生成对抗网络及其在无人系统中的应用

生成对抗网络(GAN)在无人系统多个层次上的应用提高了其智能化、自主化水平,具有巨大的应用价值和发展潜力。对GAN在无人系统技术中的应用进行了综合评述并且进行了展望。首先介绍了GAN的基本概念、训练方式和传统GAN的模型结构,并且从模型结构的变动、目标损失的变化以及适用的领域等方面详细介绍了深度卷积生成对抗网络(DCGAN)、循环生成对抗网络(CylcleGAN)、生成对抗模仿学习(GAIL)、序列生成对抗网络(SeqGAN)等GAN的8种衍生模型。接着概述了与无人系统OODA回路相关的智能感知、智能判断、智能决策、人机交互等方向上GAN方法的实际应用。最后基于无人系统共性技术的发展趋势,对GAN在无人系统的单体智能、多体或群体智能以及人机混合智能等方向上的应用进行了展望。     

【专题】无人系统互操作性发展现状与关键问题

无人系统正在加速由专用化、单一化向通用化、标准化发展,多无人系统协同、无人-有人系统协同、无人系统集群等新型作战概念不断成熟。无人系统互操作性是提高无人系统联合作战能力的倍增器和推动无人系统系列化发展的重要抓手,也是适应无人系统协同化、集群化发展的必然需求。本文详细阐述了无人系统互操作性的概念内涵,从顶层规划、技术创新和能力验证三个方面分析了无人系统互操作性发展现状,提出了一种针对跨域、多域无人系统互操作的等级模型,构建了自底向上和自顶向下相结合的互操作性关键支撑技术体系,剖析了通用/开放体系架构、标准协议与模块化组件、自主能力评估验证、数据传输与数据策略等技术因素,并展望了下一步研究重点。     

空间预警系统建立导弹目标优先级的多属性决策

空间预警系统在多传感器多目标的情况下需要传感器调度,而建立目标优先级是有效进行传感器调度的第一步。由星载传感器所得图像对目标特征进行估计具有很大的不确定性,直接影响到导弹目标优先级的建立。首先通过作战分析确定出导弹目标的主要属性,采用层次分析法评价属性的权重,然后在不确定的条件下对属性求期望值,使用3种多属性决策方法评价导弹目标的威胁程度,最后取期望值作为导弹目标的威胁评价。正交实验结果表明算法具有很强的实时性和实用性。     

面向侦察任务的无人机机载感知传感器配置与融合综述

无人机侦察需要依赖各类机载传感器提供感知信息,利用多源信息进行优势互补,从而提升无人机感知能力.围绕无人机机载感知传感器配置融合展开综述,首先从无人机平台自身属性、传感器属性、飞行环境和任务类型及需求4个方面分析了传感器配置时需要考虑的要素;其次,设计了基于多目标优化理论的传感器配置融合方法;最后,总结了无人机侦察中常...     

无人机规避或跟踪空中目标的自适应运动导引方法

无人机规避或跟踪空中目标可以看作是一个非线性运动导引控制问题。针对这类任务中无人机和目标存在高机动性、高时敏性等特点,提出了一种基于Lyapunov稳定性理论的无人机规避或跟踪目标运动导引方法。构建了基于精细时间运动导引方法的无人机规避或跟踪空中目标问题求解框架,并将无人机碰撞规避和机动目标跟踪问题分别转化为到达虚拟目标点和与虚拟目标点交会的问题。针对碰撞规避问题,将其转化为实现平行导引的控制问题,基于Lyapunov稳定性理论设计了无人机碰撞规避导引律。针对机动目标跟踪问题,在碰撞规避基础上,根据目标点交会的要求设计了相应的目标跟踪导引律。在Gazebo平台上开展了仿真验证实验,实验结果表明:所提方法能够有效避免大过载情况的出现,并具有较强的时变和参数适应性。     

无人机先进地面站关键技术综述

具有沉浸显示、智能辅助、自然化人机交互等先进控制能力的新型无人机地面站已成为当前无人机控制领域的研究热点。为分析其中的技术脉络,系统性地梳理国内外一系列无人机先进地面站的功能要点及设计理念,在此基础上从无人机地面站指挥控制的观察—判断—决策—行动回路出发,归纳提炼了其技术体系构成,分析指出了其中的任务环境构建、战场态势沉浸式显示、智能化辅助决策和自然化人机交互等关键技术,并对各项技术的主要研究方法进行了深入剖析,还对无人机先进地面站目前存在的挑战和未来发展趋势进行了研判。该研究对新型地面站的研制具有指导和借鉴意义。     

无人作战系统发展

无人作战系统是信息化战争中夺取信息优势、实施精确打击、完成特殊作战任务的重要手段之一，是未来军事力量的倍增器。文章在介绍国内外无人作战系统发展现状和特点的基础上，对无人作战系统的发展趋势进行了详细分析，同时对无人作战系统的关键技术，包括自主技术、协同技术、通信技术、平台技术和载荷技术等进行较为深入的阐述。     

无人机集群作战概念及关键技术分析

无人机集群作战正在从概念走向雏形.文章总结了国外无人机集群作战概念的发展,分析了无人机集群作战的主要关键技术,包括大规模无人机管理与控制、多无人机自主编队飞行、集群感知与态势共享、集群突防与攻击、集群作战任务控制站等技术,并展望了未来无人机集群协同搜索、协同干扰、协同攻击、协同察/打、集群对抗等作战应用.     

无人机系统自主控制技术研究现状与发展趋势

无人机系统是未来进行信息对抗、夺取信息优势、实施火力打击的重要手段。"自主性"是无人机系统区别于有人机最重要的技术特征,实现无人机系统的自主控制,提高其智能程度,是无人机系统的重要发展趋势。对无人机系统自主控制问题进行了阐述,首先分析了无人机系统自主控制技术的发展需求,然后介绍了自主控制的概念和自主等级的划分;分析了无人机系统自主控制技术的研究现状,提出了无人机系统自主控制的关键技术问题,主要包括体系结构、感知与认知、规划与控制、协同与交互等;最后对无人机系统自主控制技术的发展趋势进行了展望。     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别。为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力。采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类间方差法相结合的分割方法,分割目标并提取目标内部件;采用基于概率图模型的部件识别方法,通过将部件轮廓稀疏表示为条件随机场,并进行概率推理实现部件识别;采用基于贝叶斯的目标识别方法完成目标是否为车辆的判断。通过无人机拍摄的车辆图像验证表明,算法可在样本较少、光照变化、存在遮挡等情况下,以较高准确率检测并识别出车辆目标,同时识别算法具有一定可解释性。