摘要：合适的信道接入技术是提升网络性能的关键。根据短波地空IP网络通信覆盖范围广、难同步、空中节点信息可能丢失的特点,设计出该网络一种新型的带预约短波令牌协议(HFTP-R),给出了区分空中节点优先级数据和常规级数据的预约算法,并利用OPNET软件进行了网络建模和不同参数配置下的仿真。仿真结果表明,该协议能提供较高的预约成功率和较好的实时性,且优先级预约比常规级预约更快接入信道,克服了短波令牌协议(HFTP)直接应用于短波地空IP网络时可能出现的通信中断,可满足网络需求。

摘要：目的基于深度学习的视觉跟踪算法具有跟踪精度高、适应性强的特点,但是,由于其模型参数多、调参复杂,使得算法的时间复杂度过高。为了提升算法的效率,通过构建新的网络结构、降低模型冗余,提出一种快速深度学习的算法。方法鲁棒特征的提取是视觉跟踪成功的关键。基于深度学习理论,利用海量数据离线训练深度神经网络,分层提取描述图像的特征;针对网络训练时间复杂度高的问题,通过缩小网络规模得以大幅缓解,实现了在GPU驱动下的快速深度学习;在粒子滤波框架下,结合基于支持向量机的打分器的设计,完成对目标的在线跟踪。结果该方法精简了特征提取网络的结构,降低了模型复杂度,与其他基于深度学习的算法相比,具有较高的时效性。系统的跟踪帧率总体保持在22帧/s左右。结论实验结果表明,在目标发生平移、旋转和尺度变化,或存在光照、遮挡和复杂背景干扰时,本文算法能够实现比较稳定和相对快速的目标跟踪。但是,对目标的快速移动和运动模糊的鲁棒性不够高,容易受到相似物体的干扰。