外部硬时钟在半实物仿真中的应用北大核心

为保证高动态运动下的仿真可信度以及三轴转台、高精度惯导等仿真设备的安全,通常对于半实物仿真系统具有严格的实时性要求。提出一种以Windows+RTX实时系统平台为基础,使用外部硬件时钟产生定时信号的定时方案。使系统运行周期定时任务时具有良好的时钟定时精度。大量测试对比结果表明,在系统高负荷运行时外部硬时钟定时的方法比使用软时钟定时的方法体现出了更高的稳定度与定时精度。在分布式实时仿真系统中该方法具有重要工程应用价值。     

防空武器系统仿真中的三维图形实时成像技术

图形图像技术在仿真中的应用除使之高度可视化外,更重要的是引入了“三维描述”的概念,扩大了“定量”     

Motorola DSP560XX DSP应用开发系统的使用方法

本文介绍了DSP560XX DSP开发系统的基本组成、功能和使用方法,详细阐述了其软件开发调试方法,对不易掌握的要点作了重点阐述,并给出笔者在开发过程中摸索出来的新的调试方法。熟练掌握其调试开发工具对于加快DSP芯片的开发速度十分重要。     

一种船舶历史活动热力图实时生成策略

在船舶信息大数据系统中,针对在客户端向服务器请求大批量历史数据并实时绘制热力图时,会出现耗时较长、热力图效果失真以及地图软件漫游时跟随性差或卡顿等问题,提出一种改进的船舶历史活动热力图实时生成策略。该策略在基于像素聚类思想的热力图生成方法基础上,采用基于非线性变换的图像增强算法和像素补点方法,对传统方法绘制的热力图所存在的显示失真问题进行校正和优化,并在此基础上,提出动态加载与绘制策略和多线程实时成图策略,来生成船舶历史活动的热力图。试验表明,所提出策略在热力图绘制的效率、成图效果以及地图软件的交互体验上都得到了提升。     

基于深度强化学习的无人机实时航迹规划

随着无人机技术的应用和发展,无人机执行任务的飞行环境愈发复杂多变,对无人机机动避障能力和航迹规划的实时性提出了更高的要求。基于泛化性较好、对环境依赖弱的深度强化学习算法,以雷达实时获取的障碍物地图信息为基础进行实时路径规划,针对二维航迹规划问题特点设计了连续奖励函数,解决了强化学习算法在二维平面航迹规划中奖励稀疏的问题;基于迁移学习的思想设计多个训练环境,并按任务的难易程度进行分步训练,降低了算法的训练难度,提高了训练效果,并使算法的收敛效果更加稳定。在实验中将SAC算法与目前主流的PPO和TD3算法进行对比,实验结果表明：SAC算法收敛速度快,实时性好,航迹平滑度更好。     

基于暗原色先验的单幅图像去雾优化技术

雾霾等粒子的大气散射作用会使得图像采集设备所获取的图像质量下降,影响后续工作。基于暗原色先验理论提出一种单幅图像的去雾优化技术。针对景深突变处出现的"白边"与"黑化"现象,提出结合最小值滤波与中值滤波的粗估计透射率优化方法。并提出自适应限定透射率下限值的方法改善天空区域的颜色失真问题。实验结果表明,该算法在去雾效果及自适应性方面优于对比算法。     

一种舰载传感器图像编码实现方法

针对舰船传感器视频信号高清化和数字视频总线传输实时化需求,分析多核DSP并行处理和JPEG编码算法的基础上,提出了基于多核DSP的JPEG图像编码实现方法,以TI公司TMS320C6678数字信号处理器为硬件平台,实现了多核DSP核间高效通信和任务级并行处理。实验测试JPEG算法核心组件,优化编码子系统可进一步提升系统处理能力;实验结果表明,基于八核DSP的JPEG编码系统的实时处理能力比单核系统提升了5倍,提高了视频图像压缩效率,满足数字视频总线实时性传输要求。     

基于STK的弹箭半实物飞行实时可视化仿真

随着信息化时代的到来,在先前所建立的弹箭半实物飞行实时仿真系统的基础上,研究了弹箭飞行的实时可视化方案。因此,在弹箭半实物飞行的Windows+RTX实时仿真系统下实现与STK软件的RT3模块的实时数据传输与控制,从而实现弹箭飞行的实时可视化。结果表明:基于STK建立的弹箭半实物仿真实时可视化系统,可以在STK窗口看到弹箭飞行姿态和轨迹的变化,通过对姿态和轨迹进行分析,可以得到该可视化系统满足需要的实时性要求。     

低空无人机实时探测的GCB-YOLOv5s算法

为应对无人机“黑飞”“滥飞”带来的安全威胁,迫切需要对无人机进行有效的实时探测与识别。然而由于低空无人机的灵活性、微小型化及多干扰因素等原因,传统的雷达探测等方法表现不佳。为此,基于机器视觉探测,提出了一种低空无人机实时探测的GCB-YOLOv5s算法。该算法针对经典YOLOv5算法运算速度难以满足高清实时处理的问题,使用轻量级GhostNet网络取代了YOLOv5骨干网络中的卷积运算,简化网络结构,大幅提高了计算速度;并且通过引入CA注意力机制,以及使用BiFPN双向加权特征金字塔替换颈部的PANet结构,在网络结构简化的基础上提升检测准确性。通过现地拍摄无人机在建筑、云层、树木、阴暗等不同复杂背景下的飞行姿态,结合公开数据集,对算法进行训练和测试实验。实验结果表明,GCB-YOLOv5s在参数量和浮点数计算量上均减少了近40%,且可达96.7%的精确率、96.4%的召回率和97.5%的平均精度。