多目标跨摄像头跟踪技术

多目标跨摄像头跟踪,指的是对于多个被寻目标,在不同场景的摄像头中找到他们出现的时间和空间信息并加以关联。算法综合利用人脸检测、行人检测、目标跟踪、人脸识别和行人再识别等技术,形成一个统一的技术框架。无论是在实现框架上,还是在准确率上都能达到商用水平。在南京市举办的全球人工智能应用大赛中获得了二等奖。     

系统频率偏差对同时全极化测量的影响及其校准

目标极化散射矩阵的精确测量是全极化雷达极化信息处理的前提和基础。基于正负线性调频信号,针对采用数字解线性调频处理的同时全极化测量体制雷达,分别推导了雷达中频频率偏差和采样频率偏差对同时全极化测量影响的数学模型,提出一种雷达中频频偏和采样频偏的联合估计与校准方法。仿真和实测数据表明：雷达系统频率稳定度会引起不同通道极化测量结果峰值位置和相对相位的变化,采用所提方法能够有效校正峰值偏移,补偿相位误差,提高目标极化散射矩阵测量的精度。     

P3C-MADDPG算法的多无人机协同追捕对抗策略研究

针对策略未知逃逸无人机环境中多无人机协同追捕对抗任务,提出P3C-MADDPG算法的多无人机协同追捕对抗策略。首先,为解决多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient, MADDPG)算法训练速度慢和Q值高估问题,在MADDPG算法中分别采用基于树形结构储存的优先经验回放机制(Prioritized Experience Replay, PER)和设计的3线程并行Critic网络模型,提出P3C-MADDPG算法。然后基于构建的无人机运动学模型,设计追逃无人机的状态空间、稀疏奖励与引导式奖励相结合的奖励函数、加速度不同的追逃动作空间等训练要素。最后基于上述训练要素,通过P3C-MADDPG算法生成策略未知逃逸无人机环境中多无人机协同追捕对抗策略。仿真实验表明,P3C-MADDPG算法在训练速度上平均提升了11.7%,Q值平均降低6.06%,生成的多无人机协同追捕对抗策略能有效避开障碍物,能实现对策略未知逃逸无人机的智能追捕。     

基于属性匹配的装备保障体系建模方法研究

现有装备保障体系拓扑建模方法难以描述体系内部异质节点及各功能子网之间的关系,借助超网络理论提出了装备保障体系网络建模方法.定义了基于超网络的装备保障体系概念;提出了基于"三层五网"结构的装备保障体系超网络模型,结合欧式距离算法提出了基于属性匹配优先的边连接策略;以某战区装备保障体系为例,仿真表明该模型展现出近似无标度特...     

部队机动作战中无人机安全威胁与防控对策

近几场局部冲突表明无人机作战已由小规模使用转向常态化运用,无人机机型谱系众多、作战样式多样,给传统防控体系带来了全新挑战,特别是严重威胁装甲车、坦克、后勤车队等机动作战单元的安全。在分析无人机主要安全威胁的基础上,立足当前典型的无人机防控手段,针对性开展机动作战中无人机防控体系设计,提出驻车待机阶段和机动行进阶段两种防控模式,重点围绕防区规划、防控流程、战术要领研讨防控策略,以期为现代战争中机动作战单元无人机防控力量建设和实践运用提供参考。     

学院学科建设与发展策略刍议

通过对学院学科建设现状与问题的分析,探讨了学院学科建设与发展的策略,提出了学院学科设置与调整的发展性、需求性、层次性、整合性及开放性等原则,讨论了学科发展与建设中应注意解决好的几个突出问题,研究了如何突出学科特色、提高学科建设水平的途径和方法.     

多参数的双层分布式智能在线检测系统

能在一套系统上做到诸如显示、电压、转速、温度和流速等多参数信号的检测通常是比较困难的。结合上述问题提出了多参数双层分布式智能在线检测系统的构建方法。分析了智能仪器、多仪器串行通讯接口等相关支持技术。并通过引入一兰姆波密度传感器检测系统为例说明了所构建系统的可行性。此系统通过合理的软件和硬件设计,可以完成对整机系统的诸如检测、处理、监控、报警、显示和启示等功能,从而自动智能地达到控制目的。     

一种简便的利用交流采样值求交流信号周期的方法

介绍一种利用交流信号的采样值求出交流信号周期的简便方法。该算法原理简单、编程容易,同时大大简化了外部硬件电路。     

半定量快速评价沾染H消毒效果的研究

芥子气或冬季芥子气均可和氯化汞及米氏酮配位反应直接显色、生成玫瑰红色或紫红外的三元混配化合物。利用浸渍有氯化汞和米氏酮的硅胶纸制成的采样检测纸,可以方便地用于快速检测并半定量评价兵器表面经消毒后,残留在漆层中的芥子气或冬季芥子气的残存密度,也可以用于快速检测渗透到可渗透材料内部的芬子气或冬季芥子气。芥子气采样检测纸采用铝箔复合膜包装,储存期可达3年之久。     

基于深度强化学习和导航向量场的卫星规避拦截算法

针对在轨卫星规避拦截问题,提出了一种新的基于强化学习和三维李雅普诺夫导航向量场（3D-LGV）算法。首先,采用3D-LGV产生收敛于椭圆轨道的趋近律,保证规避拦截后能再次入轨。其次,针对拦截卫星利用扰动流体动态系统算法（IFDS）产生扰动流场,利用该扰动流场对导航向量场产生的趋近律进行修正,从而保证卫星能有效地规避拦截。由于IFDS算法中扰动流场大小和方向主要受其中反应系数和方向系数的影响,采用近端策略优化深度强化学习算法作为决策层输出反应系数和方向系数,用于指导卫星在不同场景下提供合适的对导航向量场的修正。最后,通过将IFDS算法修正后的趋近律作为卫星的最终运动方向,实现了整个规避过程。在构建的不同场景下进行了对比实验,结果表明,相较于滚动时域优化算法（RHC）、人工势场算法（APF）和传统IFDS算法,基于强化学习的算法决策时间更短、规避效果更好,在不同场景下均能实现有效规避。同时,对该算法进行蒙特卡洛仿真,统计结果显示卫星规避成功率高达98%。因此,此研究对智能方法在卫星规避拦截领域的应用具有一定价值。