用于飞行器导航的边缘匹配方法研究

地图匹配制导由于具有良好的自主性而成为飞行器导航的一种重要方式。本文首先从飞行器导航的应用出发，对于可用于地图匹配制导的匹配方法的特点进行了分析；然后，提出了一种基于二值边缘新的匹配度量，并给出了基于距离变换的边缘二值图像匹配方法；通过采用航片与卫片、可见光图像与合成孔径雷达图像等所进行的大量实验，结果表明本文所提出的方法比常用的平均绝对算法和归一化互相关算法速度更快、匹配定位精度更高     

基于进化计算的无人飞行器多航迹规划

针对飞行器多航迹规划问题展开研究。在分析多峰值函数优化问题的基础上，提出了一种基于进化计算的飞行器多航迹规划方法。该方法通过使用特定的染色体表示方法和进化算子，可以有效利用各种环境信息，处理各种航迹约束。同时，通过引入聚类算法，将种群中的个体按其空间分布进行聚类，生成若干个不同子种群。在进化过程中，所有个体只在各自的子种群内部进化。当进化结束时，每个子种群将分别生成一条各自的最优航迹，从而为飞行器生成多条不同的可选航迹。仿真结果表明了该方法的有效性。     

基于量子遗传算法的无人飞行器航迹规划

基于量子计算和量子理论,提出了一种基于量子遗传算法的无人机航迹规划方法 。该方法利用表征量子叠加态的量子比特对航迹进行编码,引入具有量子特性的量子交叉算 子和量子门变异调整策略,对航迹规划中代价函数进行优化,引导并实现航迹的规划选择。 仿真试验结果表明,该方法不仅具有良好的种群多样性,而且还可以有效地提高算法的空 间搜索和收敛能力。
     

基于Nash均衡与进化计算的协调航迹规划

在对策论框架下研究多无人飞行器的协调航迹规划问题,提出了一种基于Nash平衡和进化计算的航迹规划算法.协调航迹规划是一个多目标合作优化问题,也是一个非合作对策问题.飞行器编队的分布结构提供了一种隐性偏好信息,有助于找到飞行器编队的最优协调航迹和最优飞行代价分配.本文算法使用特定的航迹个体表示方法和进化算子,按照层次方法处理各种航迹约束.不同飞行器间的协同和竞争关系定义在航迹评价函数里.仿真结果验证了基于博弈论航迹规划算法的可行性和优越性.     

用于地图匹配的多谷快速寻优方法

当失配度量函数定义之后,地图匹配问题就变为了二维随机多谷函数的寻优问题。多谷快速寻优方法是作者提出的解决失配度量寻优的一种新方法。本文应用这种方法,变地图匹配中的穷举搜索为定向局部搜索,从而节省了计算,保证了匹配定位精度。本文还针对平均绝对差算法推导了门限与漏警概率的关系,给出了保证一定漏警概率的门限系数分布区间。最后,使用本文的方法在三幅航空照片上进行了大量的匹配实验,并与序贯相似性检测算法进行了比较,验证了方法的正确性,同时表明多谷快速寻优方法用于地图匹配具有定位精度高,计算量小,参数易于选择等优点。     

一种基于可行优先的三维航迹规划方法

针对三维航迹规划的实时性问题,提出了一种基于可行优先的三维航迹规划方法。不同于通常的最优优先算法,该方法使用可行优先的准则,有效地剪除了搜索空间,提高了搜索效率,从而使三维航迹规划能够应用于实时航迹规划中。在搜索过程中,该方法通过改进局部航迹的三维规划,飞行状态保持,动态网格,导引点集四种策略,能快速地规划出三维航迹。算法复杂度分析和试验表明,该方法能够有效地完成航迹规划任务,获得满足要求的可行航迹。
     

一种图斑特征引导的感知分组视觉注意模型

 结合自顶向下和自底向上的信息处理策略,提出了一种新的视觉注意模型,该模型利用图斑特征信息引导感知分组过程,使注意力关注于任务相关区域。通过引入多尺度图斑,关联图斑和底层特征,新模型利用图斑特征建立先验信息的知识表达形式。对于给定新的场景,新模型能够使用先验信息,提高和目标对象相关特征的显著性。通过视觉预注意阶段计算得到的中间数据,提取图斑特征向量作为引导,不断迭代积累对象,合并区域表征对象,由表征简单对象开始,进而表征复杂对象,迅速有效地引导视觉注意力关注任务相关区域。实验比较了新模型、显著区域提取模型及波谱残留模型,证明了所提模型的优越性。     

基于混合量子粒子群优化算法的三维航迹规划

针对粒子群优化算法(PSO)存在的早熟收敛问题,通过将种群的繁殖机制引入量子粒子群优化算法(QPSO),提出了一种混合量子粒子群优化算法(HQPSO),将该算法应用于无人飞行器的三维航迹规划。同时,运用统计学方法,通过仿真实验比较了HQPSO算法与QPSO算法以及带动态变化惯性权系数的PSO算法的性能。仿真实验结果表明,HQPSO不但比QPSO和PSO具有更强的全局搜索能力,而且比QPSO和PSO具有更快的收敛速度。