基于C3D辅助的战场传感器监视系统设计与实现

首先介绍了战场传感器监视系统的定义和各国现有典型系统。其次针对战场监视特殊的应用环境,利用C3D辅助技术,将相对定位与基于三维地图环境下的绝对定位相结合,通过坐标转换和地图匹配将位置信息直观准确反映在电子地图上,设计了基于C3D辅助的战场传感器监视系统,并对该系统进行了实现。最后通过对3D-MDS(C,D)定位算法的验证结果表明,在长1000m×7m宽的道路上,布撒120个节点,对于速度为3m/s的装甲车定位误差仅为2.1687米。该系统可对定位算法的定位精度进行评测及误差进行修正,防止由于误差累积造成误差放大。     

基于正则化的多平台导航定位及探测偏差估计方法

影响舰载雷达探测误差主要为平台导航定位误差和传感器自身探测误差,针对对这两类误差的影响因素进行了分析,首次综合考虑这两种系统误差,提出了一种基于正则化的多平台导航定位及探测偏差估计方法,利用不同舰艇上传感器对公共目标探测的迭合条件,建立系统误差观测方程,利用LS对两种系统误差同时进行了估计,并在偏差估计中采用正则化估计方法,提高估计结果的稳定性,最后进行了仿真验证,仿真效果验证了算法的有效性,具有较高的工程应用价值.     

长向量处理器高效RNN推理方法

模型深度的不断增加和处理序列长度的不一致对循环神经网络在不同处理器上的性能优化提出巨大挑战。针对自主研制的长向量处理器FT-M7032,实现了一个高效的循环神经网络加速引擎。该引擎采用行优先矩阵向量乘算法和数据感知的多核并行方式,提高矩阵向量乘的计算效率;采用两级内核融合优化方法降低临时数据传输的开销;采用手写汇编优化多种算子,进一步挖掘长向量处理器的性能潜力。实验表明,长向量处理器循环神经网络推理引擎可获得较高性能,相较于多核ARM CPU以及Intel Golden CPU,类循环神经网络模型长短记忆网络可获得最高62.68倍和3.12倍的性能加速。     

Too little,too late: protecting American soft networks in COIN/CT

ABSTRACT

Assistance of local-national partners is necessary to the USA in order to protect its national security interests throughout the world. These partners, typically individuals who support USA diplomats, service members, and non-governmental organizations (NGOs) in non-combatant roles, form USA soft networks. Due to the nature of their work, many of these individuals associated with the policy and actions of the USA become vulnerable to violent threats from adversaries. In fact, adversaries have grasped that attacking USA soft networks is a logical approach for enemies fighting from positions of weakness. As a result, examination of other domains may yield best practices that build resiliency in USA soft networks, thereby cementing national security interests. Further, agency theory illuminates critical principles in the relationships between local-national partners and field practitioners, and informs policy development efforts as a result.