【摘 要】
：
为解决密集无人机网络的下行功率控制问题,降低无人机的相互干扰、提高系统能量效率,提出了一种密集无人机网络下行发射功率控制算法.首先,将无人机网络的功率控制问题建模为高维系统状态下的平均场博弈论模型,降低无人机间的相互干扰;其次,将平均场博弈论模型转化为马尔可夫决策过程,以得到无人机密集部署下的均衡解;另外,提出了一种基于深度强化学习的平均场博弈论算法,通过使用深度神经网络获取系统的最优功率控制策略,从而最大化系统能量效率.最后,通过仿真分析将所提方法与其他3种算法进行对比分析.实验结果表明,所提方法能够使
【机 构】
：
公安部第一研究所 北京100048
论文部分内容阅读
为解决密集无人机网络的下行功率控制问题,降低无人机的相互干扰、提高系统能量效率,提出了一种密集无人机网络下行发射功率控制算法.首先,将无人机网络的功率控制问题建模为高维系统状态下的平均场博弈论模型,降低无人机间的相互干扰;其次,将平均场博弈论模型转化为马尔可夫决策过程,以得到无人机密集部署下的均衡解;另外,提出了一种基于深度强化学习的平均场博弈论算法,通过使用深度神经网络获取系统的最优功率控制策略,从而最大化系统能量效率.最后,通过仿真分析将所提方法与其他3种算法进行对比分析.实验结果表明,所提方法能够使无人机与环境进行有效交互,有效降低无人机的相互干扰,增强系统网络通信性能;同时,与其他3种方法相比,所提方法的收敛速度更快、能量效率更高,具有良好的收敛性与可靠性.
其他文献
基于图像的降噪算法是构建智能视频监控系统的基础,对准确高速捕获事物具有重要意义。针对经典BM3D降噪算法中的硬阈值不能随噪声强度自适应且缺乏对图像边缘纹理信息保护的缺点,提出了一种基于自适应滤波的改进三维块匹配降噪算法。该方法首先在基础估计阶段使用自适应滤波代替硬阈值滤波进行相似块的匹配,即将软阈值应用于高噪声区域而将全变分应用于低噪声区域;然后在最终估计阶段使用K-means聚类方法寻找匹配块以
为了确保测量温度的准确性,需要对热电偶电路进行冷端补偿.目前使用AD590对热电偶测温进行冷端补偿时,存在电路不对称与安全性不高等问题.本设计针对S型热电偶的冷端补偿进行优化,将热电偶输入电路与AD590冷端补偿电路进行分离,冷端补偿电路输出电压作为偏置电压与热电偶信号叠加,并对叠加后的信号进行放大、滤波等调理.测试结果表明,优化后的电路共模抑制比提高了约50 dB,冷端补偿精度控制在±0.20％FS范围内,可以提高热电偶输入电路的对称性与安全性.
对液晶屏表面进行缺陷检测时,其表面纵横分布的纹理会对检测精度造成干扰。提出了一种液晶屏缺陷检测方法,首先采用基于相对总变差模型的图像结构提取方法抑制液晶屏纹理,该模型对非统一或各向异性的纹理均适用,能有效分解液晶图像中的结构信息和纹理。提取后的结构信息采用High-boost滤波器增强高频分量同时保持低频分量的特性,对图像中的缺陷进行显著性检测。实验结果表明该方法确实有效地抑制了背景纹理信息,同时
随着旋翼无人机的日益发展且其任务中面临环境的复杂性不断提升,单一传感器已经表现出明显不足,因此需要有自主性更强的组合导航方法用以辅助其完成各类急难险重任务。从视觉、惯性的基本概念入手,较为全面地分析了此类组合的优势所在。而后对旋翼无人机的基本情况进行介绍,并着重分析以其为载体实现视觉/惯性组合导航的关键技术,包含视觉前端、初始化以及具体的融合方法。特别是对近几年表现出色的算法进行介绍,并分析了其优