Integrated Game Based Guidance with Nonlinear Autopilot Design for Maneuvering Target Interception

The integrated game theory based guidance law with nonlinear autopilot (GGNA) system is presented in this paper. The guidance law is designed based on linear differential game theory while considering the motion of the target in 3‐D space such that the distance between the missile and the target is minimized faster than before. The autopilot system based on quaternion representation is developed using sliding mode control method to generate the attitude command. The stability of the integrated guidance and nonlinear autopilot system is analyzed with Lyapunov stability theory. In addition, this research assumes wingless missiles in our context in order to reduce the nonlinear effect from the aerodynamics. Furthermore, in order to extend the operation range of missiles from endo‐atmosphere to exo‐atmosphere, the missiles are equipped with Thrust Vector Control (TVC) mechanisms and Divert Control System (DCS). Finally, extensive simulations incorporating aerodynamic models are demonstrated to verify the validity of the proposed integrated guidance/autopilot systems. Moreover, the simulation results reveal that the mission of intercepting a maneuvering target is successfully accomplished.     

到达数据中时空异常聚簇发现

在时空数据中有一类表示用户在某一时间到达某一地点的数据——到达数据,到达数据可以是社交网站的签到数据、轨迹数据中的停留点及公共交通中乘客抵达的位置数据,这些数据的聚簇可以反映用户的聚集行为.基于到达数据,提出一类新的时空数据查询——时空异常聚簇发现.将到达数据进行周期性划分,通过时空聚类算法对一个时间段的数据进行聚类,比较不同时间段内聚簇的差异度,发现具有最大簇异常度的前k个簇.通过该查询发现的时空异常聚簇可以应用于城市安全管理、基于位置的服务和交通调度等方面.定义了异常簇查询模型,提出了针对任意形状聚簇的簇差异度度量,将异常簇查询转化为二分图最大匹配问题,对二分图构建与匹配进行了优化并提出了高效的查询算法.利用真实数据集进行了充分实验,验证了查询结果的实际意义,评估了所提出的各查询算法在不同参数设置下的查询效率.     

基于条件风险价值的零售商创新投资决策研究

研究了由风险中性制造商和风险规避零售商构成的供应链创新投资问题。通过运用条件风险价值（CVaR）对企业的风险偏好进行测度,构建了分散供应链和集中供应链两种情况下的企业决策模型,并根据数值实验对模型作了进一步的分析。研究结果表明：零售商越担心风险,其对创新的投入越少,并会减少销售量以应对市场风险,从而使得供应链的整体收益下降;分散供应链下的创新投入、销售量和供应链的期望收益低于集中供应链下的创新投入、销售量和供应链的期望收益。施行收益共享契约后,分散供应链下的创新投入和销售量达到了集中供应链下的决策水平,制造商和零售商的期望收益均得到提高。     

一种合成聚焦的便携式B型超声成像方法

传统合成聚焦超声成像方法在图像重建过程中处理数据量较大,致使其在便携式B型超声设备中应用受限。针对该问题,提出一种基于压缩感知理论和合成聚焦波束形成算法的便携式B型超声成像方法(SFCS)。该方法通过对接收到的射频回波信号进行随机采样得到欠采样的测量信号,将测量信号经过合成聚焦波束形成处理获得欠采样的射频信号线,基于压缩感知的信号重构算法,由欠采样的射频信号线高质量地恢复信号后供后续成像处理使用。仿真实验结果表明,SFCS可有效地解决合成聚焦超声成像过程中数据量大的问题,从而在保证较高成像质量的前提下满足便携式B型超声设备小型化、低成本的技术要求,具有工程应用价值。     

一种高效的多模式字符串匹配算法

在Fan-Su(FS)多模式字符串匹配算法基础上,结合BM-Horspool(BMH)算法和Quick Search(QS)算法的优点,提出一种高效的多模式字符串匹配算法。该算法能够充分利用本次匹配失败和部分匹配成功的信息,一方面增加模式树根节点失配的概率,提高匹配过程中失配时的跳跃距离。另一方面避免不必要的状态转移,实现不匹配时的连续跳转。分析指出,在最好情况和平均情况下,时间复杂度均优于ACBM算法和FS算法。实验结果表明,一般情况下该算法的查找时间仅为AC算法的10%~35%,ACBM算法的50%~60%,FS算法的70%左右,FSQB算法的65%左右。     

一种并行中英文混合多模式匹配算法

针对中英文混合文本的匹配准确性及大规模数据文本的匹配效率等问题,基于经典的线索化完全哈希特里树算法,提出一种并行化的中英文混合多模式文本匹配算法。采用拆分文本降低多模式匹配算法的串行度,进而在拆分出的小文本上并行地执行文本匹配。通过并行化预处理过程,设计新的存储结构。实验结果表明,该算法在保证结果正确的前提下,执行效率高于经典的串行匹配算法,当数据规模达到226个字符时,可以获得8倍以上的加速比。     

无线移动网络节点发包概率的演化博弈模型

针对大规模无线移动网络中节点对信道资源的群体性随机博弈问题,在载波侦听多路访问/冲突避免(CSMA/CA)的机制下,建立一种节点发包概率的演化博弈模型。考虑节点成功发送数据包的收益、监听、退避和冲突等成本因素,给出并证明该模型的演化稳定策略(ESS),推导节点发包概率演化的复制动态方程。数值仿真结果表明,该模型能提供更强的ESS,保证在多个移动节点干扰时演化稳定点的鲁棒性。     

一种改进的视网膜图像中微小动脉瘤的检测算法

基于糖尿病性视网膜病变中最早出现的微小动脉瘤病症进行了研究,提出一种有效的微小动脉瘤检测算法。首先在传统模板匹配算法的基础上提出了一种动态多参数模板匹配算法,并且使用相对误差和与相关系数来共同制约匹配度,从而实现了更为精确的匹配提取;其次提出了基于分布特性的计分策略和自适应加权的汇总策略,避免了单纯采用各个特征量作为独立约束指标进行筛选时忽视各个特征量的约束力大小的弊端。实验结果表明,该检测算法能够有效地提高微小动脉瘤的检测真阳性率。     

基于Q学习的DDoS攻防博弈模型研究

新形势下的DDoS攻防博弈过程和以往不同,因此利用现有的方法无法有效地评估量化攻防双方的收益以及动态调整博弈策略以实现收益最大化。针对这一问题,设计了一种基于Q学习的DDoS攻防博弈模型,并在此基础上提出了模型算法。首先,通过网络熵评估量化方法计算攻防双方收益;其次,利用矩阵博弈研究单个DDoS攻击阶段的攻防博弈过程;最后,将Q学习引入博弈过程,提出了模型算法,用以根据学习效果动态调整攻防策略从而实现收益最大化。实验结果表明,采用模型算法的防御方能够获得更高的收益,从而证明了算法的可用性和有效性。     

快速鲁棒特征算法的CUDA加速优化

提出一种基于统一计算设备架构(Compute Unified Device Architecture,CUDA)的快速鲁棒特征(Speed-up Robust Feature,SURF)图像匹配算法。分析了SURF算法的并行性,在图像处理单元(Graphics Processing Unit,GPU)的线程映射和内存模型方面对算法的构建尺度空间、特征点提取、特征点主方向的确定、特征描述子的生成及特征匹配5个步骤进行CUDA加速优化。实验表明,相比适用于CPU的SURF算法,文中提出的适用于GPU的SURF算法在处理30MB的图片时性能提高了33倍。适用于GPU的SURF算法拓展了SURF算法在遥感等领域的快速应用,尤其是大影像的快速配准。