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。     

基于改进遗传算法的舰载机出库调度优化方法

舰载机出库最优调度方案是合理编排一批次舰载机出库顺序,使目标舰载机在最短的时间内调出机库。提出舰载机出库调度方案4步单目标优化方法。第1步实现舰载机数量分配功能;第2步依靠遗传算法,实现舰载机选择功能,寻找最优出库组合方案;第3步根据优先级规则对舰载机出库作业进行排序,从而得到最优出库方案的舰载机调度序列;第4步找出需要倒机的舰载机并根据一定规则进行整理后,得到出库作业序列。最后,建立模拟机库验证调度方案的优化方法可行、高效。     

认知无线电技术研究新进展专题讲座(三) 第6讲 协作中继通信系统中能量收集技术的研究动态

在协作中继通信系统中,能量收集设备可从周围环境中收集能量,并将之用于支持中继设备工作,减少能源浪费和损害环境。文章首先对能量收集协作中继通信系统的系统模型进行了描述,其次针对其研究侧重点介绍了不同模型下的问题及解决方案,最后针对目前研究的不足提出了对下一步研究方向的展望。     

星载高速标签交换机星地流控机制设计与仿真

为了优化大容量星载标签交换机的设计,提出了一种星地流控机制,根据星载交换机存储资源使用状态调整地面网络设备队列调度权重,降低星载交换机存储资源使用量和丢包率。使用网络仿真软件(NS2)仿真分析了地面网队列调度机制对星载交换机存储资源需求和丢包率等关键指标的影响,为星载标签交换机和星地协同网络的设计提供了参考。     

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。     

基于服务功能链的网络功能资源调度机制设计与实现

针对于邻居网络功能节点对资源调度的影响,提出了基于服务功能链的网络功能资源调度机制GSDM。基于服务功能链,GSDM将邻居节点运行状态信息加入到调度策略中,有效刻画了网络功能连接关系对资源调度的影响。实验结果表明：GSDM有效地提高了资源调度的召回率以及精准率,并有效提高了网络功能虚拟化系统性能。     

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。     

改进Laplace先验下的复数域多任务贝叶斯压缩感知方法

为了将现有的实数域贝叶斯压缩感知方法推广至复数域,利用改进Laplace先验假设,提出了一种复数域多任务贝叶斯压缩感知(complex multitask Bayesian compressive sensing using modified Laplace priors, CMBCS-MLP)方法,消除了测量噪声方差的影响,并推导了一种基于递归操作的快速算法。数值仿真表明：针对复数域稀疏信号重构问题,相比于现有方法,所提CMBCS-MLP方法具有更好的精确性和鲁棒性。     

一种基于图模型的空间态势理解方法

近年来机构和学者围绕空间态势感知任务,已形成了大量基于空间目标独立节点的目标跟踪、检测、识别、计算等相关理论和技术研究成果,面对低轨空间目标数量激增、高轨不断新增各类具有对抗背景的敏感目标的新形势,对空间态势认知能力提出了更高的要求。通过图模型对空间态势系统进行建模,设计构建双层空间态势理解结构来实现包含关系影响的单节点到系统层面的嵌入式映射,并通过进一步形成对态势整体的量化表示,通过实例验证所提方法的可行性,为基于空间态势感知信息、形成对整体空间环境和力量的态势理解及后续态势预测分析提供了思路和方法。