一种基于P2P MMOG的分布式消息分发算法

提出了一种适合于P2P MMOG的分布式消息分发算法。游戏世界通过N-Tree划分为若干个子区域,并从每个子区域中选举出一个协调者节点。对于区域内玩家交互过程中产生的事件,由该玩家通过多播机制发送给其兴趣域中的其他玩家和区域协调者,协调者仅负责保存区域内的对象的状态信息并周期性的进行更新。实验表明该算法能够满足游戏状态的一致性需求,并且能够在较大的程度上降低协调者负载和通信开销,节省了大量的计算资源和宝贵的带宽。     

三维Euler方程组隐式LU分解的高性能并行计算

许多非定常无粘流体力学问题的数值模拟都需要利用Euler方程组来进行计算,而由于在隐格式下,所选取的时间步长可以比在显格式下时大得多,所以隐格式越来越受到重视,其中隐式LU分解是最常用的方法之一。对三维Euler方程组,采用隐式LU分解进行计算时,网格点所在的各个对角阵面之间存在数据依赖关系,本文分析了采用区域分解且边界上用显格式代替隐格式进行计算的高效性,在长方体建筑物内的爆炸模拟表明,在有112个CPU的某MPP巨型机上,并行计算效率超过60%。本文还分析了计算结果与串行计算时的差异,以及利用区域重叠减小这种差异的方法,同时考虑了对处理器进行合理的逻辑组织,将计算网格映射到处理器网格,以最大限度减少通信开销的方法。文中最后以一个爆炸毁伤的例子实际说明了所述方法的可行性与高效性。     

区域运输规划模型系统

提出一种区域运输规划模型系统,以求从定量的角度,预测一个区域内的货物运输量,继而确定这些运输量对该区域内存在的多种运输方式的偏好结构,最后仿真这些运量在相应的各种运输网络上的分布情况,同时仿真模型还对运输网线路经过新建或扩建后所形成的新的运量分布进行模拟。根据运量分布情况,就可提出初步的规划建设方案。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

我国民航首个RNP APCH飞行程序全面实施

近期,民航中南地区管理局在海南三亚组织召开了三亚凤凰机场RNP APCH(RNP进近)飞行程序全面实施通报会。三亚凤凰机场RNP APCH飞行程序全面实施。这标志着中国民航首个RNP APCH飞行程序全面实施。     

基于卫星云图的大区域云层预测方法

云层覆盖是影响对地观测卫星成像的一个重要问题,如果遥感图像中云层比例太高,或者特定目标不可见,则遥感图像就会失效。对地观测卫星能够根据云层预测信息,在多个观测目标之间进行选择。面向对地观测卫星任务规划的应用,设计了大区域范围的短期云层预测方法,首先通过光流法获取云运动矢量,然后依据云运动矢量外推获得预测的云层图像,同时引入拉普拉斯算子刻画云层运动过程中的扩散现象,利用风云二号卫星的真实云图序列数据,通过神经网络的反向传播算法优化扩散因子,以提升云层预测的效果。通过对结果进行分析,引入的拉普拉斯算子方法能够提高云层预测的精度,80%分位数的云层覆盖率误差约为11.7%,该精度的云层预测可以用于指导对地观测卫星任务规划。     

机动卫星星座对多区域目标成像任务规划

针对太阳同步圆轨道卫星星座对地观测任务,研究了在卫星机动情况下对多区域目标的成像任务规划算法.首先提出了单颗卫星对单个点目标的观测方法,解析分析了点目标可见性,并给出了卫星变轨策略;进而通过把区域目标划分为多个条带,将问题转化为卫星对点目标观测问题,结合单星单目标观测方法分析区域目标各条带的可见性;最后建立优化问题模型...     

基于北斗的连续运行卫星定位综合服务平台设计及其应用

面向北斗导航卫星系统的应用,提出建设基于北斗的连续运行卫星定位综合服务平台(BeidouCORS),该平台具有多种工作模式,是北斗导航卫星系统重要的地面应用和有效补充。给出了平台的总体框架结构和通信链路的设计方案,论述了RTK,RTD和PPP等多种服务模式下的系统工作流程,介绍了参考站、控制与数据中心和数据处理算法等关键部分的建设。基于提出的平台建设框架,结合上海区域特点,给出了上海北斗连续运行卫星定位综合服务平台的示范应用,并设想了平台未来的发展和应用前景。     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

伪卫星空中基站的定位算法研究

伪卫星空中基站的精确定位是构建伪卫星区域定位系统的一个关键问题。分析了伪卫星空中基站的位置误差(相当于卫星的星历误差)对系统定位精度的影响,研究了利用逆用定位原理确定伪卫星空中基站位置的算法和几何精度因子问题,并用Monte-Carlo方法对定位精度进行了仿真,结果表明这种方法是可行的,具有较大的实用价值。