基于Voronoi图和蚁群优化算法的无人作战飞机航路规划

无人作战飞机(UCVA)航路规划是一类复杂优化问题.在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法.根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验.实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性.     

多连通域Voronoi图生成算法的研究

Voronoi图作为一种重要的计算机图形学技术,在数控加工、机器人的运动规划和曲面生成等许多领域都有广阔的应用前景.研究了由直线和圆弧组成的平面多连通域Voronoi图的生成算法,提出了平面闭包的搜索算法与闭包的归一化方法,根据单连通域Voronoi图的生成算法实现了多连通域Voronoi图的构造.实践证明了上述算法的有效性与可行性.     

不同威胁源下无人机的攻击航路规划算法与仿真

考虑到任务环境中威胁源的不同属性,提出一种新的航路规划方法,进行了计算机仿真.将加权Voronoi图应用于威胁空间剖分确定被选航路集,设计了剖分方法,研究了剖分特点.鉴于加权Voronoi图的生成较为复杂,给出了简化策略.仿真结果表明,提出的航路规划方法不仅与实际情况更为接近,而且切实有效可行.     

森林灭火水源选址的建模与仿真

森林火灾发生时,有效的水源地对消防员灭火有着良好的辅助作用。以攸县黄丰桥国有林场为例,提出一种基于元胞自动机动态生成加权Voronoi图的重心模型和交替定位分配算法局部优化的森林灭火水源选址规划方案。为减小水源覆盖高火险区域比例不达标的影响,建立加权Voronoi图的重心模型。为保证各Voronoi区域有充足的可用水资源,确保选址密度的合理性,采用交替定位分配算法对上述模型进行局部优化。仿真结果表明,所提方法能显著提高森林灭火工作效率。     

基于图像空间的焦散实时逼真绘制算法研究

提出了一种基于图像空间的焦散实时逼真绘制算法,算法将焦散的计算过程进行了分解并采用动态组织浮点纹理的方式将计算所需的几何数据从几何空间转换到了图像空间,可完全通过GPU编程实现实时逼真绘制.算法的主要优点是适用于可变形物体,可模拟由物体双面折射形成的焦散现象,算法效率受场景规模影响小并可方便地与阴影等绘制效果相结合.实验表明,GPU的数据处理能力和可编程特性得到了充分挖掘,与经典焦散绘制算法相比具有明显的效率优势.     

一种改进的光源空间透视阴影图算法及其实现

阴影对于虚拟环境真实感也有着重要的影响.阴影图算法具有良好的灵活性和性能优势,非常适合在实时虚拟环境生成中应用.基于光源空间透视阴影图算法给出了一种更精确的潜在遮挡物凸包体的计算方法,提出了一个更优化的光源空间透视变换参数计算方法,并对原算法中没有涉及的投射走样问题进行了讨论.最后给出了一种可以较好的模拟出软阴影效果的方法.     

基于动态贝叶斯网络的无人机路径规划研究

针对威胁可变及威胁体不尽相同的无人机路径规划问题,提出了一种局部路径重规划的算法。该算法首先构造出战场具有n类威胁体的初始路径图———“改进型Voronoi图”,后应用Dijkstra算法搜索威胁分布图,求解粗略最短路径。在无人战斗机飞行过程中,威胁体威胁等级不断变化,无人战斗机通过多传感器数据融合知识构建动态贝叶斯网络图,感知环境,获取信息,应用Viterbi解码算法获得实时威胁等级,进行局部改进型Voronoi图的重构,以完成局部路径重规划,提高了无人战斗机在实战环境下生存概率。给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

图像序列弱小目标能量积累检测研究

低信噪比运动小目标实时检测是成像探测应用中的难题.在分析目标检测不同层次处理方法的基础上,针对计算量最大的目标能量积累检测层次提出一种采用指数衰减和方向加权动态规划能量积累检测算法.该算法解决了常规能量积累检测算法实时性差、检测概率低的问题.算法简洁,易于硬件实现,实时性好.给出了算法的实验结果和结论.     

基于GPU的SAR回波仿真高效实现方法

针对合成孔径雷达(synthetic aperture radar,SAR)分布式场景回波仿真计算量巨大的问题,提出了一种结合改进的同心圆算法与图形处理器(graphics processing unit, GPU)技术的高效SAR回波仿真方法。首先,针对常规同心圆算法精度较低造成的图像信噪比低的问题,提出了一种改进的同心圆算法。其次,为了充分发挥GPU处理核之间的并行优势,对该算法的GPU并行处理进行了深度优化,进一步提升了仿真速度。具体方法是,根据并行度的高低设计核函数,确定了先采用“线程外推”实现部分目标回波的同心圆累加,再用“归约相加”实现所有目标回波的累加。最后,与常规GPU方法进行了实验对比,验证了所提方法的精确性和高效性。     

因果图迭代推理算法研究

针对因果图精确推理是NP(nondeterministic polynomial)难的问题,提出了一种迭代推理方法。首先,从图论的角度分析了因果图推理中概率计算的机理,并提出了矩阵解环的方法。在此基础上提出了一种迭代推理算法,该算法只需要进行简单的矩阵运算,大大简化了传统因果图推理复杂的计算过程,可以在多项式时间复杂度内实现推理。其次,分析了算法存在的问题并提出了改进的方向。最后,运用实例分析验证了该算法实现因果图推理的效果。研究表明,该算法能够有效地进行因果图推理,推理效率高,推理结果正确,为因果图提供了一种高效的近似推理方法,对因果图的应用具有重要意义。