区块链与 5G MEC在军事领域的融合应用

第 5代移动通信技术(5G)与移动边缘计算(Mobile Edge Computing,MEC)的深度融合,实现了省带宽、降时延、均负载和高隔离的目标。为进一步增强军事场景中信息安全保障能力,首先,开展了基础理论研究,梳理了技术发展现状、能力指标和网络架构,为设计区块链与 5G MEC融合架构提供了理论支撑;其次,采用映射方法对民用技术的军事转化与融合改进开展了可行性分析,指出了技术融合的涌现性;此外,基于多视图方法论开展了需求分析,提出了 1种 5G网络架构下 MEC与区块链的融合架构;最后,基于所提系统设计了 3种军事应用场景,并给出了系统参考架构和优化方法。通过分析,3项技术在军事领域的融合应用具有一定的可行性,在综合保障、演训行动和卫勤医疗场景中能够提供安全可信条件下数据的高效处理和灵活流转。     

图像边缘提取的启发式搜索算法

常规的图像边缘提取方法容易受到噪声的影响,导致了大量不连续边缘的产生。本文试验了一种基于边缘分段自增强的启发式搜索(EdgeDetectionalgorithmbasedonHeuristicSearchED-HS)算法,该算法通过对边缘检测后图像的遍历搜索获得各种可能的边缘轨迹,然后对每条搜索轨迹进行分段自增强,最后根据增强程度的积累决定图像边缘。文中阐述和分析了算法的机理,并以加入了高斯噪声的“Lena图像”作为样本进行了计算验证。结果初步证明了该算法能够在较高的噪声条件下有效的提取到连续、清晰的边缘。     

球面收敛二元喷管电磁散射特性

采用迭代物理光学法和等效边缘电磁流法,对球面收敛二元喷管电磁散射特性进行研究.计算分析了该喷管电磁散射的构成及散射机理、散射场的空间分布特性、散射的频率特性,分别计算和对比分析了电磁波在俯仰平面和偏航平面入射时喷管在中间和最大两种状态下的电磁散射情况.研究表明该喷管在垂直极化下边缘绕射场对散射总场的贡献在大角度下体现.电磁波入射频率越高,该喷管后向散射越强烈,雷达散射截面分布对姿态角度越敏感.      

一种地形轮廓特征的立体视觉三维重建方法

针对自然地形轮廓特征的三维数据测量问题,提出了一种基于区域分割的立体视觉三维重建方法。先通过分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘。轮廓边缘按所属区域分组进行立体匹配,根据分割区域相互邻接的全局特征和各区域的位置、尺寸、灰度值局部特征建立区域约束,并根据区域边缘像素点梯度分布特点建立梯度方向约束,以减小立体匹配的搜索空间、优化匹配顺序、提高匹配精度。进而根据双目立体视觉的成像模型计算匹配边缘点的三维坐标,实现地形轮廓边缘的三维重建。实验结果表明,该方法能够快速有效地重建出体现地形三维结构特征的轮廓边缘,并具有较高的立体匹配正确率和重建精度。     

一种基于边缘检测的虹膜定位算法

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能。依据虹膜图像特点,提出了一种基于边缘检测的虹膜定位算法:首先利用Sobel算子提取虹膜图像的边缘;然后在边缘图中利用扫描线和直线拟合法粗定虹膜中心及半径;最后在原图边缘附近利用改进的Daugman算子进行虹膜精确定位。与传统的虹膜定位方法相比,该算法快速有效,提高了虹膜定位的速度和精度。     

螺旋锥齿轮边缘接触分析

边缘接触是一种轮齿齿顶边缘传递运动的现象。这时,接触区在齿根或齿顶处产生一条硬印。常规的齿面接触分析（TCA）结果是一组间断的误差曲线和不完整的接触区,未能反映一个完整的接触过程。本文提出了描述边缘接触这一现象的具体方法。可得到完整的传动误差曲线和接触区图,为进一步的边缘接触振动分析打下了基础。      

压力容器边缘应力的有限无分析

本文运用有限单元法对压力容器的边缘应力进行了分析，讨论了筒体和封头的边缘应力的分布。结果表明，利用有限单元法进行边缘应力的分析，简单易行、速度快、精度高。     

基于改进型Retinex算法的雾天图像增强技术

为增强雾天图像的对比度及颜色和亮度恒常性,提出了一种改进型Retinex算法雾天图像增强算法。使用改进的双边滤波器作为滤波函数,在保持边缘信息的同时去除噪声的干扰;并使用S型函数曲线对Retinex算法中对数域相减去除入射光分量的图像进行颜色恢复处理,增强整幅图像的对比度和感知特性,还原图像的色彩信息。实验结果表明,所提的改进算法能有效提高雾天图像的清晰度和对比度,相较原雾天图像清晰度提升约200%,标准差提升约110%,信息熵提升约10%。同时,可保持更加真实鲜艳的图像颜色,计算复杂度较低,满足实时性要求。      

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。