无人机自主控制应用需求及研究发展分析

随着无人机装备的快速普及,自主控制技术越来越成为提高无人机系统生存能力、适应能力和任务完成能力的重要因素。通过对无人机实战场景和使用需求的分析,提出近期对自主控制技术应用的重要需求是提高无人机感知能力和对故障及飞行状态的适应性。分析了当前自主控制技术在外部态势、内部态势和适应性飞行控制方面的研究和应用现状。最后,根据对应用需求的分析和当前相关技术的发展应用情况的考察,提出了无人机适应性自主控制的技术框架。     

视觉导航自主车方向控制系统性能仿真分析

本文主要通过图形仿真的方法对基于视觉导航的自主车（ＡＬＶ）方向控制系统进行性能分析,以大量仿真结果分析各组成子系统对整个系统性能的影响,为系统设计提供理论依据     

一种基于细胞动力学的双目匹配方法

双目匹配是计算机立体视觉的一个难点。以往的各种模型把注意力集中于将左视图像和右视图像中的要素特征唯一地进行双目匹配的任务上。有别于以往的这些模型，文章在ＦＡＣＡＤＥ模型框架的基础上，利用细胞动力学模型隐含了竞争和合作这一原理，实现了一个采用“方位合作，视差竞争”方法的双目匹配模型，从而探索一条利用生物视觉原理进行计算机立体视觉研究的可行途径。     

离散动态贝叶斯网络的递推算法

离散动态贝叶斯网络是对动态系统进行建模和定性推理的有力工具。由于观测证据会随时间增加,直接计算推理算法的公式会变得冗长而且推理速度还会下降。在直接计算推理算法的基础上推导出递推公式,并给出算例验证。递推计算公式简洁,仿真表明递推算法的推理速度较直接计算推理算法有明显提高,因而适合实时在线推理。最后将递推算法应用于航天器的态势感知。     

一种巡逻执勤目标检测算法研究

巡逻执勤是具有重要意义的安全维稳行动,但是巡逻环境复杂、目标多样、检测难度大的问题十分突出,所以如何准确、实时检测巡逻执勤目标具有重大现实意义。为了提升对巡逻执勤目标检测的准确性和实时性,基于YOLOv5算法进行改进。为抑制巡逻环境带来的干扰,结合ECANet注意力机制进行改进,提高被检测目标显著性;同时为保证较好的实时性及多尺度目标检测能力,引入BiFPN网络结构。将改进算法与原始算法进行比较,mAP提升3.51%;与4种算法进行了对比实验,结果显示该算法能较好地降低巡逻执勤目标检测因检测相似、尺度多样、光照干扰等问题带来的影响,进一步验证了该算法在巡逻执勤目标检测任务中的有效性。     

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。     

外军先进无人地面传感器

无人地面传感设备是现代战争战场态势感知不可或缺的重要手段之一。近年来，外军借助先进通信与网络技术，大力发展无人地面传感设备，扩展了传统传感器的效能。     

OQAM/OFDM系统中基于压缩感知的离散导频信道估计方法

针对多径信道条件下,偏移正交幅度调制的正交频分复用(OQAM/OFDM)系统中采用导频序列方式进行信道估计时导频开销较大的问题,提出一种基于压缩感知的离散导频信道估计方法。该方法利用无线信道的稀疏特性,建立基于压缩感知的OQAM/OFDM系统信道估计模型,对离散导频结构进行了优化设计,使较少的导频符号随机分布在子载波上,在接收端利用信号恢复算法实现信道估计。该方法能够显著减少导频数量,并实现高精度信道估计性能,通过实验仿真对比验证了所提方法在慢时变和快时变的无线信道条件下的有效性。     

一种改进的分数低阶矩协作频谱感知算法

为了提高脉冲噪声下基于分数低阶矩频谱感知算法性能,提出了一种改进算法。针对中值滤波能有效抑制脉冲噪声的特点,该方法先对接收信号进行中值滤波,再进行分数低阶矩频谱感知。仿真分析了在不同广义信噪比、特征指数以及协作用户对感知性能的影响,并与能量检测和分数低阶矩频谱感知方法对比。仿真结果表明,改进的分数低阶矩方法在脉冲噪声下感知性能明显优于能量检测和分数低阶矩检测。并且对不同调制信号均具有良好的适用性。     

基于混合数据挖掘模型预测用户流失

用户流失预测问题广泛应用在银行、金融、电信等多种领域。对用户行为进行有效的预测和分析有助于企业的竞争和了解瞬息万变的市场规律。采用3种混合的数据挖掘模型对用户流失问题进行了研究,以形成一个准确高效的用户流失预测模型。这3种模型应用于数据挖掘的两个阶段:聚类阶段和预测分析阶段。在第1阶段中,对用户的数据进行过滤。第2阶段对用户行为进行预测。第1个模型采用了二分k-means算法进行数据过滤和多层感知人工神经网络(MLP-ANN)相结合进行预测。第2个模型采用层次化聚类与MLP–ANN相结合进行预测。第3个模型使用自组织映射(Self-Organizing Maps)与MLP-ANN进行预测。这3种模型预测分析基于真实数据,用户流失率采用3种模型混合计算的方式得出结果并同真实值进行比较。分析结果表明采用多模型的混合数据挖掘模型的数据准确度优于普通的单一模型。