基于离散分数布朗随机场模型的景象适配性分析方法

首先阐述了在自然景象的齐次平稳高斯随机场模型下进行景象适配性分析的不足；然后建立了景象的离散分数布朗随机场模型，在小波多分辨率分析的基础上提取了分形特征；接着推导了景象的分形特征与基准子图的二维相关性之间的关系，并提出了基于分形特征的景象适配性分析方法；最后通过大量仿真试验验证了分形特征和基准图的正确匹配概率之间的关系，对于景象匹配区的选择具有一定的实用价值。     

一种基于Hopfield神经网络的TF／TA航迹规划算法

提出一种基于Hopfield神经网络的无人机地形跟随(TF)/地形回避(TA)迹规划方法.该方法将地研信息反映到算法参数连接权中,利用扩展的Hopfield模型结合无人机约束实现航迹安全、合理的规划.仿真实验证明该方法能获得满意的TF/TA航迹.     

基于分布式模型预测控制的多UAV协同区域搜索

针对多无人机(UAV)协同区域搜索问题展开研究。提出了一种基于分布式模型预测控制(DMPC)的多UAV分布式优化搜索方法。首先基于传统的搜索图模型,建立了多UAV协同搜索的问题描述和状态空间模型,然后在DMPC框架下,将集中式多UAV在线优化决策问题转化为各架UAV的小规模分布式优化问题,采用基于纳什最优和粒子群优化(PSO)相结合的算法实现对每个子系统优化问题的迭代求解。仿真结果表明:DMPC方法能够有效地降低多UAV协同搜索决策问题的求解规模,是一种可行的方法。     

动态战场环境中无人机航迹规划方法研究

采用距离变换方法对动态战场环境中无人机航迹规划问题进行研究.改进了距离变换扩散过程的计算方法,使其能够以更快的速度对大范围复杂环境进行处理.针对战场环境中航迹规划的特点,在考虑航程代价的基础上,提出了基于代价的距离变换方法,将敌方威胁等因素的影响作为风险代价集成到距离变换过程中.通过对威胁值进行设置,规划时可以根据任务态势在航程代价和风险代价间实现协调以满足不同的战术要求.仿真结果表明该方法是一种有效的航迹规划方法.     

多UCAV协同中基于协商的分布式任务分配研究

针对多无人作战飞机（UCAV）分布式协同任务分配问题展开研究。在对多UCAV任务分配问题进行分析的基础上，提出了基于市场协调机制的多UCAV分布式协同任务分配体系结构，设计了能够支持不同自主能力UCAV的任务控制模型，各UCAV在分布式计算的基础上进行相互协商实现动态任务分配。通过综合采用买卖合同、交换合同和聚类合同三种协调机制，实现了多UCAV协同作战中的分布式任务分配。仿真实验结果表明，基于协商的分布式任务分配方法能够快速有效地实现对态势变化的反应，对于解决作战过程中的动态任务分配具有突出优势。