基于改进狼群算法的无人机协同任务规划

多无人机在现代化作战中的运用日渐增多,无人机任务规划在无人机智能作战中至关重要。针对子系统能力约束下的无人机任务分配问题,提出一种Levy Flight(LF)优化下基于拍卖机制的混沌反向学习狼群优化算法CRL-AMIWPA。首先,定义无人机能力矩阵和任务场景,对无人机异构性、任务执行能力、执行任务能力最低需求建立同一矩阵描述,根据距离油耗和最迟任务完成时间的加权和建立目标函数,建立子系统约束下的任务分配模型;然后,设计狼群个体编码,每个编码方案包含一种任务分配策略,针对未达到任务需求最低能力的解,采用基于合同网的拍卖策略予以修正。另外,在狼群初始化阶段,采用Tent混沌算子和反向学习策略,将狼群个体均匀地分布在解空间中,以提高初始种群的多样性,最后,利用LF策略优化寻优过程,提高跳出局部最优解的能力。仿真实验结果表明,所提算法能有效解决在子系统约束场景下无人机任务分配问题,相比其他群智能算法和狼群算法,具有更优的寻优性和收敛速度。

Pimflo:基于过程解释的恶意函数定位方法

恶意软件的关键模块定位是逆向工程中的重要环节,然而目前大多数研究集中在判别程序是否恶意,少有研究对关键恶意模块进行定位,并且存在自动化定位难度高、定位过程难解释的问题.为此,本文提出了基于过程解释的恶意函数定位方法Pimflo,从具体的内存信息出发进行恶意识别和定位.Pimflo利用动态沙箱对目标二进制进行内存取证,基于签名技术识别可疑行为,追溯其相关的进程调用和堆栈信息.通过反汇编目标程序生成控制流图(CFG),还原可疑行为调用链,追溯和定位恶意源函数.本文在VIRUSSHARE的100个样本上对Pimflo进行了评估,实验证明Pimflo的恶意函数定位准确率可达90.28%,其解释性和逻辑性优于基于统计的非标量现有框架,为恶意软件定位领域提供了更可靠的新方案.

基于显式运动建模的视频伪装目标检测

目前的视频伪装目标检测方法通常采用隐式运动建模或直接输入存在噪声的离线光流图来获取运动线索,这会影响模型性能。为了解决这一问题,提出一种新的基于显式运动建模的视频伪装目标检测框架,称为SMHNet。首先,该框架将显式运动建模与伪装目标检测联合在同一个框架中进行学习。然后利用特征双向更新模块实现两个分支的双向交互更新,相互补充、优化和纠错,输出光流估计结果和目标检测图。此外,为了解决缺少光流真值图这一问题,采用自监督策略对显式运动建模分支进行监督。在两个数据集上的对比实验结果表明,SMHNet有效地提高了视频场景中伪装目标检测的性能。

多传感器NCSR红外图像超分辨率算法

提出一种新的多传感器红外图像超分辨率算法。算法将一种非局部集中稀疏表示模型与红外图像的高频估计图像相结合:首先根据相位一致算法提取可见光图像和红外图像的边缘;然后将提取的图像边缘按照相关和非相关边缘分类,分类后依据可见光图像与红外图像的二次仿射变换关系模型,得出相关边缘红外图像块的高频估计;最后将高频估计与非局部集中稀疏表示模型的字典训练过程结合起来,得到新的正则化模型,由此模型重建高分辨率红外图像。实验结果证明本文算法在主观视觉效果和客观评价指标方面均优于传统算法。

基于优化人工势场法的无人机航迹规划

针对传统人工势场(traditional artificial potential field,TAPF)法在无人机航迹规划中存在的局部极小值、斥力过大、无效避障等问题,提出一种优化人工势场法。首先将障碍物斥力进行分解,避免了局部极小值情况;其次重构合力计算方式,避免无人机在障碍密集区域所受斥力过大;最后引入二次碰撞预测方法,减少无人机无效避障的同时保证航迹平滑。在考虑无人机物理约束条件下进行航迹规划实验。仿真结果表明,该方法相较于TAPF法,不仅缩短了规划航线长度,且在航迹平滑性上有明显提升。

潜艇隐蔽效能建模与快速计算

针对现有潜艇隐蔽效能模型评估方法单一、计算效率低等问题,构建了基于海洋环境数据与潜艇工况的潜艇隐蔽效能模型,用于潜艇隐蔽性的评估,同时提出一种基于层次细节算法的快速计算方法,用于潜艇隐蔽效能快速计算。首先,通过海洋温盐场计算海洋声速场,利用射线Bellhop模型计算声传播损失值;其次,分析潜艇工况与运动规律和被动声呐投放深度对探测能力的影响,结合概率论和被动声呐方程构建潜艇隐蔽效能模型;然后,利用误差反向传播算法建立BellhopBP模型,采用层次细节算法思想,实现隐蔽效能快速准确的计算。最后,在不同大小和位置的海域进行隐蔽效能仿真实验。实验结果表明,该潜艇隐蔽效能模型和快速计算方法可以快速准确地计算潜艇隐蔽效能,计算效率约提高至现有方法的12~25倍。该研究为潜艇隐蔽航行的航迹规划研究提供参考。

面向大尺度战场的地貌晕渲增强方法

地貌晕渲是大尺度战场仿真中的重要一环,针对现有的地貌晕渲技术在细节处纹理特征不明显的问题,提出了一种结合高程曲率和环境光遮蔽的大尺度战场地貌晕渲增强方法.第1步,通过分析数字高程数据的曲率属性生成地形曲率图,曲率图与卫星影像叠加可以突出显示地貌特征线.第2步,提出一种基于深度可分离卷积的环境光遮蔽计算方法,能够增强战场地形在沟壑处的视觉表现.最后将曲率图、环境光遮蔽与卫星影像三者融合生成实时地貌晕渲效果.实验表明,本文方法可以在较低级别的全球卫星影像上呈现更好的视觉效果,使得观察者在把握三维地形整体走势的同时,能进一步分析地貌细节处的纹理特征.

联合组间对抗数据混合与变换器学习的协同显著性检测

协同显著性检测旨在发现并分割出一组图像中相同语义类别的前景显著目标.当前基于深度学习的协同显著性检测方法主要存在两方面局限:(1)训练数据中仅含有单一显著目标,无法为模型训练提供对抗样本,导致其泛化性受限,难以有效应对未知类别目标、干扰显著目标、嘈杂背景等挑战;(2)现有方法通常利用卷积神经网络提取特征,其感受野受限,无法建模长程依赖关系,限制了所学特征的表征力.为此,本文提出了一种新颖的基于组间对抗数据混合的协同显著性检测变换器,旨在通过纯视觉变换器构建序列到序列的协同显著性检测网络,并使用组间混合后的数据进行对抗训练,以提升模型的泛化性.所设计的网络结构包含数据混合子网络和协同显著性检测变换器两部分.具体而言,在数据混合子网络中,本文设计了目标细化模块,输入类激活图,引导网络以无监督的方式从一组图像中分割出边缘平滑的显著目标作为对抗对象,并通过设计调距模块将对抗对象以最小化重叠的方式混合至另一组图像之中,生成混合训练数据;在协同显著性检测变换器中,本文从序列建模的角度,设计了任务注入器,将组信息图符与显著性信息图符注入序列特征之中,并利用自注意力机制充分捕获特征之间的全局上下文信息.最后,将获得的组特征和显著性特征通过自注意力机制进行充分混合交互,以进一步增强特征的表征力,生成精确的协同显著性检测结果.本文在包含Cosal2015、Co CA和Co SOD3k等三个基准数据集上做了充分的实验评估,与多个领先方法的对比结果充分证明了本方法的优越性能.

基于深度随机博弈的近距空战机动决策

针对空战中作战信息复杂、难以快速准确地感知态势做出决策的问题,提出一种博弈论与深度强化学习相结合的算法。首先,依据一对一典型空战流程,以随机博弈为标准,构建近距空战中红蓝双方对抗条件下的双机多状态博弈模型。其次,利用深度Q网络(deep Q network,DQN)处理战机的连续无限状态空间。然后,使用Minimax算法构建线性规划来求解每个特定状态下阶段博弈的最优值函数,并训练网络逼近值函数。最后,训练完成后根据网络输出求得最优机动策略。空战仿真实验表明,该算法具有较好的适应性和智能性,能够有效地针对空战对手的行动策略实时选择有利的机动动作并占据优势地位。

强化学习中的策略重用:研究进展

策略重用(policy reuse, PR)作为一种迁移学习(transfer learning, TL)方法,通过利用任务之间的内在联系,将过去学习到的经验、知识用于加速学习当前的目标任务,不仅能够在很大程度上解决传统强化学习(reinforcement learning, RL)收敛速度慢、资源消耗大等问题,而且避免了在相似问题上难以复用的问题。本文综述了RL中的PR方法,将现有方法细分为策略重构、奖励设计、问题转换、相似性度量等方面来分别介绍和分析各自的特点,及其在多智能体场景和深度RL(deep RL, DRL)中的扩展。并且,介绍了源和目标任务之间的映射方法。最后,基于当前PR的应用,叙述了该课题在未来发展方向上的一些猜想和假设。

一种改进的航迹聚类方法

针对现有处理轨迹数据的聚类算法大多数存在时间复杂度高,聚类效果达不到处理预期的情况,提出一种基于快速DTW距离度量的并行剪枝层次聚类算法。在计算不同轨迹之间的相似度过程中采用快速DTW算法取代计算效果较差的欧氏距离度量算法;合并簇与更新距离矩阵由单步运算改为批次运算,加快收敛速度;对于远离聚类中心的离群轨迹及时剪枝,减少不必要的合并簇与更新距离矩阵操作。通过处理大规模航迹数据,可视化聚类过程,相较于目前常用的层次聚类算法时间复杂度降低20%,基于真实飞行数据验证该算法的有效性。

基于多维度匹配的知识库问答实体链接

目前知识库问答的实体链接主要存在如下困难:问句实体名拼写不规范;知识库中存在大量缺乏区分特征的相似实体;问句缺乏上下文。为了解决上述问题,提出一种多维度匹配的实体链接方法,分别对文本、统计与实体属性维度逐步进行匹配实体候选集。其中,文本维度设置多级阈值,从知识库筛选出合理大小的实体候选集;统计维度根据实体热度得分,对实体候选集进行重排序;实体属性维度利用基于Transformer的关系预测模型对问句中实体关系进行预测,根据实体关系匹配出最终链接的实体。该方法在SimpleQuestions数据集上的准确度达到85.46%,较现有模型提升3.8%。

基于绝对相位靶的摄像机标定仿真与实验研究

摄像机标定是结构光三维传感技术中联系测量系统内外参数与三维坐标之间的重要环节。基于灰度信息提取特征点的摄像机标定方法易受图像噪声、对比度等因素的影响。提出一种基于绝对相位靶(APT)的摄像机标定方法,采用时间相位展开算法计算绝对相位,提取相位值为4π整数倍的特征点,采用局部窗口最小二乘拟合算法计算特征点的精确亚像素坐标,进而建立特征点的图像坐标与世界坐标的对应关系。通过仿真实验,分析不同高斯噪声和模糊条件下摄像机参数的绝对误差变化,发现相对于传统的棋盘格和圆点标定法,所提APT标定法对图像噪声和模糊具有更好的鲁棒性,且具有更高的标定精度。真实的对比实验显示,APT标定方法的标定精度优于棋盘格和圆点标定法,尤其在“离焦”(标靶处于相机有效工作距离之外)情况下可将重投影误差降低58.68%,证明了APT标定方法的有效性和可行性。

红外-可见光跨模态的行人检测综述

可见光图像在光照充足的条件下可以提供一系列辅助检测行人的信息,如颜色和纹理等信息,但在低照度场景下表现并不理想。红外图像虽然不能提供颜色和纹理信息,但红外图像根据热辐射差异成像而不依赖于光照条件这一特性,使其可以在低照度场景下有效区分行人区域与背景区域并提供清晰的行人轮廓信息。由于红外和可见光两种模态之间直观的互补性,同时使用红外和可见光图像的行人检测任务被认为是一个很有前景的研究方向,受到了广泛关注,大幅促进了在安防(如安全监控和自动驾驶)和疫情防控等领域应用的发展。本文对红外—可见光跨模态的行人检测工作进行全面梳理,并对未来方向进行深入思考。首先,该课题具有独特性质。可见光图像对应三通道的颜色信息而红外图像对应单通道的温差信息,如何在两种模态存在本质差异的前提下,充分利用二者的互补性是红外—可见光跨模态行人检测领域的核心挑战和主要任务。其次,近几年红外—可见光跨模态行人检测研究针对的问题可分为两类,即模态差异大和实际应用难。针对模态差异大的问题,可分为图像未对准和融合不充分两类问题。针对实际应用难的问题,又分为标注成本、实时检测和硬件成本3类问题。本文依次对跨模态行人检测的主要研究方向展开细致且全面的描述并进行相应的总结。然后,详细地介绍与跨模态行人检测相关的数据集和评价指标,并以不同的评价指标对相关方法在不同层面上进行比较。最后,对跨模态行人检测领域存在的且尚未解决的问题进行讨论,并提出对未来相关工作方向的一些思考。

注意力机制的曲面沉浸式投影系统补偿

目的沉浸式投影系统已广泛运用于虚拟现实系统之中,然而沉浸式投影系统中的互反射现象严重影响着虚拟现实系统的落地使用。沉浸式投影系统的互反射是指由于投影机光线和屏幕反射光线相互叠加造成的亮度冗余现象,严重影响了投影系统的成像质量和人眼的视觉感受。为此,本文提出一种新的基于互反射通道(interreflection channel,IRC)先验和注意力机制的神经网络。方法IRC先验基于这样一个事实,即大多数受到互反射影响的投影图像都包含一些亮度较高的区域。高亮度区域往往受互反射影响更为严重,而低亮度区域受互反射影响程度较低。根据这一规律,采用IRC先验作为注意力图的监督样本,获取补偿图像的亮度区域信息。同时,为了对投影图像不同区域按影响程度进行差异化补偿,提出一种新的由两个相同子网络构成的补偿网络结构Pair-Net。结果实验对比了4种现有方法,Pair-Net在ROI(region of interesting)指标分析上取得了明显优势,在人眼感受上有显著的效果提升。结论本文提出的基于注意力机制的网络模型能够针对不同区域进行差异化补偿,很大程度上消除了互反射影响,提升了沉浸式投影系统的成像质量。