提出一种基于石墨烯膜片的非本征型光纤法布里-珀罗干涉仪(extrinsic Fabry-Perot interferometer based on optical fiber,EFPI)声传感器,结合卷积神经网络(convolutional neural networks, CNN)和长短期记忆网络(long short term memory network, LSTM)级联模型,用于多种类小型旋翼无人机探测与识别,并对实验过程中的提取特征、采集装置、声源种类数量进行了进一步的细化分析。通过实验对比,发现用梅尔倒谱系数(Mel frequency cepstral coefficient, MFCC)作为特征提取时,识别效果明显优于短时傅里叶变换(short-time Fourier transform,STFT)、梅尔频谱(Mel spectrogram)特征,而且使用该传感器进行无人机探测与识别的效果比电学式麦克风的准确率高约2%。此外,对多种类小型旋翼无人机声源的识别准确率均在95.33%以上,证实该方法可对多类无人机进行有效探测识别。
航空光电装备平面光学窗口在确定构型尺寸和组合形式后,窗口厚度对装备成像性能影响至为关键。从设计变量、组合形式、作用载荷3个方面对窗口设计问题进行分析,确定了基于结构刚性和RMS(root mean square)波前误差的平面窗口厚度设计目标;从光学窗口一阶结构谐振频率及其在温度和压力载荷作用下的RMS波前误差量化求解出窗口厚度尺寸范围11.9 mm ~18.4 mm;提出针对光学窗口组合工况性能计算的集成分析流程,计算得到光学窗口一阶谐振频率为 151 Hz,在飞行工作时各向组合工况?流场/重力/振动作用下光学窗口RMS波前误差不大于1/10参考波长。实验测试结果表明:光学窗口RMS波前误差小于0.07参考波长,实物样机振动和飞行条件下成像清晰、稳定,证明窗口厚度尺寸设计分析方法正确有效。