无人机集群以其在作战效率、生存率和性价比方面的优势,逐渐成为现代作战体系中的重要作战力量。通过充分调研国外无人机集群项目研究成果,系统性介绍了国外在航电系统领域中硬件、软件和任务应用相关的开放系统架构。对上述架构进行了...无人机集群以其在作战效率、生存率和性价比方面的优势,逐渐成为现代作战体系中的重要作战力量。通过充分调研国外无人机集群项目研究成果,系统性介绍了国外在航电系统领域中硬件、软件和任务应用相关的开放系统架构。对上述架构进行了层次化梳理和交互关系分析,重点讨论了基于任务的集群可组合性架构(Mission-based Architecture for Swarm Composability,MASC)的设计思想。基于MASC设计了集群任务框架,梳理了集群任务理解-规划-执行控制流程,为进一步开展无人机集群航电系统相关技术、算法、标准设计提供参考。展开更多
为了提高无人机基站(unmanned aerial vehicle base stations,UAV-BS)为地面多用户服务时的数据速率,提出一种基于决斗深度神经网络(dueling deep Q-network,Dueling-DQN)的深度强化学习(deep reinforcement learning,DRL)算法。采用决...为了提高无人机基站(unmanned aerial vehicle base stations,UAV-BS)为地面多用户服务时的数据速率,提出一种基于决斗深度神经网络(dueling deep Q-network,Dueling-DQN)的深度强化学习(deep reinforcement learning,DRL)算法。采用决斗网络(dueling network,DN)结构以克服动态环境的部分可观测问题,联合优化了UAV-BS的位置和下行链路功率分配,在更符合实际的空地概率信道模型中检验了Dueling-DQN算法的性能。结果表明,相较于对比算法,所提出的Dueling-DQN算法可以提供更高的数据速率和服务公平性,且随着地面用户数量的增大,算法的优势更加明显。Dueling-DQN算法可有效解决复杂非凸性问题,为UAV-BS的资源分配问题提供理论参考。展开更多
针对遮挡场景下车辆跟踪精度下降的问题,提出了一种基于卷积核优选的遮挡车辆跟踪(Convolutional Kernel Optimization for Occluded Vehicle Tracking,CKO-OVT)算法。CKO-OVT算法通过卷积核优选策略自适应挑选出对车辆目标更为敏感的...针对遮挡场景下车辆跟踪精度下降的问题,提出了一种基于卷积核优选的遮挡车辆跟踪(Convolutional Kernel Optimization for Occluded Vehicle Tracking,CKO-OVT)算法。CKO-OVT算法通过卷积核优选策略自适应挑选出对车辆目标更为敏感的卷积算子进行特征提取,通过判别式孪生网络对跟踪结果进行评估并在跟踪失效的情况下重定位目标,进一步提升跟踪的鲁棒性和准确性。实验部分,构建了遮挡车辆跟踪(Occluded Vehicle Tracking,OVT)数据集,分别在目标跟踪基准(Object Tracking Benchmark,OTB)数据集、TColor-128公开数据集和自建OVT数据集上同高效卷积跟踪(Efficient Convolution Operators for Tracking,ECO)算法、ECO轻量化版本(Efficient Convolution Operators for Tracking Using HOG and CN,ECOHC)、相关滤波(Kernelized Correlation Filters Tracker,KCF)算法、判别式尺度空间跟踪(Discriminative Scale Space Tracker,DSST)算法、循环结构核跟踪(Circulant Structure Kernel Tracker,CSK)算法、层次相关滤波跟踪(Hierarchical Convolutional Features for Visual Tracking,HCFT)算法、基于分层卷积特征的鲁棒视觉跟踪(Robust Visual Tracking via Hierarchical Convolutional Features,HCFTstar)算法、全卷积孪生网络跟踪(Fully-Convolutional Siamese Networks for Object Tracking,SiameseFC)算法和抗干扰感知孪生网络跟踪(Distractor-Aware Siamese Networks for Object Tracking,DaSiam)算法9种主流算法进行实验对比,实验结果表明CKO-OVT算法在OTB数据集上距离精确率提升了2.2%,重叠成功率提升了1.8%;在TColor-128数据集上距离精确率提升了0.4%,重叠成功率提升了0.9%;在OVT数据集上距离精确率提升了1.7%,重叠成功率提升了1.2%。CKO-OVT算法通过自适应卷积核优选和判别式孪生网络,显著提升了遮挡场景下车辆跟踪的鲁棒性和准确性,在OTB、TColor-128和自建OVT数据集上的实验结果表明,CKO-OVT算法在距离精确率和重叠成功率上优于主流跟踪算法,为智能交通和自动驾驶领域的车辆跟踪提供了有效的解决方案。展开更多
文摘无人机集群以其在作战效率、生存率和性价比方面的优势,逐渐成为现代作战体系中的重要作战力量。通过充分调研国外无人机集群项目研究成果,系统性介绍了国外在航电系统领域中硬件、软件和任务应用相关的开放系统架构。对上述架构进行了层次化梳理和交互关系分析,重点讨论了基于任务的集群可组合性架构(Mission-based Architecture for Swarm Composability,MASC)的设计思想。基于MASC设计了集群任务框架,梳理了集群任务理解-规划-执行控制流程,为进一步开展无人机集群航电系统相关技术、算法、标准设计提供参考。
文摘为了提高无人机基站(unmanned aerial vehicle base stations,UAV-BS)为地面多用户服务时的数据速率,提出一种基于决斗深度神经网络(dueling deep Q-network,Dueling-DQN)的深度强化学习(deep reinforcement learning,DRL)算法。采用决斗网络(dueling network,DN)结构以克服动态环境的部分可观测问题,联合优化了UAV-BS的位置和下行链路功率分配,在更符合实际的空地概率信道模型中检验了Dueling-DQN算法的性能。结果表明,相较于对比算法,所提出的Dueling-DQN算法可以提供更高的数据速率和服务公平性,且随着地面用户数量的增大,算法的优势更加明显。Dueling-DQN算法可有效解决复杂非凸性问题,为UAV-BS的资源分配问题提供理论参考。
文摘针对遮挡场景下车辆跟踪精度下降的问题,提出了一种基于卷积核优选的遮挡车辆跟踪(Convolutional Kernel Optimization for Occluded Vehicle Tracking,CKO-OVT)算法。CKO-OVT算法通过卷积核优选策略自适应挑选出对车辆目标更为敏感的卷积算子进行特征提取,通过判别式孪生网络对跟踪结果进行评估并在跟踪失效的情况下重定位目标,进一步提升跟踪的鲁棒性和准确性。实验部分,构建了遮挡车辆跟踪(Occluded Vehicle Tracking,OVT)数据集,分别在目标跟踪基准(Object Tracking Benchmark,OTB)数据集、TColor-128公开数据集和自建OVT数据集上同高效卷积跟踪(Efficient Convolution Operators for Tracking,ECO)算法、ECO轻量化版本(Efficient Convolution Operators for Tracking Using HOG and CN,ECOHC)、相关滤波(Kernelized Correlation Filters Tracker,KCF)算法、判别式尺度空间跟踪(Discriminative Scale Space Tracker,DSST)算法、循环结构核跟踪(Circulant Structure Kernel Tracker,CSK)算法、层次相关滤波跟踪(Hierarchical Convolutional Features for Visual Tracking,HCFT)算法、基于分层卷积特征的鲁棒视觉跟踪(Robust Visual Tracking via Hierarchical Convolutional Features,HCFTstar)算法、全卷积孪生网络跟踪(Fully-Convolutional Siamese Networks for Object Tracking,SiameseFC)算法和抗干扰感知孪生网络跟踪(Distractor-Aware Siamese Networks for Object Tracking,DaSiam)算法9种主流算法进行实验对比,实验结果表明CKO-OVT算法在OTB数据集上距离精确率提升了2.2%,重叠成功率提升了1.8%;在TColor-128数据集上距离精确率提升了0.4%,重叠成功率提升了0.9%;在OVT数据集上距离精确率提升了1.7%,重叠成功率提升了1.2%。CKO-OVT算法通过自适应卷积核优选和判别式孪生网络,显著提升了遮挡场景下车辆跟踪的鲁棒性和准确性,在OTB、TColor-128和自建OVT数据集上的实验结果表明,CKO-OVT算法在距离精确率和重叠成功率上优于主流跟踪算法,为智能交通和自动驾驶领域的车辆跟踪提供了有效的解决方案。
