基于MALS双线性分解的表情合成

表情合成研究是虚拟现实技术领域一项富有建设性和创造性的课题。使用双线性模型(Bilinear Model)分离出人的身份因素和表情因素来进行表情合成。在计算双线性模型的转移(Translation)问题时需要重复进行矩阵的逆运算来得到人的身份和表情信息,而当观测数据具有相关性或存在噪声信息时,该过程可能会不稳定。针对双线性模型在表情合成中的稳定性问题,通过在双线性模型转移过程引入改进迭代最小二乘法(Modified Iterative Least Square,MALS),使得该过程的计算具有更强的稳定性。设计实验进行验证,实验结果证明了方法的有效性。

海战场态势生成技术发展综述

未来的战争必将是多兵种、多域联合作战,战场态势作为未来联合作战的重要支撑,旨在为联合作战提供精准、高效的统一态势图,而如何将多平台、同/异构传感器信息及其他情报信息与战场环境融合生成准确可靠的战场态势是亟需解决的技术难题。鉴于现代海战场对高精度、强实时、全要素战场态势图的迫切需求,对海战场态势生成技术进行了综述。首先梳理了海上态势生成项目的发展历程及能力水平;然后详细介绍了通用作战图/通用战术图等典型项目,在态势生成部分中通过态势图的要素组成、态势生成流程及关键技术对态势生成技术进行了阐述;最后对未来海战场态势生成技术的发展趋势进行了预测,希望可以为态势生成相关研究提供参考。

多雷达资源管控技术设计与研究

针对多目标跟踪的情况,设计了一种多雷达资源管控方法,在满足雷达检测概率和资源约束的前提下,研究雷达组网的多目标分配,对雷达波束驻留时间及波束指向进行管控,优化雷达最终的跟踪效果,设计了算法实现,并通过仿真验证了算法的可行性。