安装在航空母舰上。遗憾的是,由于操作限制,参考 GPS 天线无法安装在飞行甲板上飞机的预期着陆点 (TDP)。相反,它们通常安装在船舶的桁臂上。但是,由于进港飞机需要了解其相对于 TDP 的位置,因此需要将 GPS 测量结果几何平移到该点。此外,这种平移必须考虑所有船舶运动,最明显的是船舶的姿态变化。但是,在当前情况下,后一种假设可能没有完全合理。最终,实际上,GPS 参考站数据从桁臂到 TDP 的转换是使用两点之间假定的已知基线向量(例如从调查中获得)、船舶姿态知识以及船舶为刚体的假设来完成的。特别是在转弯或在波涛汹涌的大海中等高动态情况下,船舶可能会变形,本文称为船舶弯曲。