分布式虚拟环境中实体组同步控制研究

在分布式虚拟环境中，大多数同步控制算法研究的对象是一个孤立的实体，该实体与场景中其它实体没有任何关系。但虚拟世界里显然存在相对独立的实体组，在同一组内，实体间有直接依赖的空间位置关系。针对这一现状，提出了一个新的同步控制实现机制，在保证虚拟环境一致性和健壮性的前提下，最大限度地开发实体组内的同时性。     

分布式虚拟环境中兴趣管理技术的分类研究

分布式虚拟环境作为虚拟现实与网络技术的结合有着广泛的应用，但却面临着扩展性的问题。而兴趣管理正是解决这一问题的有效技术之一。本文提出了基于(表示模型、过滤规则、体系结构)三个要素对兴趣管理进行分类的新方法，并据此对以往的分布式虚拟环境系统中采用的兴趣管理技术进行了分析和总结，籍以促进兴趣管理技术的进一步发展，此外简要介绍了南京大学AIMNET中所采用的兴趣管理技术。     

山区分布式电源最优接入容量及位置研究

分布式电源接入位置与容量的不同会对电网产生不同影响,如何确定最优的接入位置及容量是保证分布式电源接入系统经济性运行的关键因素。以系统网损最小为目标,考虑到分布式电源接入对系统潮流分布的影响,建立了福建省山区配电网网损目标函数模型,模型中以系统功率及电压为约束条件,提出利用萤火虫优化算法对分布式电源最优接入位置及容量进行寻优。该算法操作简单,具有很好的全局寻优能力。通过算例分析,验证了该算法在求解中的有效性。     

分布式虚拟环境中的实体划分技术的研究

构建大型的分布式虚拟环境时,系统内各实体的初始物理配置问题对系统性能的影响十分显著。论文首先分析了过去对该问题研究的不足,提出了一种综合性的系统代价度量标准和系统性能改善原则,并在此之上提出了一种初始实体划分算法。     

一种适合分布式虚拟环境的XML路由技术

在分布式虚拟环境中，XML技术的应用提高系统的实用性和扩展性。本文针对分布式虚拟环境系统中的XMI。路由问题，提出一种新的XML路由技术BPfilter。该技术根据分布式虚拟环境的特点，在Bloom过滤器算法的基础上，引入语法树以处理XPath查询中判定词，实现了对系统中XML数据快速地匹配和路由。实验结果表明，该技术是可行和有效的。     

基于LSTM的移动对象位置预测算法*

移动对象位置预测是基于位置服务的重要组成部分。现有的移动对象位置预测算法有基于马尔可夫链的算法、基于隐马尔可夫模型的算法、基于神经网络的算法等,然而这些算法都无法解决移动对象轨迹数据中位置过多带来的维数灾难问题。为了解决这一问题,提出了位置分布式表示模型(location distributed representation model,LDRM)。该模型将难以处理的表示位置的高维one-hot向量降维成包含移动对象运动模式的低维位置嵌入向量。随后,将该模型与基于长短期记忆网络(long short-term memory,LSTM)的位置预测算法结合为LDRM-LSTM移动对象位置预测算法。真实数据集上的实验表明,与现有算法相比LDRM-LSTM算法在预测准确性上有较大的提升。     

分布式多媒体服务组合中的异常预测算法

为提高分布式多媒体服务组合系统中路径的健壮性和可靠性,提出一种基于Markov链和加权朴素贝叶斯分类器(WNBC)的异常预测算法。该算法利用Markov模型预测系统节点的资源状态信息,使用WNBC对预测的节点状态进行分类,以判断节点是否可能发生异常。实验结果表明,该算法能根据节点的状态信息预测系统节点的不同异常状态,性能较同类算法有较大的改善。     

基于粗糙集约简的进程系统调用序列异常检测方法研究

提出了一种基于粗糙集约简的系统调用序列异常检测方法，其基本思想是利用粗糙集约简来对第k个系统调用位置进行预测，把前k-1个位置视为条件属性集，第k个位置视为决策属性，通过Rough集约简方法得到一组预测第k个系统调用位置的最小规则集，进而可用于对实际进程的异常检测。基于合成的UNM sendmail系统调用数据的实验结果表明，本文所提出的异常检测算法性能好于Forrest等人的tide方法，与Wenke Lee等人的数据挖掘算法检测精度相当。但在选择较大的阈值时，漏报率更低。     

基于预测控制的手臂运动估计

交互信息的获取是决定分布式虚拟现实系统沉浸感和真实感好坏的关键因素,通过对交互者手臂位置的跟踪,可以提供更加直观和谐的人机交互模式,为了跟踪手臂的运动轨迹,提出一种基于模糊预测控制理论的手臂运动估计算法——FPC-AME,通过提取来自2个同步摄像机的实时图像中交互者腕部和肘部的标识环信息,对手臂位置进行预测和估计,实现形象化的六自由度手臂导航．实验结果表明,在环境光照基本稳定的条件下,文中算法可以生成稳定、精确的手臂位置信息,相关研究对虚拟环境下的沉浸式交互具有较高的理论意义和实用价值．     

信息物理环境下不确定系统的随机分布式预测控制

针对信息物理系统环境下可能发生的信息丢包问题,提出一种随机分布式预测控制的分析与设计方法.考虑控制器端到执行器端的传输丢包,采用马尔科夫过程对这一丢包过程进行描述.通过对马尔科夫跳变的线性模型进行增广,研究一种具有随机丢包不确定系统的分布式预测控制方法;将系统分解成多个子系统进行描述,研究基于最小最大化优化的分布式预测控制器设计方法,并提出基于迭代交互的子控制器协调算法.将随机分布式预测控制算法在实际电机系统中进行仿真测试,以验证所提出方法的有效性.     

An adaptive dead reckoning algorithm using update lifetime

This paper proposes a new, adaptive Dead Reckoning algorithm, called Dynamic Dead Reckoning, for distributed interactive simulation and humanoid avatar systems. The proposed model can overcome the weak points of traditional Dead Reckoning caused by a fixed threshold and a strong dependency on rotation behaviour of entity. This paper introduces a new criterion for update message filtering, named as state update lifetime, which is a valid duration time of entity state update. The Dynamic Dead Reckoning has the advantage of keeping the balance between filtering performance and extrapolation fidelity using two major components, variable threshold mechanism and rotation event model. The experimental results show that the proposed algorithm can lower the increment rate of update traffic with the increase of rotation frequency without any significant loss of accuracy.     

基于智能手机的地磁/WiFi/PDR的室内定位算法

针对地磁指纹在室内定位中存在重复性,以及行人航迹推算（PDR）累积误差明显的问题,提出了一种基于智能手机的多传感器融合定位方法。该方法首先通过WiFi和随机采样一致性（RANSAC）算法拟合路径,确定初始位置;然后利用手机中的加速度计进行步长估计,利用陀螺仪进行转向检测;最后通过地图约束的自适应粒子滤波（PF）算法以地磁场修正PDR的定位结果。仿真结果表明,该方法能够有效克服PDR的累积误差以及地磁值不唯一的缺陷,提高室内定位精度、减少能耗。     

计算机作战仿真中关于网络数据传输量问题的研究

计算机作战仿真已成为高技术条件下进行武器装备论证、武器性能评估、作战人员训练、战术战法研究甚至国家战略决策等不可或缺的一个环节。该文在介绍计算机作战仿真基本概念的基础上 ,重点讨论了分布式交互仿真中如何减少网络数据传输量的问题 ,提出了几种解决问题的技术 ,其中 ,重点介绍了DR算法的应用。     

推算定位算法在拦截策略中的研究与应用

机器人足球比赛中,研究有效的拦截对方球员的进攻和防守是一项关键的战术,以往开发的拦截策略中存在"漏拦"和"错拦"等现象,造成拦截成功率很低.将推算定位(Dead Reckoning,DR)算法用到拦截策略的研究中,有效估算出对方球员和球的下一步动向,实施有效拦截,提高了比赛过程中拦截判断的精度.对DR算法中的阈值的确定进行了分析和改进,提出一种判据函数,有效地解决动态门选取的问题;针对算法执行和网络的延时给予了延时补偿,提高系统的实时性,使拦截能够快速准确地实现.利用DR算法推算出赛场球和球员的运动趋势,指导赛场策略的生成并和队员的动作与位置的部署.实验数据表明,方法具有很强的优越性.     

Dead Reckoning技术在网络游戏中的应用

介绍了基于物理运动学算法的预测技术以及基于Cubic Splines算法的平滑处理技术,并给出了DeadReckoning在网络游戏中应用的具体算法以及该算法的相应实例.     

推广卡尔曼滤波算法在航位推算系统中的应用

给出了航位推算系统的设计方法并研究了它螺仪的特性，在建立起该系统的非线性数学模型的基础上，提出了一种非线性推广卡尔曼滤波算法。试验结果表明，该系统具有良好的导航与定位性能。     

基于RSSI与惯性测量的室内定位系统

介绍融合接收信号强度指示（RSSI）和惯性测量技术的无线传感器室内定位系统,该系统通过可穿戴式无线传感器节点和环境辅助传感器节点,采集步行者的位置信息。可穿戴式节点采用DeadReckoning惯性测量方法,存在累积误差,可通过在室内环境中布置RSSI节点矫正步行者的位置信息。采用扩展性的卡尔曼滤波算法将惯性测量与RSSI测量数据相结合,实现自适应的步长算法,较大程度改进步长不正确读取带来的误差。实验结果表明,与纯粹的惯性测量系统相比,该系统能提高66．3％的精确度。     

融合RSSI测距定位的室内PDR算法

在室内定位系统中,针对RSSI测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化和行人航迹推算(PDR)定位系统漂移误差长时间的累积效果,提出融合RSSI测距定位的室内行人航迹推算算法,以扩展卡尔曼滤波器实现两者定位信息的融合,获得系统的最优定位结果。仿真结果表明,该融合定位算法的平均定位误差约为0.83205 m,范围维持在0.51948 m～1.13529 m内,并在定位稳定性方面表现出良好的性能,验证了该方法的合理性和有效性。     

基于UKF的环境自适应UWB/DR室内定位方法

针对复杂室内环境下超宽带（Ultra WideBand,UWB）信号传播的非视距（Non Line Of Sight,NLOS）误差问题,本文提出了一种基于无迹卡尔曼滤波（Unscented Kalman Filter,UKF）的环境自适应UWB/DR室内定位方法.该方法通过建立自适应UKF滤波模型,将UWB定位信息和航迹推算（Dead Reckoning,DR）定位信息进行融合.依据新息和高斯分布的3σ原则来对UWB定位结果进行非视距检测,再通过新息的实时估计协方差和理论协方差来构建环境适应系数,进而用此系数动态修正UWB定位的观测噪声,使得观测噪声自适应真实环境,降低NLOS误差对融合定位结果的影响.实验结果表明,该方法能有效减小UWB定位的NLOS误差,并且由于环境适应系数的创新引入,比UKF定位和粒子滤波定位（Particle Filtering,PF）有更高的定位精度和更强的抗NLOS误差性能.     

基于HLA的视景仿真网络数据量处理技术的应用

在多武器平台、大战场环境的视景仿真中,仿真实体与仿真节点的过多使不必要网络数据量大大提高.为了减少不必要网络数据量,该文从实用性的角度介绍了两种应用技术,一是应用HLA中数据分发管理服务（DDM）来限定传输数据的范围,按照数据值域来对数据的接收和发送进行过滤,有效降低了冗余数据的传输,该文提供了接收方的实现方法与主要代码;二是采用DR递推算法控制节点的数据发送,有效降低了数据帧的发送频率并使视景中仿真实体运动平滑无跳动,该文介绍了DR算法与DR模型并提供了实现一种算法的代码.