卫星组网仿真中想定生成系统的设计与实现

为解决卫星组网仿真中的想定编辑生成问题,分析了组网仿真多任务多粒度的特点,提出了一种基于可扩展标记语言XML建模结合共享技术的想定动态生成方法.该方法将想定场景中的实体对象模型以及关系对象模型采用XML文档组织,可以根据仿真任务目的灵活选取所需模型生成想定文件.使用了将细粒度对象共享使用的方法,有效地提高了系统的效率....     

基于感知哈希的图像内容鉴别性能分析

感知哈希能有效地区分不同内容的图像,常用于检测盗版或重复的图像内容鉴别应用中.针对已有的对感知哈希的图像内容鉴别应用研究主要集中在算法设计上,缺少对其性能评价的理论方法的问题,提出从理论上评价内容鉴别性能的方法.该方法基于一类图像感知哈希算法的抗碰撞特性建立了内容鉴别的判定模型,并定义内容鉴别的性能公式,最后推导出统计学上的函数作为性能评价指标.实验结果表明,文中方法能很好地估计感知哈希在内容鉴别应用中的性能.     

基于半虚拟技术的嵌入式分区系统设计与实现

针对嵌入式系统的高可靠性和高安全性要求,设计了基于半虚拟技术的分区系统.在RTEMS实时操作系统中,使用半虚拟技术实现虚拟机监视器,给分区操作系统PLINUX创造虚拟环境.通过地址映射机制和分区调度,把分区系统在空间和时间上隔离开,可有效阻止分区的错误传播,提高系统的容错能力.时系统可靠性、调度效率等方面进行试验和分析,实验结果表明,该分区系统的可靠性明显提高,而且继承了RTEMS的实时性和设计的简洁性.     

交互式数字地形合成算法

针对当前手工建模费时费力和自动算法难以调整合成结果的问题,提出一种基于示意图的交互式地形合成算法.通过使用用户绘制的示意图来解决地形特征的精确放置问题,并利用控制参数来调整合成地形的细节,在自动化和控制性上达到了较好的平衡.实验结果表明,该算法能快速生成地形,且可以方便地对生成的结果进行调整;即使是缺乏专业建模技能的用户也能使用该算法生成满意的地形,对于地形建模从手工到自动化的转变具有一定的促进意义.     

深空可见光图像中弱小运动目标实时检测

 针对深空可见光图像背景特征与目标特性,提出了迭代质心的方法自适应地搜索恒星灰度质心作为特征点并构造基于恒星空间分布的特征模型,实现亚像素级精度的图像序列配准,通过8-邻域联通聚类分析的路径判别法,解决了弱小运动目标实时检测.     

散景效果的真实感绘制

针对现有方法绘制的散景效果真实感较差的问题,提出一种基于几何光学理论的散景效果真实感绘制方法.该方法以光线传播的折射定律为基础,利用序列光线追踪方法对相机镜头的光学成像特性进行精确建模;对相机镜头的内部结构进行精确模拟,包括孔径光阑和渐晕光阑,以绘制出由孔径形状和渐晕共同作用的散景效果;利用几何光学理论和序列光线追踪方法精确计算出出射光瞳的位置和大小,以辅助光线采样,提高光线追踪效率.绘制结果表明,利用该方法能够绘制出较为逼真的散景效果,正确模拟了孔径形状和渐晕对散景效果的影响,并具有较高的光线追踪效率.     

景深效果绘制技术综述

景深效果能够增强计算机生成图像的真实感,因此关于这类效果的绘制已成为计算机图形学中的重要研究方向。针对景深效果的绘制问题,首先研究和分析各种相机镜头模型的光学成像原理,比较各类镜头模型的特点和模拟景深效果的能力;然后分类总结景深效果绘制的基本原理和典型算法,比较各类景深绘制方法的优缺点。最后指出景深效果绘制技术的应用价值,并展望未来的研究方向。     

延迟/中断可容忍网络研究进展

DTN网络是一类延迟/中断可容忍网络,具有长延时、某一时刻不存在端到端链路或者链路频繁中断、节点存储/计算能力低等特点,与现在的地面有线网有着根本的区别,所以现有网络协议,如TCP协议等无法满足DTN网络应用.在介绍DTN网络起源和特点的基础上,详细描述了DTN网络中几个典型的网络协议;比较了不同的DTN网络路由算法;对DTN网络在深空探测、野生动物研究、湖水质量检测、偏远地区通信等领域的应用作了介绍;最后对DTN网络未来的研究趋势进行了分析与展望.     

面向多智能体协作的注意力意图与交流学习方法

对于部分可观测环境下的多智能体交流协作任务, 现有研究大多只利用了当前时刻的网络隐藏层信息, 限制了信息的来源. 研究如何使用团队奖励训练一组独立的策略以及如何提升独立策略的协同表现, 提出多智能体注意力意图交流算法(Multi-agent attentional intention and communication, MAAIC), 增加了意图信息模块来扩大交流信息的来源, 并且改善了交流模式. 将智能体历史上表现最优的网络作为意图网络, 且从中提取策略意图信息, 按时间顺序保留成一个向量, 最后结合注意力机制推断出更为有效的交流信息. 在星际争霸环境中, 通过实验对比分析, 验证了该算法的有效性.     

基于语境辅助转换器的图像标题生成算法

在图像标题生成领域, 交叉注意力机制在建模语义查询与图像区域的关系方面, 已经取得了重要的进展. 然而, 其视觉连贯性仍有待探索. 为填补这项空白, 提出一种新颖的语境辅助的交叉注意力(Context-assisted cross attention, CACA)机制, 利用历史语境记忆(Historical context memory, HCM), 来充分考虑先前关注过的视觉线索对当前注意力语境生成的潜在影响. 同时, 提出一种名为“自适应权重约束(Adaptive weight constraint, AWC)” 的正则化方法, 来限制每个CACA模块分配给历史语境的权重总和. 本文将CACA模块与AWC方法同时应用于转换器(Transformer)模型, 构建一种语境辅助的转换器(Context-assisted transformer, CAT)模型, 用于解决图像标题生成问题. 基于MS COCO (Microsoft common objects in context)数据集的实验结果证明, 与当前先进的方法相比, 该方法均实现了稳定的提升.