用改进蚁群算法实现突发威胁下的航迹规划

航迹规划对UAV完成任务具有重要的意义。为解决突发威胁下的UAV航迹规划问题,根据Voronoi图的局域动态特性提出了一种基于改进蚁群算法的实时重规划方法。采用全新的目标吸引策略、引入信息素增量调节因子并自适应调整信息素挥发系数来对基本蚁群算法进行了改进,提高了算法的求解效率,并进行仿真验证。根据战场已知威胁源生成Voronoi加权图,并与所提的改进蚁群算法相结合求解规划空间中的最优航迹。仿真结果表明,利用改进蚁群算法能够有效地提高收敛速度和寻优能力,可以较好地解决突发威胁下的UAV航迹规划问题,保证UAV能够回避战场威胁,顺利飞抵目标点。     

基于YOLOv5的UAV夜间目标检测技术研究

针对无人机(UAV)夜间目标检测技术准确率较低的问题,对现有夜间目标检测方法和YOLOv5算法进行简要介绍,提出了基于YOLOv5算法的夜间目标检测技术。通过在原YOLOv5网络中加入改进的Retinex算法对原网络进行动态增强,在模型训练过程中,将Focus层替换成CBS层,改善模型训练效果,并利用改进算法对UAV夜间目标检测性能进行仿真。结果表明,改进的YOLOv5算法在查准率和查全率方面分别比原YOLOv5算法提高了11.22%和5.32%,有效提升了UAV夜间目标检测能力。     

基于随机选择的复杂网络模型研究

复杂网络模型研究对复杂网络学科的发展起着十分重要的作用.本文提出了基于网络节点局域信息随机选择连接节点的复杂网络模型.并通过解析方法计算了网络的度分布.以及仿真分析模型的聚类系数.平均路径长度和网络的社团结构特征.仿真结果表明,本模型生成的网络同时具有小世界特性.无标度特性以及清晰的社团结构特征.已有的研究表明.该模型更加接近现实社会中的网络.     

一种基于公平性的无人机基站通信智能资源调度方法

空天地一体化网络是未来6G的关键内容。结合高精度波束赋形,无人机(UAV)的视距链路(LoS)可很好地作为空天地一体化网络的补充,但地面用户与基站间的相对运动极易造成信道容量失衡。提出一种噪声深度确定性策略梯度(Noisy-DDPG)方法。该方法以最大化通信公平性和系统容量为目标,利用DDPG优化分配方案,通过调整奖励函数策略参数来实现公平性和信道容量的平衡;通过在策略网络中利用可学习参数噪声进行扰动,得到更合理的分配方案。仿真实验验证了该算法的有效性。     

考虑信息年龄的无人机辅助智能交通系统计算卸载优化

该文考虑无人机(UAV)交通监测与移动边缘计算(MEC)技术结合的智能交通系统。为了保障系统中数据时效性并且降低系统能耗,提出计及信息年龄(AoI)的UAV计算卸载优化方法。首先,建立UAV辅助的MEC系统模型,允许MEC服务器缓存常用的应用程序并为UAV提供计算卸载,以支持UAV执行交通监测任务。通过联合优化UAV任务卸载决策、UAV上下行通信带宽分配以及被卸载任务的计算资源分配,最小化所有UAV与MEC服务器的总能耗,同时满足AoI与资源容量等约束条件。其次,系统能耗最小化问题是混合整数非凸优化问题,因此采用离散化和线性化手段,快速获得问题的近似最优解,并设计离散点生成算法来调节近似误差。最后,仿真结果表明,即使对于大型的非凸问题,所提方法也能够快速得到近似最优解,并且可以在不同的任务场景中满足AoI等约束条件,最大限度降低系统能耗。仿真结果验证了所提方法的有效性。     

无人机动态目标搜索的建模及求解

对无人机(UAV)在动态战场环境中的协同搜索问题进行研究,在考虑目标存在概率、价值收益、UAV斥力代价及任务执行代价的情形下,建立了多UAV协同搜索的滚动优化模型。为了提高模型求解的效率,提出一种改进种群增量学习算法(PBIL)对该问题进行求解,采用混合编码的方法构造种群,同时采用了自适应的更新率,并利用自适应交叉和变异方式,将该算法应用于动态目标的搜索问题,仿真结果表明该方法能有效地搜索到战场目标,提高了搜索效率。     

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法.通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹....     

基于MADDPG的无人机辅助通信功率分配算法

针对多无人机(unmanned aerial vehicle, UAV)作为空中基站辅助通信的吞吐量和公平性问题,提出了一种基于多智能体深度确定性策略梯度算法(multi-agent deep deterministic policy gradient algorithms, MADDPG)的功率分配算法,该算法通过联合优化UAV基站的功率分配和用户接入以提高系统吞吐量和公平性。本文首先构建了UAV基站为地面建立通信服务的三维场景,然后通过联合功率、用户关联和UAV位置约束,构建了吞吐量和公平性最大化的问题模型。考虑到该问题的复杂性,本文将所构建的优化问题建模为马尔科夫决策过程(Markov decision process, MDP),通过引入深度确定性策略梯度算法(deep deterministic policy gradient algorithm, DDPG)解决该问题。仿真结果表明,本文提出的基于MADDPG的UAV基站功率分配算法与其他算法相比,可以有效地提升系统的吞吐量和用户的公平性,提高通信的服务质量。     

激光供能无人机集群充电策略研究

在复杂的环境中,单个无人机(UAV)执行任务的效率比较低,因此UAV越来越趋向于集群化、协作化。对于激光供能UAV集群来说,高效的充电调度对提高UAV集群的生存能力至关重要。本文提出了一种基于实时能量检测的在线充电策略(REDOCS)。根据UAV各个时刻的剩余能量计算出UAV的实时能量消耗率,然后计算每个UAV的剩余飞行时间以此来选择需要充电的UAV。相较于离线充电策略,REDOCS可以在提高整个网络的运行效率的同时降低UAV集群迫降率。最后通过算例验证,证明了REDOCS在UAV集群充电调度上表现更优。     

面向多类型目标的多无人机协同搜索

搜索环境的复杂化使得多无人机(UAV)协同搜索需要面对各种类型的目标。针对各类型目标的运动特征,采用目标存在概率密度相关的搜索图方法,在考虑协同搜索问题特性基础上,建立合理的目标收益函数。采用集中式与分布式相结合的集散式控制框架,结合对搜索图的探测更新,通过预测控制及改进匈牙利算法进行多UAV的协同搜索决策。所用决策方法可在提高搜索效率的同时,有效避免多UAV间可能发生碰撞的问题。最后,通过与传统搜索方法进行仿真对比分析,验证了所提方法的有效性。     

基于改进粒子群算法的多UAV协同侦察任务规划

针对多无人机（UAV）协同侦察的任务规划问题,充分考虑侦察目标的侦察分辨率和时间窗约束,建立了数学模型;提出了一种改进的粒子群算法,使得粒子群能够较均匀地在问题空间内搜索,避免陷入局部极值,在保持传统PSO算法快速收敛的同时,加强了算法局部搜索能力。基于该模型和优化算法,制定了合理的多UAV协同侦察任务计划,使得多UAV协同侦察任务在满足任务要求、平台性能和战场约束的条件下具有最小代价和最优作战效能。     

一种基于服务质量的多UAV容量优化方法

随着近些年来通信领域各种技术的高速发展,UAV因为其体积小、灵活性强、可快速部署等优点,越来越受到通信领域相关学者的青睐。同时,由于UAV在各个领域的应用逐渐增多,UAV网络的容量优化问题变得越来越重要。针对未来大规模用户的通信需求,提出了一种基于服务质量的多UAV容量优化方法。首先将服务质量设置为权重参数,联合用户调度、轨迹和功率分配,利用连续凸优化技术和块坐标下降算法,提出多UAV通信系统中的的容量优化算法。仿真结果证明该算法的收敛性,同时表明在相同条件下基于用户质量的多UAV容量算法能够使系统达到更高的平均传输速率。     

基于协同过滤推荐的SNS网站好友系统优化方法

现有SNS网站好友系统一般采用的策略是用Hash散列算法将用户随机分配到多台服务器上。本文提出一种基于协同过滤推荐的分配策略,该方法是根据基于项目类别相似性的协同过滤算法。推荐给用户最合适的网络社团,并将相同网络社团内用户分配到同台服务器上。该技术成果应用于国家863科技项目（基于高可信网络的视频分享）。     

机会网络中基于有权社团结构图的路由协议研究

基于社团检测的机会网络路由算法大多采用无权重网络拓扑划分社团,仅将节点间的关系抽象为一条简单的无权重的边,忽略了节点关系的强弱程度。本文通过引入权重策略改进了QCA社团更新算法,提出了一种基于有权社团结构的路由算法,该算法解决了社团关系定量化单一的问题,更能真实反映出社团成员之间的关系。算法中,节点间的交互信息转化为权重,根据不同的网络环境选择不同的权重转化方案———归一化权重（normalized weight）和非归一化权重（non-normalized weight）。路由算法在检测到周围网络环境变化时自动切换权重计算方案以适应网络环境的变化。通过在仿真环境和真实数据集上测试和分析,该算法能够将网络中的节点划分出合理的社团结构,并在保证较高的传输成功率的情况下降低网络开销。     

分布式Alamouti空时码的信道容量及最优资源分配方案

该文针对基于译码转发协议的分布式Alamouti空时码(DF-DASTC)系统的信道容量以及最优资源分配策略问题。利用退化中继信道模型,推导得到了DF-DASTC系统在衰落信道下的信道容量闭式解。以DF-DASTC信道容量最大化为目标,对该系统在固定带宽分配时,中继及信源节点的最优功率分配方案进行了研究,推导得到了DF-DASTC系统的最优功率分配方案的闭式解。利用凸优化理论,将以DF-DASTC信道容量最大化为目标函数的多目标优化问题转换为非线性不等式约束的单目标凸优化问题,进一步得到了可变带宽分配时的DF-DASTC系统的最优带宽和功率分配策略。理论分析和系统仿真表明,该文所提出的资源分配策略,比平均分配的资源方案具有更大的信道容量。另外,该文的最优资源分配策略适用于具有多个中继节点的无线中继网络,具有普适性。     

认知无线电网络中基于免疫算法的多目标频谱分配

认知无线电网络中工作于同一信道的次用户越多,对网络造成的干扰越严重,因此如何在增加网络可服务次用户数量的同时提高网络吞吐量成为近年来的研究重点。针对此问题,文中提出了一种改进的多目标免疫算法。该算法将频谱效率和网络吞吐量作为求解目标,同时设计了适合问题求解的抗体编码方式。最后在获得适合该问题的Pareto最优解之后,与NSGA-II算法进行实验对比。仿真结果表明,所提方法在搜索Pareto最优解时性能更好,并且能够满足不同网络需求下的频谱分配要求。     

基于改进的Mask R-CNN的无人机图像车位检测

停车位难寻是如今城市普遍存在的问题,因此一种高效的车位检测算法尤为重要。为此,提出了无人机结合基于改进的Mask R-CNN的智能停车位检测算法的方法。首先,为缩短算法模型训练时间,采用轻量级MobileNetV3网络作为其主干特征提取网络,同时对MobileNetV3网络进行改进,有效减少了网络参数并压缩了模型体积;其次,通过改进网络结构、重新设计Anchor生成,解决了无人机飞行高度和角度会导致所要检测的目标较小或者存在遮挡的问题;最后,通过优化FPN与特征网络卷积结构,得到了本文的无人机图像车位检测改进模型。通过对比不同算法之间的性能,验证了改进的MaskRCNN算法在时间和精度上均优于原算法和其他算法,具有一定的研究意义。     

基于双编码的重叠社团检测多目标优化方法

近年来,多目标进化方法已被广泛应用于重叠社团检测问题并取得了较好的社团划分性能.如何设计合适的个体编码以及进化策略是提高基于多目标进化重叠社团检测算法性能的重要因素.为此,本文设计了一种双编码表示方法对非重叠社团结构和重叠点分别进行编码,能够有效解码得到重叠社团结构.在双编码表示的基础上,本文提出了一种基于双编码的重叠社团检测多目标优化方法(DRMOEA).在DRMOEA中,为了获得好的初始个体并提高算法检测性能,本文提出了一种基于社团边界点的初始化策略.除此之外,针对双编码中的重叠点编码部分,本文提出了基于精英个体边界点的交叉策略,该策略利用社团边界信息引导种群向好的方向进化,从而有效提高了算法的检测性能.最后,在9个真实世界网络上的实验结果表明DRMOEA算法优于其他5个代表性重叠社团检测算法.     

基于改进遗传算法的UAV航迹规划

针对实际作战环境中的UAV航迹规划,提出一种基于改进遗传算法的UAV航迹规划方法;通过骨架化算法生成规划搜索空间,对规划搜索空间中的信息进行提取,求解出规划搜索空间中航迹点的杀伤概率;根据规划搜索空间中的信息,采用特殊的基因编码方式,使用遗传算法为UAV找到K条备选航迹,提高了航迹规划效率;根据设定的航迹选取原则,求出最优航迹并对其按不同步长进行平滑处理,最终得到满足UAV机动性要求的可飞航迹。     

基于注意力机制改进的LSTM空战目标意图识别方法

空战对抗过程中的目标状态数据呈现时序性、多维性等特征,为进一步提升目标意图识别的准确率,提出了一种基于改进注意力机制的长短期记忆网络(LSTM)目标识别方法,将空战可能出现的目标意图识别当成一个多分类问题处理。该方法首先通过目标实时的状态数据,生成特征序列;接着采用注意力机制提升目标的特征学习能力,增强空战过程中的主要目标状态特征表示,得到具有权值分配的特征向量;最后利用LSTM网络对目标特征向量进行训练,通过softmax层实现目标意图的识别。仿真实验表明,该方法利用注意力机制有效增强目标的特征学习,进一步提升了LSTM网络的识别精度,具有一定的科学性和有效性。