新颖的冗余节点无线传感网能量感知分簇算法

针对一类具有冗余节点的无线传感网,提出了一种新颖的能量感知的动态分簇算法NEAC。它基于动态分簇路由机制,根据节点分布密集程度簇内分布一定数量的休眠节点,在数据传输阶段,这些休眠节点不感知和发送数据,当簇首节点的能量消耗达到一定阈值后需要重新轮换簇首,它们被唤醒并根据休眠节点和簇首轮换机制实现快速簇首和休眠节点选举以平衡节点间的能耗。仿真结果表明,与典型的分簇协议相比,NEAC能够更好地平衡节点的能耗,获得更长的网络生存期。     

分布式多平台态势一致性的实现机制

联合作战是现代战争的主要作战形式,参与联合作战的平台之间需要进行情报共享,形成协同一致的战场态势图。重点研究了Link16在分布式多平台之间实现态势一致性的机制,分析了其总体思路、采用的处理流程和方法、使用的消息种类、存在的问题和不足,并结合我军实际,提出了分布式多平台态势一致性的系统架构和实现方法。     

地面无人作战平台信息感知及其关键技术研究

信息感知是地面无人平台自主导航控制和执行任务的前提。介绍了国内外地面无人作战平台信息感知技术的研究现状;根据地面无人作战平台对远、中、近不同层次环境信息感知能力的要求,建立基于对象协同的信息感知模型。分别阐述了自主感知与协同感知各自所需的关键技术,提出多技术融合、全方位协同的发展方向。研究表明,全方位的协同感知才能提高无人作战平台自身的生存和任务执行能力。     

综合战场态势组件化表达模型研究?

战场态势是控制作战节奏、把握战斗进程的重要手段。借鉴组件化建模的思想,采用组件组合描述态势要素的方式,提出了一种崭新的战场态势表达模型。该模型构建了以态势图层为中心的管理机制、以“态”表达组件和“势”表达组件进行组合描述态势要素的建模机制和以图层服务为手段的功能扩展机制,可以显著增强战场态势显示的灵活性和提高系统功能的可扩展性。     

金字塔渐进融合低照度图像增强网络

针对现有低照度图像增强网络对不同尺度特征信息存在感知与表达能力不足的问题,提出金字塔渐进融合低照度图像增强网络模型。网络对图像进行多次下采样操作以组成特征金字塔,通过在特征金字塔的三个不同分支上加入跳跃连接,将不同尺度的特征图进行相互融合。通过精细恢复模块进一步提取精炼信息,将特征图恢复到正常的光照图像。结果表明,该网络模型不但能有效地提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,同时能够有效地抑制图像中的暗部噪声,使增强后的图像整体画面真实自然。     

潜艇大深度损失浮力仿真分析及操纵方法

针对潜艇舱室破损进水损失浮力后的安全操纵控制问题,分析了潜艇大深度航行的时机与操纵特点,在潜艇应急操纵运动模型的基础上,通过编制潜艇大深度航行安全操纵研究平台软件,仿真分析了潜艇大深度航行条件下的损失浮力后的运动响应及高压气应急吹除控制方案,制定了大深度航行舱室进水挽回限制线,总结出了大深度航行损失浮力时的操纵方法.研...     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。     

2023年深度学习技术主要发展动向分析

深度学习已成为人工智能领域的研究热点和主流发展方向之一,为诸多重要应用领域带来了革命性的进步。对2023年深度学习技术热门领域的主要发展动向进行了综合评述。首先介绍了深度学习技术发展现状,其次探讨了深度学习技术的军事应用任务和挑战,最后盘点了深度学习技术的未来重点发展方向。综述表明,大语言模型是深度学习领域在2023年最突出的亮点,世界模型框架下的自监督学习技术、强化学习框架下的人工智能智能体技术等也呈现加速发展态势;环境恶劣与强干扰复杂条件下的高鲁棒性深度学习、面向实时流数据高效处理与内在逻辑关联的深度学习、面向多变作战场景自主决策与快速决策的深度学习、面向跨域数据协同感知与协同推理的深度学习等,是深度学习技术未来重要的发展方向。