基于深度随机博弈的近距空战机动决策

针对空战中作战信息复杂、难以快速准确地感知态势做出决策的问题,提出一种博弈论与深度强化学习相结合的算法。首先,依据一对一典型空战流程,以随机博弈为标准,构建近距空战中红蓝双方对抗条件下的双机多状态博弈模型。其次,利用深度Q网络(deep Q network, DQN)处理战机的连续无限状态空间。然后,使用Minimax算法构建线性规划来求解每个特定状态下阶段博弈的最优值函数,并训练网络逼近值函数。最后,训练完成后根据网络输出求得最优机动策略。空战仿真实验表明,该算法具有较好的适应性和智能性,能够有效地针对空战对手的行动策略实时选择有利的机动动作并占据优势地位。     

基于BFM方法的1vs1近距自主空战决策

无人机自主空战将是未来空战的主要样式之一。针对当前对于近距自主空战的研究往往假设简单、计算复杂以及受限于使用规模等问题,对以格斗导弹为武器的近距1vs1自主空战的主要研究内容,提出一种基于基本飞行动作的自主空战决策方法以保证空战决策的有效性和实时性。首先,根据导弹的攻击区设计一种得分函数来量化评估空战态势;其次,建立敌机机动位置的几何预测模型。然后,提出基于位置差和速度差的补偿制导方法。最后,在仿真分析中设置了攻击和防御两种典型自主空战态势,实验结果表明了所提方法的有效性和可行性。     

基于BFM方法的1vs1近距自主空战决策

无人机自主空战将是未来空战的主要样式之一。针对当前对于近距自主空战的研究往往假设简单、计算复杂以及受限于使用规模等问题,对以格斗导弹为武器的近距1vs1自主空战的主要研究内容,提出一种基于基本飞行动作的自主空战决策方法以保证空战决策的有效性和实时性。首先,根据导弹的攻击区设计一种得分函数来量化评估空战态势;其次,建立敌机机动位置的几何预测模型。然后,提出基于位置差和速度差的补偿制导方法。最后,在仿真分析中设置了攻击和防御两种典型自主空战态势,实验结果表明了所提方法的有效性和可行性。     

基于IMU与sEMG混合信号的实时手势分类算法研究

为了提高表面肌电信号(surface electromyography,sEMG)的手势分类准确率，通过惯性测量单元(inertial measurement unit,IMU)与采集姿态信号与sEMG的混合信号，提出了GRUBiLSTM双层网络的实时手势分类算法。第1层门控循环单元(gated recurrent unit,GRU)利用能量组合算子特征对混合信号进行突变点检测，定位运动态数据起始点；第2层双向长短时记忆循环神经网络(Bi-directional long short term memory,BiLSTM)使用能量核相图特征对运动态混合信号进行2个方向10种手势的分类。通过离线模型优化，分类算法识别时间低于40 ms，突变点检测精度88.7%以上，手势分类准确率为85%，信息传输率(informationtranslaterate, ITR)达到89.9 bits/min，与基于机器学习的分类算法相比，在准确率与计算效率上具有优势。     

一种新的机动目标跟踪算法

针对反舰导弹末端超音速、跃升俯冲的攻击模式,提出了一种基于描述导弹受力状态和运动参数之间关系的模型的机动目标跟踪新算法,可以通过在线辨识模型中的力学参数,自动适应导弹运动模态的变化,最后研究了新算法与基于CV、CA模型的目标跟踪算法的性能比较。仿真结果表明,在反舰导弹末端超音速、跃升俯冲攻击模式下,基于CV、CA模型的目标跟踪算法性能较差,而新算法可显著提高对高速强机动目标的跟踪性能。     

基于深度强化学习的UAV航路自主引导机动控制决策算法

针对无人机(unmanned aerial vehicle, UAV)航路终端约束情况下航路自主引导机动控制决策问题,采用Markov决策过程模型建立UAV自主飞行机动模型,基于深度确定性策略梯度提出UAV航路自主引导机动控制决策算法,拟合UAV航路自主引导机动控制决策函数与状态动作值函数,生成最优决策网络,开展仿真验证。仿真结果表明,该算法实现了UAV在任意位置/姿态的初始条件下,向航路目标点的自主飞行,可有效提高UAV机动控制的自主性。     

一种新的超视距空战威胁估计非参量法模型

针对目前超视距空战威胁估计非参量法模型的缺点，提出了一种新的非参量法模型。该模型针对超视距空战以双机迎头飞行、导弹互射为主的特点，以载机空战能力、机载导弹攻击区、不可逃选区以及机载雷达的搜索区等性能参数和空战双方瞬时几何态势等作为主要研究对象，建立了各自的优势指数表达式，并采用线性加权法将各优势指数综合，求得空战中的整体优势指数，作为战术选择、目标分配、火力分配的基础。模型较全面、合理的反应了超视距空战的特点。仿真算例验证了模型的有效性。     

采用本机智能机动策略增大越肩发射截获区

传统认为可通过改善导弹性能增大越肩发射截获区。深入研究越肩发射过程后，发现：目标和本机的运动是相互影响的，本机机动可以影响导弹对目标的截获。故提出可通过改善本机机动，即采用本机智能机动策略得到更大的越肩发射截获区。采用可视化数据挖掘，从过去越肩发射仿真数据中获取知识，通过采用模糊算法用所获取的知识改善本机机动策略，得到本机智能机动策略。在数字仿真中，通过采用这种智能的机动策略，本机的截获区比过去至少增大了122%。除了传统的通过提高导弹性能增大越肩发射截获区外，通过采用本机智能机动策略也能。     

基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。     

基于有驾驶员参与的多机空战模拟效能评估方法

采用有驾驶员参与的半实物飞行训练模拟器解决了多机空战效能评估中人的因素问题。针对现有机载武器对目标机的攻击效果评估模型复杂抽象且物理意义不明确的难题，构建杀伤度模型对以前的作战能力指数模型进行改进。在空战仿真过程中，根据导弹与目标机的交会条件，提取导弹脱靶量的值，来计算其杀伤度，并记录相关数据得到作战过程表．采用线性加法累计法对表中的数据进行处理，分别计算单机和机群的损伤度、杀伤度．运算过程得到简化且精度有所提高。其方法不仅可对战术训练效果进行评估，而且可作为自动生成新战法的依据。     

融合WaveNet和BiGRU的网络入侵检测方法

为解决当前入侵检测算法对于网络入侵的多分类准确率普遍不高的问题, 鉴于网络入侵数据具有时间序列特性, 提出一种融合WaveNet和双向门控循环单元(bi-directional gated recurrent unit, BiGRU)的网络入侵检测方法。为解决原始攻击数据分布广、离散性强的问题, 首先对数据进行独热编码及归一化处理, 之后使用WaveNet进行卷积操作, 对数据进行序列缩短处理, 同时使用最大、平均池化融合的方法全面提取数据特征, 最后由BiGRU完成对模型的训练并实现分类。基于NSL-KDD、UNSW-NB15以及CIC-IDS2017数据集进行了对比实验, 结果表明, 所提方法对于上述数据集的准确率分别能够达到99.62%、83.98%以及99.86%, 较同类型的CNN-BiLSTM分别提升了0.4%、1.9%以及0.1%。     

航母甲板上舰载机的混合避障和仿真

针对航母甲板上舰载机混合避障随机性强、实时性差、规划速度慢等问题，结合最小二乘法与DDPG(deep deterministic policy gradient)算法提出一种PDDPG(predictive depth deterministic policy gradient)算法。该方法利用最小二乘法预测航母甲板上动态障碍物的短期轨迹。DDPG根据动态障碍物的短期轨迹为智能体提供在连续空间里学习和决策行为的能力。基于人工势场设置奖励函数，提高混合避障算法的收敛速度和准确率。使用Unity 3D构建了航母甲板高动态复杂场景，进行舰载机混合避障仿真实验。实验结果表明，PDDPG能较准确地实现航母甲板上舰载机的混合避障，与其他方法相比，在精度上提高了7%～30%。与DQN(deep Q network)相比，路径长度和转弯角度上分别减少了100个单位和400o～450o。     

多目标攻击空战决策WBG模型及其蚁群算法

针对解决空战决策分配问题的已有算法稳定性差、局限于数学描述、没考虑目标威胁评估因素等不足,通过分析战场模型,建立了多目标攻击空战决策的赋权偶图(WBG)模型,该模型是具有二分类的赋权完全偶图模型,使空战决策分配问题转化为求解WBG模型的最优匹配问题。利用蚁群算法对WBG决策模型求解,提出了具体实现算法。数值试验和仿真结果表明,提出的空战决策WBG模型及其蚁群算法实现具备精确有效的决策能力,从而为多目标空战提供了一种有效的决策方法。     

面向数字孪生的变电站三维场景自动目标识别

为提高自动目标识别的准确性，发挥自动目标识别对变电站运维效果的促进作用，提出面向数字孪生的变电站三维场景自动目标识别方法。构建变电站三维场景自动目标识别模型；利用模型架构的感知模块采集变电站实时状态数据，并采用通信模块将状态数据传输到数字孪生模块，该模块依据接收到的数据信息，通过知识图谱构建的知识库和服务模块的虚实数据处理单元，实现变电站信息的深度融合和全景映射；使用NURBS(non-uniform rational b-splines)曲面重构方法，创建变电站三维场景模型。前视自动目标识别单元在变电站三维场景模型中依据知识库，采用前视模板匹配技术实现对单一目标和多目标的准确识别。实验结果表明：该模型在简单和复杂场景下的变电站三维建模效果均较优异，在阴天和雾天仍能准确识别出变电站中的全部目标。     

水下战视景仿真系统建模及实时场景渲染方法

针对水下对抗建模中随机误差加入的合理性及复杂环境实时细致再现的问题,提出了一种基于高层体系结构(high level architecture, HLA)和军用仿真平台Flames构建一个可定制、可重用的水下对抗视景系统的设计方法,引入基于分形布朗运动(fractional Brownian motion, fBm)特征约束的随机误差来构建仿真模型,同时开发出基于开放场景图(open scene graph, OSG)视景引擎的海面和水下空间,充分利用图形处理单元(graphic processing unit, GPU)实现海面和海底地形等的快速纹理映射及渲染。该系统能适应潜舰、直升机潜等多种水下对抗样式的视景仿真需求。实际应用结果表明,该系统具有较好的实时性和视觉效果。     

基于GPU的相位干涉仪FX鉴相算法

针对相位干涉仪测向系统对于大量高速实时信号的处理需求, 设计了基于图形处理单元(graphic processing unit, GPU)的频域互相关(简称为FX)鉴相算法, 完成了相应的并行程序设计, 进行了实时数据的测试验证。为充分发挥GPU强大的浮点运算能力和并行数据处理能力, 将涉及大量并行高速数据计算的核心鉴相算法加载在GPU中, 实现了高速并行数据的相关处理和相位提取; 利用中央处理器(central processing unit, CPU)完成了数据调度、分发和简单的数据处理功能。实验测试结果表明, 在较好地保证鉴相精度的条件下, 本文设计的基于GPU的鉴相算法, 其数据处理速度是基于CPU平台的140倍左右, 鉴相速度明显提升, 较为圆满地实现了实时性、可靠性和准确性的设计初衷。     

基于随机策略搜索的多机三维路径规划方法

针对传统无能耗约束的多无人机路径规划方法难以适应复杂山地作业环境的应急救援要求，提出了一种基于LSTM-DPPO(long short-term memory-distributed proximal policy optimization)框架的多无人机三维路径规划算法。利用LSTM长短期记忆神经网络提取出多无人机在各自飞行过程中的重要特征状态信息序列，经过多次迭代更新后得到一个最优网络参数模型，结合能耗生成最优的三维探测路径。实验结果表明：该方法相对于传统路径规划方法效果显著，能在能耗最小的前提下规划出最优探测路径。     

机动目标的模糊自适应跟踪算法

在当前统计模型的基础上，提出了一种基于当前统计模型(CS)的模糊自适应算法(CSFA)。该算法使用了模糊推理技术，使系统状态噪声方差随着机动特性能够自适应调整，提高了系统在目标作非机动或者弱机动时的跟踪精度以及在强机动时的快速响应能力。蒙特卡罗仿真结果表明了该算法的有效性。     

基于Stackelberg博弈与深度强化学习的计算卸载策略

为使5G混合专网结构的2种用户能获得最优计算卸载策略，将2种用户竞争移动边缘计算(mobile edge computing,MEC)服务器资源的问题建模成Stackelberg博弈，并分别讨论了完全信息博弈和不完全信息博弈下的策略。完全信息博弈下，存在唯一纳什均衡解；不完全信息博弈下，将环境建模为部分可观测的马尔可夫决策过程(partially observable Markov decision process,POMDP)，并提出一种基于二阶段深度强化学习(two-stage deep reinforcement learning,TSDRL)的最优卸载策略。仿真实验表明：该算法相较于D-DRL算法能减少20.81%的时延及3.38%的能耗，有效提高用户QoE(quality of experience)。     

基于路径-速度解耦的无人机编队协同轨迹规划

针对无人机编队在复杂机动情形下的协同轨迹规划问题,提出了一种基于路径-速度解耦方法的预瞄自适应轨迹规划方法。在路径规划阶段,考虑无人机转弯机动的曲率限制,采用Dubins曲线作为路径构成的基本子结构。为得到最优的Dubins曲线连接控制点,设计了自适应预跟随路径特征的预瞄距离规划算法。在速度规划阶段,针对控制参数化与时间离散化(control parameterization and time discretization, CPTD)的速度规划方法,提出了栅格化空域下差异区间速度规划方法,简称为DIPR。仿真结果表明,预瞄距离自适应算法能够有效优化路径，对比固定预瞄距离方法在转向弧度上平均减少30.70%,在跟踪偏离上减少16.41%,在路径长度上缩短10.87%。对比CPTD方法, DIPR平均提前30代收敛,收敛值平均提高10.67%,编队完成队形集结时间平均缩短15.4 s。得到结果更快更优,并且速度曲线结果连续平滑。