军用光缆网是重要的**基础通信设施，传统的人工徒步巡检是查找光缆线路隐患的主要措施，但其耗时长,人力物力消耗大，易受敷设方式和地形环境变化影响。而采用无人机进行光缆线路巡检，时效性强,安全性高且经济性好，是未来的重点发展方向。由于工程车辆施工挖掘是造成光缆线路障碍的最主要原因，为此，文章提出将深度学习更快的基于区域的卷积神经网络(Faster R-CNN)目标检测方法应用到无人机航拍巡检图像的工程车辆检测中。基于航空影像中的车辆检测(VEDAI)公共数据集制作了工程车辆数据集，通过仿真训练和测试，实现了航拍图像中挖掘机和推土机等工程车辆的Faster R-CNN目标检测，检测平均精度(AP)值达0.659，优于传统的可变形组建模型(DPM)和方向梯度直方图+局部二值模式+支持向量机(HOG+LBP+SVM)等机器学习检测算法，研究结果可为军用光缆线路的无人机巡检应用研究提供一定的参考。

基于解码-转发中继方式, 研究了混合射频/自由空间光(RF/FSO)航空通信系统性能。采用副载波多进制相移键控调制方式, 建立了孔径平均作用下混合RF/激光通信系统模型, 其中FSO通信链路采用指数型Weibull大气湍流信道的同时考虑指向误差影响, 射频通信链路为Nakagami-m衰落信道。利用Meijer′s G函数推导得到航空激光通信系统平均误码率和中断概率的闭合表达式。在不同湍流强度和接收孔径大小条件下, 对比分析了中断概率及误码率性能。仿真结果表明, 与弱湍流条件相比, 中等湍流强度条件下指向误差对系统中断性能影响较小; 孔径平均效应可有效改善混合RF/FSO传输系统的性能; FSO信道对混合系统性能起主要作用。

针对遗传算法容易陷入局部最优和蚁群算法初始信息素匮乏的缺点，提出将遗传和蚁群融合算法应用于中继卫星系统的资源调度问题。通过改进蚁群算法信息素的定义，利用基于时间窗口序号编码思想，给出中继卫星资源调度约束条件与目标函数并建立数学模型。仿真分析了融合算法、标准遗传算法和改进蚁群算法的优化特性，结果表明融合算法是解决中继卫星调度问题的有效方法。

以数据中继卫星光网络系统资源、任务和约束条件为参量，以任务对资源的选择为优化对象，提出了一种基于自适应遗传算法的数据中继卫星光网络资源调度算法。综合考虑多中继星、多时间窗口、多光学天线以及任务优先级要求，建立调度模型；采用“当前任务调度时间的确定”和“后续任务可见时间窗口的更新”的调度操作，对不同资源的任务集合进行调度安排并实现了可见时间窗口的动态更新，获得调度任务的总权值并将其作为参量计算适应度值，最后通过改进的自适应遗传算法对不同调度方案进行寻优。以3颗中继星、12颗用户星，6个光天线，60个任务为条件设置了仿真场景，仿真结果表明该算法在收敛速度、调度效率方面具有优势，适应于多任务、多天线的数据中继卫星光网络系统资源调度。

研究了采用空间分集技术补偿机间激光通信链路中的大气湍流影响.基于直接相干探测接收分集系统模型,分析了最佳合并(OC)接收分集的功率增益和中断概率性能,并与等增益合并(EGC)分集和最大选择合并(SMC)分集系统进行了比较.分析结果表明：在强湍流条件和低中断概率时,OC和EGC可获得较高的功率增益,且明显优于SMC 系统,其中OC 系统性能相对EGC 具有优势,二者性能相差较小,但是OC 实现方式较复杂,因此实际航空激光通信工程应用中应综合考虑分集技术进行选择.

针对用户星数据中继接入请求超额定购问题，分析了用户星业务种类，研究了中继卫星接入控制所受多类约束的特点，建立了约束满足模型；以接入业务总优先级权值最高为原则，根据业务的类型、时间有效性和业务优先级设置链路接入灵活度和业务冲突集，以业务的接入顺序和选择接入的中继星链路为优化对象，提出了一种基于业务类型和自适应小窗口蚁群算法双层优化的中继卫星混合链路接入控制算法。仿真实验表明，所建模型可实现多类型业务与多种类天线的接入控制，提出的双层优化算法较单层寻优效果更佳，且具有较快的收敛速度和较强的全局优化能力，因而所提算法可有效解决多约束条件下多业务类型、多种类天线和多中继星的接入控制问题。

针对微波与激光混合链路中继卫星系统实际应用中的动态变化，分析了混合系统动态扰动条件，依据中继卫星资源调度动态调整原则，研究了混合系统动态资源调度策略。以最大化调度任务优先级之和，以及扰动发生后对初始方案扰动变化最小为目标，建立了具有两级优化目标的混合系统动态调度模型。提出了动态插入快速启发式算法并对模型求解算法，算法包括直接插入任务操作、移动插入任务操作和删除插入任务操作。仿真结果表明与完全重调度的算法相比，动态插入算法的方案变化率平均降低了60.10%，且计算速度明显高于重新调度算法，能够有效解决混合链路中继卫星系统动态调度问题。

针对未来数据中继卫星系统中微波与激光链路并存的发展趋势，研究了具有微波和激光混合链路的中继卫星系统资源调度问题。以可见时间窗口、任务优先级、终端功耗为约束条件，建立了微波/光混合链路中继卫星系统资源调度(ML-DRSSP)的多目标约束规划模型；通过设计自适应交叉、变异算子和基于精英保留的选择算子，改进了非支配排序遗传算法(MNSGA-Ⅱ)并对模型求解。以1颗中继星、4颗用户星、3种资源终端和不同任务规模为条件建立了仿真场景。仿真结果表明该算法在保持解多样性的同时使非劣解集尽可能接近问题的Pareto最优解集，因而能够有效解决具有多任务、多类型天线的ML-DRSSP。

针对激光链路中继卫星资源调度问题，以中继卫星系统资源、任务和约束条件为参量，以任务对资源的选择为优化对象，采用在调度过程中不断更新后续任务可用时间窗口的调度方法，建立了激光链路中继卫星资源调度的约束规划模型并提出了一种基于时间窗口更新的调度算法。综合考虑多时间窗口、多天线终端以及任务优先级，算法基于“当前任务调度时间的确定”和“后续任务可见时间窗口的更新”，对不同资源的任务集合进行调度安排并实现了可见时间窗口的动态更新，获得调度任务的总优先级并将其作为参量计算适应度值，最后通过遗传算法对不同调度方案进行寻优，获得最优调度结果。以4颗用户星、3个天线、32个任务为条件设置了仿真场景，仿真结果表明该算法在收敛速度、调度效率方面具有优势，适应于多用户星、多天线终端的激光链路数据中继卫星资源调度。

针对未来数据中继卫星系统中微波与激光链路并存的发展趋势，研究了微波/光混合链路的中继卫星系统资源调度问题。分析了混合链路在传输速率、链路建立及终端功耗等方面的特点，以多时间窗口、多种类型天线以及任务优先级为参量，以未调度任务总权重、终端总功耗及调度完成时间为目标，建立多目标约束规划模型；提出基于模型分解的优化求解算法，将模型分解为任务调度子问题和优化求解子问题，任务调度子问题通过基于时间窗口更新的调度方法获得初始调度方案，优化求解子问题利用遗传算法对方案进行优化，获得最优调度结果；仿真结果中任务完成率为93.75%，调度任务的权值之和占总权值的96.96%。结果验证了该方法在描述求解具有多任务、多类型天线的微波/光混合链路中继卫星系统资源调度中的有效性。