水域无人系统平台自主航行及协同控制研究进展

水域无人系统平台是指可通过远程遥控、无人驾驶、自主航行等方式达成任务的一类平台,涵盖无人船艇及其所配备的无人机、自主水下机器人等.自主航行及协同控制理论技术水平是水域无人系统平台的核心所在,已成为船舶与海洋工程及水上交通等领域的热点研究方向.为掌握水域无人系统平台的自主航行及协同控制方面的发展动态和趋势,综述了水域无人...     

地域通信网节点重要性评价方法

为了更全面、更客观地评价地域通信网节点的重要性,提出了综合考虑节点边权值和节点地位双重因素的评价方法,该方法既刻画了节点间的作用细节,又反映出节点在网络中的位置和节点间连接紧密程度,克服了以往无权网络中评价节点重要性存在的不足。最后,通过实例验证了该方法的有效性和全面性。     

多参数战场态势环境信息感知远程监测系统

战场态势感知是军事领域研究的热点问题,为了更好地实现战场态势环境信息感知的要求,从多参数数据采集系统的设计入手,结合wSN、GPRS技术独特的优势,以CC2530和MC35i芯片为核心,利用多参数复合传感器技术,wSN技术和GPRS技术,采集、处理和传送战场环境信息,实现了地形、气象、水文（温度、湿度、风速、声、光、有毒气体、核辐射化学物质）的实时远程监测。测试结果表明：该系统性能与设计指标相符,较好地满足了战场环境信息远程实时、准确、长时间连续监测的要求。     

编码感知的机会路由算法研究

提出一种编码感知的机会路由算法——CAR.它利用机会传输增加编码机会,并通过引入一系列参数衡量"机会"好坏,创造性地解决了交叉数据流下机会路由转发节点的选取问题,解决了流间网络编码和机会路由算法结合时数据包上下跳节点"已知"与"未知"的矛盾.CAR算法能够最大化每次编码传输中原始数据包的个数,仿真表明,它能够显著提高可靠传输协议以及整个网络的传输性能.通过机会传输实现多用户分集,可显著增加流间网络编码机会,引入的转发延时也可增加流间网络编码机会.     

地空导弹CGF系统感知行为模型研究

为了有效解决计算机生成兵力模拟目标识别行为的问题,对防空作战中指挥员感知信息和综合处理的过程进行了分析,针对目前CGF系统的需求和感知行为模型的不足,建立了一个综合多特征信息的不确定性地空导弹感知行为模型。该模型对数据库中样本和待识别目标的特征信息进行客观的主成分分析,利用分析得到的综合主成分值对目标进行匹配;在此基础上,引入表示匹配结果不确定性的感知能力值,获得一个带有不确定性的即时信念;最后,通过基于感知能力的证据合并方法将即时信念、先验信念和通信信念合并形成最终信念。实例分析表明该模型可行。     

分布式态势感知一致性分析与度量方法研究

一致的态势感知,是现代武器、火力系统以及部队紧耦合协同作战的基础。本文以分布式态势感知理论为依据,从系统的角度,构建了团队达成一致态势感知过程的动力学模型;以系统内部一致性、外部一致性和一致所需最短时间为指标,给出了团队态势感知一致性的度量方法。仿真结果表明,适当地提高团队内沟通的广泛度和相互作用强度,选择合适的沟通网络,对提高一致性能力有积极的作用。     

求解压缩感知中信号重构问题的原始对偶算法

压缩感知理论(CS)是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值准确地重构稀疏信号是压缩感知理论中的核心问题。为求解稀疏信号的重构问题,文章利用了一种基于邻近点算法的自适应一阶原始对偶算法,并证明了其全局收敛性,该算法通过研究l1范数最小化来求解信号重构问题。最后,对提出的算法进行数据仿真,并与压缩采样匹配追踪(CoSaMP)算法进行了对比,数据表明文章提出的算法计算速度更快。     

网络环境下视频报文重要性的研究

文章旨在研究网络环境下视频报文的重要性,分析了H264/AVC标准编码形成的视频流在无线信道上传输时,不同丢包率条件下,包含不同报文(包含I、P、B条带的NAL单元)的数据包丢失时对视频质量造成的损伤。视频流按照RFC3984协议经过RTP打包,网络环境使用NS-3仿真器进行模拟,使用基于结构相似性(SSIM)标准质量评价。仿真发现,在相同丢包率条件下,包含不同类型条带的数据包重要性为I、P、B条带依次升高;随着丢包率的增加,不同数据包丢失造成的视频质量下降速度为B、P、I条带的数据包视频质量下降速度依次降低。此结论较之现有的研究更加符合实际情况,为视频传输的不等差错保护以及网络带宽资源分配等问题的研究提供了较为准确、符合实际的依据。     

基于知识感知提示与对比调优的事件元素抽取方法

提示学习在事件元素抽取领域的应用越来越广泛。由于缺乏对实体信息的考虑,现有的事件元素抽取提示学习方法并没有达到满意的效果。现有的大部分基于提示学习的模型对于事件元素的表示也不够充分,分类效果欠佳。提出一种基于知识感知提示与对比调优的事件元素抽取方法,该方法基于预训练模型,构建知识感知模板,将实体知识注入预训练模型中,通过中心对比学习充分区分元素表示,在预测阶段使用CRF-Viterbi解码算法提升解码效果。实验结果表明,在ACE2005数据集上,该方法相较于基线模型取得了更优越的效果。     

基于深度强化学习的作战实体智能感知与决策研究

为解决战场上作战实体的自主感知与决策问题,构建了一种基于深度强化学习的智能感知与决策框架,主要包括态势数据预处理、态势感知、行动优化和知识库4个模块,并通过单智能体无人机突防实验验证其应用效果,为解决作战实体的自主感知与决策问题提供了一种可行的技术途径。