区块链在车联网中的应用综述

针对当前车联网系统面临的网络安全与可信以及数据大规模同步共享挑战,提出利用区块链技术提升车联网系统的安全性水平与协同共享能力。首先从概念特征与技术架构两个层面对区块链技术进行了整体概述,并结合区块链去中心化存储、共识安全防护、数据不可篡改等特点,探讨了区块链与边缘计算协同应用的互补优势与研究现状。进而从协作同步、安全信任、数据共享三个角度分析了区块链在车联网系统中的应用方向并具体介绍了区块链在车联网数据、模型等元素共享方面的应用研究内容。最后从车联网系统中的车和路两个角度指出了未来区块链技术将推动车联网由单车智能向群体智能、由单点交通控制向区域联动控制演进发展。区块链与车联网的结合应用有效提升了车联网的安全性水平与协同共享能力,将进一步推动汽车、交通与通信等行业深度融合,促进车联网技术高速发展。     

美国海军航空兵的“绝密飞行”——好莱坞大片演绎未来海空搏杀

不久将来的某天,浩瀚大洋上美国海军的核动力航空母舰“卡尔·文森”号正在乘风破浪,全速航行。在这艘海上“巨无霸”宽阔的甲板上充满了忙碌的战斗场景,美国海军航空兵舰载机联队的最新型“极速杀手”F/A-37“鹰爪”舰载机闪亮登场,并立马开始了充满神秘色彩的“绝密飞行”。“鹰爪”舰载机一亮相,它那前所未见的奇特外形,弹射起飞、垂直降落的不凡身手都给观众带来了强烈的视觉冲击和提前进入未来海空搏杀的心灵震撼,这就是近     

智能天线在伪卫星增强系统中的抗干扰作用

过去的十年中,卫星导航技术在武器系统的导航和制导领域得到了很好的应用.但是,系统的应用过程中无线电射频干扰对其通信链路的性能会产生极大的影响,智能天线技术是一种比较有效的抗干扰措施.对伪卫星增强系统多种智能天线的自适应算法进行了比较分析.结果表明SMI算法相对其他算法而言在收敛速率和天线方向图的效果上皆有相当的优越性.适合于伪卫星增强系统的干扰抑制应用.     

阈下情绪面孔及其脑机制

以阈下情绪面孔为切入点,了解阈下视觉及其脑机制.文章在总结阈下情绪面孔实验的实验范式、刺激材料、实验技术的基础上,重点阐述了阈下情绪面孔加工的脑机制,提出了下一步的研究展望.     

基于双目视觉定位技术的无人船航迹跟踪控制室内模型实验

水面无人系统的航向控制与航迹跟踪技术在研究开发阶段一般在室内环境进行调试与运行,该过程需要定位系统进行辅助.实船常用的定位技术难以在室内发挥作用,现有的几种室内定位技术存在成本高、信号传播不稳定等问题.设计了一种基于双目视觉定位技术的船模航迹跟踪控制系统.结合实验场地和实验对象,通过在船模上布置特征物、图像预处理、图像...     

基于单体视觉投影的集群控制策略

与常见的无人系统集群需要进行预先规划和控制机制不同,生物集群采用分布式和反应式架构,具备完成复杂任务的强大智能能力。受生物集群系统启发,设想无人系统集群中的个体能够对所遇到的环境进行独立反应,并展现出集群协同行为。针对这一设想,提出基于单体视觉膜投影模型的集群控制方法,并对其进行理论分析和推导,实现了群体内自组织集群控制;通过观察和计算运动过程中群体的稳定性、一致性、协调性等相关指标,探究所提出自组织模型对不同类型任务的适应性。此外,针对群体遭遇外来攻击的情形,设计了合理的群体避障机制,使得集群能够实现紧急安全避障,从而提高集群面临突发情况时的应对能力。     

智能野战医院走上信息化战场

一名美军特种兵空降到了纵深,经过一天的跋涉和与战友联络,虽然他并不感到饥饿和疲劳显然贴在肚脐上的“智能食物”贴片发挥了作用,但干燥的沙漠气候加上紧张和孤独,还是使他口干舌燥,他很想用清水湿湿头、拍拍脸,最好能饮用一点。正巧,土丘后面有一水沟,仇他不能确定邪水足否干净、安全。     

自由曲面的立体视觉测量与加工一体化研究

对自由曲面的立体现觉测量与加工一体化技术中的图像匹配、曲面造型以及接口设计等问题进行了分析与讨论,并提出了切实可行的解决办法。     

智能制造技术和智能制造系统

智能制造技术（ＩＭＴ）和智能制造系统（ＩＭＳ）是当今先进工业国家争相开发和探索的高技术领域之一。本文简要地介绍了该项技术的基本内容和原则,并着重从智能控制的高度概述了制造过程建模与信号分析,控制策略与方法等核心技术。本文还通过一个实例简介了ＩＭＳ的结构,借以说明该领域发展趋势。     

基于大模型的态势认知智能体

针对战场态势信息众多、变化趋势认知困难的问题,提出基于大模型的态势认知智能体框架和智能态势认知推演方法。从认知概念出发,结合智能体的抽象性、具身性特点,明确了智能体构建的3个关键环节：学习环境、记忆方式和产生知识机制;设计了战场态势认知智能体架构,包括记忆部件、规划部件、执行部件、评估部件以及智能体训练要点。在长期记忆部件中,围绕战场复杂状态建模特点,分析大语言模型、多模态大模型、大序列模型的运用问题。