无人机场景下基于Transformer的轻量化行人重识别

针对无人机场景下行人重识别所呈现的多视角多尺度特点,以及传统的基于卷积神经网络的行人重识别算法受限于局部感受野结构和下采样操作,很难对行人图像的全局特征进行提取且图像空间特征分辨率不高。提出一种无人机场景下基于Transformer的轻量化行人重识别(Lightweight Transformer-based Person Re-Identification,LTReID)算法,利用多头多注意力机制从全局角度提取人体不同部分特征,使用Circle损失和边界样本挖掘损失,以提高图像特征提取和细粒度图像检索性能,并利用快速掩码搜索剪枝算法对Transformer模型进行训练后轻量化,以提高模型的无人机平台部署能力。更进一步,提出一种可学习的面向无人机场景的空间信息嵌入,在训练过程中通过学习获得优化的非视觉信息,以提取无人机多视角下行人的不变特征,提升行人特征识别的鲁棒性。最后,在实际的无人机行人重识别数据库中,讨论了在不同量级主干网和不同剪枝率情况下所提LTReID算法的行人重识别性能,并与多种行人重识别算法进行了性能对比,结果表明了所提算法的有效性和优越性。

新一代无人机网络切换场景分析和解决方案

随着移动数据流量需求的快速增长,需部署超密集网络应对。考虑通过网络重叠满足移动数据流量的海量需求,但此举将导致切换场景数量增加,影响移动网络和服务网络之间通信的稳定性和可靠性。由于网络移动性特征不同,且随着无人机网络的加入,将带来更复杂的挑战。因此,研究从移动性管理和切换概念出发,为读者提供了关于无人机移动性管理技术的全面、系统剖析。之后,研究了与无人机太空飞行相对应的3D场景的移动性和无人机的切换场景,并提出了建议的解决方案。

SEAD场景异构无人机配置与任务规划联合优化方法

对敌防空压制(suppression of enemy air defenses, SEAD)场景是多无人机协同的典型应用,针对该场景特点,在任务规划问题基础上将各类型无人机数量也作为决策变量,充分表征目标、任务和无人机的多种约束,建立异构无人机编队路径问题模型。设计了双层联合优化方法求解该模型:上层设计了任务衔接参数指标,精确评估各类型无人机需求,指导无人机配置调整;下层设计了改进遗传算法,高效处理多类型约束并能结合无人机数量变化对任务方案进行精细调整;双层相互协调获得满足需求的无人机配置和执行方案。仿真结果表明,该方法可以在避免遍历无人机配置组合的前提下获得合理的无人机配置方案和高效可行的执行方案。

面向应急场景最小化数据收集时间的无人机路径优化方法

针对应急场景中无人机(Unmanned Aerial Vehicle,UAV)辅助物联网节点(Internet of Things Node,IoTN)收集数据过程数据时效性差的问题,提出了一种基于费马点最小化数据收集时间的UAV路径优化方法。费马点的选取能够有效地优化UAV飞行路径,从而使数据收集时间最小,确保收集数据的及时性。该方法通过路径离散化将UAV飞行路径分段,利用连续凸优化(Successive Convex Approximation,SCA)转化复杂混合整数问题的非凸约束,围绕节点的联通性,优化UAV飞行速度与悬停点,求解出最小化数据收集时间的飞行路径。仿真结果表明,所提方法在收集数据时间方面相较于传统方法有6%的提升。

基于无人机摄影技术的农田场景可视化系统设计与实现

为了快速且准确地获取大面积农田数字影像和三维图像信息,提出了一种基于无人机倾斜摄影技术构建高精度农田影像和实景三维模型的方法。以新疆维吾尔自治区昌吉市华兴农场作为研究区域,基于无人机采集的地面影像数据,分别使用全景地图构建技术和三维建模技术制作农田高精度的数字正射影像和实景三维模型,在此数据基础上与研究区域基本信息数据进行融合,采用B/S架构设计基于农田场景的可视化系统。结果表明,该可视化系统能够对农田场景进行二维和三维视图的可视化展示。

动态大视角场景融合帧间信息与模板匹配的低慢小无人机目标检测

为了提升动态大视角场景下对极小像素的低慢小无人机目标探测能力,本文提出了融合帧间信息与模板匹配的检测方法。首先,设计了一种动态信息提取模块,通过滤除背景信息干扰,引导算法关注动态变化的小目标区域;其次,提出多模板匹配策略对筛选出的动态区域进行相似度判断,完成无人机目标检测;最后,在天空、山地、楼宇等不同背景下,按照不同尺寸、不同模态进行了无人机目标检测实验。结果表明,本文方法可有效弥补深度学习方法对大视角极小像素目标检测的不足,对低慢小目标检测准确率达到0.81,虚警率为0.06,在像素占比不小于0.01%数据集上准确率能达到0.70。该方法适应可见光、红外多种模态数据处理,可满足后续多种智能算法组合探测应用。

交叉路口场景下基于多约束条件的无人机辅助车辆通信模型

针对车联网的交叉路口场景,提出了基于无人机(Unmanned Aerial Vehicle,UAV)扮演路侧单元的通信模型。以要求的时延和回程链路容量为约束条件,先构建了关于UAV三维位置(水平位置和高度)和UAV功率分配的功耗优化问题,推导车辆用户所需的最小速率;再利用序列二次规划求解优化问题;最后通过仿真分析满足时延约束条件的超时概率和车辆用户传输的数据包尺寸对UAV功耗的影响。性能分析表明,在时延很小(10^(-5)s)时,数据包尺寸的增加提高了回程链路负载率。仿真数据可为部署无人机辅助车联网提供参考。

考虑任务场景的无人机航迹规划算法综述

随着“低空经济”理念的推广,无人机任务场景不断扩展。无人机航迹规划作为无人机自主作业的关键技术之一,其算法是实现无人机航迹规划的核心技术。以无人机航迹规划算法为对象,阐述各类航迹经典算法的基本思想以及研究现状,分析其适用任务场景。随后系统性总结各类航迹规划算法在单独作业时的优缺点以及在融合趋势下各类算法的特性,为改进算法提供优化方向以及优势融合,实现算法与任务场景高度匹配。最后基于已有分析结论,针对任务场景提出对现有算法改进与融合的展望,以推动无人机领域的发展与应用。

复杂城市低空无人机安全风险评估与三维路径规划

针对复杂城市环境内低空无人机飞行安全与效率亟待提升的问题,提出了复杂城市低空无人机安全风险评估与三维路径规划方法。首先,设计了无人机越界冲突率、缓冲空域占比指标,建立了无人机地理围栏安全缓冲间距优化模型,对最佳缓冲间距和栅格粒度进行了标定;然后,构建了由人口密度层、遮蔽层和障碍层构成的无人机风险地图,建立了弹道下降和失控滑行两种模式下的无人机对地风险评估模型,生成了精细化、组合化的城市低空概率风险地图;最后,综合利用地理围栏、概率风险地图和跳点搜索算法,对无人机三维路径进行了初始规划和优化重构。结果表明:弹道下降模式的伤亡风险是失控滑行下降模式的5~75倍;与A*算法相比,跳点搜索算法有效减少了飞行路径的转弯数量,缩短了求解时长,更适合规划无人机飞行路径;与不采用风险地图的方法相比,基于风险地图的无人机路径规划减少了50%的较高风险节点,相应的路径长度仅增加了7.2%和11.4%,整体路径节点的伤亡风险明显降低。研究成果可为复杂城市低空无人机飞行计划制定及安全运行监管提供理论依据和方法支撑。

一种面向随机计算卸载的两层无人机能耗优化方法

当物联网设备(Internet of Things Device,IoTD)面临随机到达且复杂度高的计算任务时,因自身计算资源和能力所限,无法进行实时高效的处理。为了应对此类问题,设计了一种两层无人机辅助的移动边缘计算(Mobile Edge Computing,MEC)模型。在该模型中,考虑到IoTD处理随机计算任务时的局限性,引入多架配备MEC服务器的下层无人机和单架上层无人机进行协同处理。为了实现系统能耗最优化,提出了一种资源优化和多无人机位置部署方案,根据计算任务到达的随机性,应用李雅普诺夫优化方法将能耗最小化问题转化为一个确定性问题,应用差分进化(Differential Evolution,DE)算法进行多次变异、交叉和选择取得无人机的优化部署方案;采用深度确定性策略梯度(Depth Deterministic policy Gradient,DDPG)算法对带宽分配、计算资源分配、传输功率分配和任务卸载分配进行联合优化。实验结果表明,该算法相较于对比算法系统能耗降低35%,充分验证了其可行性和有效性。

露天矿无人机遥感边坡地表形变提取方法研究

针对当前露天矿边坡监测过程中存在的设备留有监测死角、点位布控缺乏依据、地质隐患解译困难、无人机(Unmanned Aerial Vehicle,UAV)影像点云重构复杂度高等问题,提出了一种基于无人机遥感的边坡地表形变提取方法。首先,通过分析UAV激光点云与影像特点构建点云序列;其次,利用融合尺度不变特征变换(Scale Invariant Feature Transform,SIFT)与圆柱形邻域搜索的改进迭代最近点(Iterative Closest Point,ICP)算法,实现点云序列的精准高效配准,提高边坡形变提取精度;最终,借助数字高程模型(Digital Elevation Model,DEM)叠加分析与可视化,精准定位边坡重点形变区域,直观提取边坡形变位置和大小,并结合正射影像图像特征进行形变区域分析与解译。以南芬露天矿为工程应用实例,研究表明:边坡形变模型标准偏差为0.032 m,对比全球定位系统-实时动态差分(Global Positioning System-Real Time Kinematic,GPS-RTK)实测形变值,形变中误差为0.012 m,能够快速实现大尺度复杂边坡地表扫描与形变提取,从而为地质灾害隐患分析、盲区边坡形变监测与地面监测设备科学布控提供技术支撑。

基于模糊贝叶斯网络的低空无人机运行风险评估

为解决目前城市低空环境下的无人机(UAV)运行安全风险问题,利用模糊贝叶斯网络(FBN)识别和评估低空无人机运行的关键风险因素。首先,在分析低空无人机运行流程基础上,从人-机-环-管角度分析低空无人机运行过程的风险因素。随后,利用GeNIe软件构建低空无人机运行风险评估贝叶斯网络(BN),利用专家先验知识和模糊集量化分析底事件的先验概率。最后,开展单因素分析、双因素分析以及敏感性分析,并以实例验证网络可行性。研究结果表明:低空无人机运行的关键风险因素为无人机电池故障、运行航线的环境障碍物以及无人机运行监管技术;FBN反向推理分析结果显示,环境相关风险(79%)、无人机设备风险(60%)是无人机运行过程主要风险因素。

给定时间有向通信网络多无人机最优集结控制

为解决给定时间的多无人机(unmanned aerial vehicles,UAVs)最优集结问题,通过分布式优化的方法研究能够使多无人机在权重不平衡有向通信网络下按照给定时间范围内完成最优集结的控制算法。每架无人机都有其相应的局部目标函数,全局目标函数就是每架无人机所具有的局部目标函数之和,算法的目的就是通过分布式控制的方式,找到满足全局目标函数的最优集结点,采用时域映射的思想,将原本的给定时间下的集结问题转变为无限时域下的集结问题,并通过拉普拉斯零特征值下的左特征向量克服权重不均衡有向网络的不平衡性。结合凸分析理论和李雅普诺夫稳定性理论,验证了算法能够收敛到最优的解。仿真结果表明:不同出发点的无人机,在算法的控制下,均可以在给定时间内到达最优的集结点。

人工等离子体云团与无人机群的散射研究

电离层中释放的金属蒸气产生人工等离子体云团,其可显著改变无线电波传播。本文利用几何绕射理论(geometrical theory of diffraction, GTD)和有限元法(finite element method, FEM)相结合的方法,给出了经由天线、人工等离子云团和无人机(unmanned aerial vehicle, UAV)群组成的传播链路中信号强度计算方法。利用30~70 MHz甚高频(very high frequency, VHF)信号研究人工等离子体云团与UAV群的复合散射特性,得出如下结论:接收功率随着信号频率增加呈下降趋势;当机群由N架UAV构成时,阵因子迭加使机群雷达散射截面(radar cross section, RCS)出现一定的起伏,同相迭加时,接收功率可比单个UAV高约20lg N dB;利用人工等离子体云团散射可实现VHF频段用于对米级尺度RCS目标进行超视距探测,有助于解决紧急情况下电离层扰动对高频探测的不利影响。

无人机辅助智能边缘网络技术综述

简要介绍了无人机作为空基信息平台的主要应用场景,结合6G多接入网络和用户为中心网络架构,讨论了无人机在构建智能边缘网络中的重要作用。结合无人机平台在不同场景下的通、感、算能力特点,介绍无人机自组网、无人机通感一体化、无人机边缘计算等无人机辅助智能边缘网络关键技术。最后,围绕无人机在构建智能边缘网络过程中与无线接入网新技术结合时产生的新问题,探讨无人机通信信道建模、三维立体部署与路径规划、携能有限与续航问题、无人机网络安全、无人机集群异构网络融合等关键技术挑战和未来研究方向。

基于数据融合的无人机影像碎屑岩岩性识别

不同类型岩性影像纹理相似性高,基于单一的二维影像进行岩性识别精度较低。针对这一问题,开展了顾及影像深度信息的岩性智能识别方法研究。利用无人机影像具有多模态的特性,采用通道叠加、IHS(intensity,hue,saturation)变换、小波变换以及多模态融合4种影像融合方式,将深度信息融入影像数据中,运用深度卷积神经网络DeepLabv3+进行碎屑岩岩性识别。经人工解译结果对比分析,结果表明:实验区内基于多模态融合影像的岩性识别精度最高,Kappa系数可达76.17%,总体识别精度可提升到91.05%;分析认为,顾及影像深度信息的岩性智能识别方法针对岩层表面不平整,高差落差大的砾岩识别效果有明显提升,但表面平整、高差表现不明显的泥岩和砂岩地层识别效果有待提升。研究成果为野外碎屑岩露头岩性快速识别提供了新思路。

无人机城市三维航迹规划可视化平台设计与实现

随着无人机在城市场景下的广泛应用,针对传统路径规划算法在多个约束条件下进行无人机三维路径规划时无法兼顾多种风险、容易陷入局部最优等问题,基于真实城市建筑物数据,考虑地理围栏限制、人流密集程度和社会属性等因素,构建城市场景无人机运行环境并建立真实三维环境模型,设计了基于城市场景的无人机三维航迹规划可视化平台。该平台构建了真实环境下城市空域网格,并对网格飞行适宜度进行了量化分析,并基于该数值,采用了改进的Lazy Theta*算法对无人机航迹进行规划。通过可视化平台的实际运行,提供航迹规划的三维展示,更好地实现人机交互,是一种无人机路径规划三维可视化仿真验证的手段。

基于FPGA的无人机非平稳信道动态模拟研究

针对无人机高速移动导致的信道状态快速时变以及多普勒频率起伏大的特点,本文基于现场可编程门阵列平台设计了无人机非平稳信道模拟方案。该方案采用调频谐波叠加方法产生非平稳信道衰落,并提出了一种信道参数实时产生算法,提高了信道模拟的实时性,保证了信道状态的实时更新。同时,针对多普勒频率起伏大导致的功率随机波动问题,本文设计了一种自适应功率均衡模块,使得输出功率最大波动仅为1.13%,保证了衰落功率的稳定性。最后,硬件消耗资源结果表明,相较于复播方案以及预存式方案,本文方案对存储资源的消耗分别降低了52.44%和9.31%,更适合长时间无人机非平稳信道衰落的模拟。同时,实测分析结果表明,相较于未均衡的模拟方案,本文硬件模拟方案输出的信道特性如路径损耗和多普勒功率谱密度与理论结果更加吻合,可用于无人机通信系统的设计、优化等领域。

基于深度强化学习的可重构智能超表面辅助无人机通信联合波束成形与轨迹优化

针对可重构智能超表面(reconfigurable intelligent surface,RIS)辅助无人机(unmanned aerial vehicle,UAV)通信中的相移矩阵和UAV轨迹设计高度耦合所带来的运算复杂度较高的问题,本文面向RIS辅助UAV通信服务多用户场景,提出采用一种基于双深度确定性策略梯度框架的优化方法。该方法利用两个深度确定性策略梯度框架分别解耦UAV轨迹和波束成形两个子问题,并通过在奖励函数中添加与UAV能耗相关的惩罚项,实现系统频谱效率和能源效率的联合优化。数值仿真结果证明,联合优化UAV轨迹和波束成形向量能够有效提升系统性能,恰当的奖励函数设计能够有效指导智能体在动态无线环境中学习到正确的UAV轨迹与波束成形策略。该联合优化方法和基础方法相比实现了至少12%的频谱效率提升和24%的能源效率提升。

基于空间相关性增强的无人机检测算法

针对无人机(UAV)体积小、复杂背景下特征难以提取导致被误检和漏检的问题,提出基于自适应上采样和空间相关性增强的无人机小目标检测方法.采用多尺度的空洞卷积获取重要的上下文信息,然后通过注意力特征融合模块抑制多尺度特征融合造成的信息冲突;采用亚像素卷积和双线性插值自适应融合的新上采样方式,融合更多无人机特征信息,同时平衡计算量;对深层特征图的空间局部特征和全局特征采用空间相关性增强策略,提高复杂背景下前景目标的敏感度,增强目标表达和抑制背景噪声.在自制无人机数据集上进行消融实验和对比实验,与原始YOLOv5算法相比,本算法的m AP0.5和m AP0.5∶0.95分别提高了2.4%和2.7%,检测速度能够达到58.5帧/s;在VisDrone2019数据集上进行验证,本算法较YOLOv5算法的mAP0.5和mAP0.5∶0.95分别提高了4.6%和1.3%.