摘要：由于科技的迅速发展和现代生活的需要,研究异构多无人机多任务分配技术,发挥多无人机协同操作优势具有重要的理论价值与现实意义。集中式控制结构下,中心控制单元掌握所有无人机的信息,分析无人机与任务要求的匹配情况,完成多无人机多任务分配的核心在于构建任务分配模型并求解。设计基于任务完成质量、无人机总飞行航程的综合考量,充分考虑无人机种类、数量、性能与任务类型、数量等因素间的约束关系,建立多无人机多任务分配模型,采用离散粒子群算法求解,仿真结果验证了所提方法的有效性。

摘要：域适应网络在样本增强领域应用受限,其根源在于领域的不同会加剧样本空间分布的差异。针对上述问题,提出基于联合域适应的异构样本增强网络。具体而言,异构域维度对齐子网中的支持域样本,在实现异构领域中样本维度对齐的同时,还嵌入了领域的分布知识,提高了后续异构域分布匹配的表现。此外,异构域分布匹配子网联合匹配了异构领域的边缘分布和条件分布,并嵌入了自适应机制,从而保证了联合域适应网络的匹配精度。由此,其他领域的样本通过上述设计的基于联合域适应的异构样本增强网络,能够被可靠地用于增强当前领域中的小样本。该网络在业界公认的田纳西-伊斯曼数据集上进行验证,实验结果表明了该网络的有效性。

摘要：改善现有无人集群系统实用化不足,需关注解决动态、自主、鲁棒、匹配和可扩展的多维平衡问题,研究设计提供多类算法耦合适配的基础架构。基于双层耦合网络的无人集群分布式系统模型,从信息交互视角出发,基于复杂网络演化模型相关理论,提出基于CDLW与H-CDLW演化模型的横纵解耦双层系统架构,设计了匹配的基于层次化交互控制的多目标融合拣选算法。仿真结果表明,基于双层解耦的交互控制,具备在动态、自主、鲁棒、匹配和可扩展等实用化目标多维均衡方面的优势,能够提供兼具匹配性和可扩展性的分层控制机制,具备成为一般性模型架构的基础。

摘要：小样本问题广泛存在于数据驱动建模。领域自适应方法通过将源域中的样本知识迁移到目标域,从而实现目标域中的小样本增强,然而此类方法在实际应用中受限,原因在于难以应对领域分布差异较大的样本增强场景。针对上述问题,该文提出基于传递式领域自适应的异构样本增强方法。首先,提出传递式探索策略,通过私有特征和共享特征设计了面向异构域的领域分布探索策略,有效地缓解了负迁移,并为后续分布匹配提供支撑;然后,提出分布联合匹配机制,通过联合匹配异构领域的边缘分布和条件分布,并嵌入自适应机制,从而保证了异构域分布的匹配精度。该方法在业界公认的田纳西-伊斯曼数据集进行验证,实验结果表明该方法在异构域中的建模表现优于其他方法。

摘要：设计了一种用于连续波雷达的X波段水平极化阵列微带天线,天线阵列由中心馈电的微带贴片单元组成。采用行波串馈的形式,通过在天线两侧安装两块金属板,压窄了俯仰面的波束宽度,提高了收发天线隔离度。实测结果与仿真结果一致性比较好,在9.3~9.4 GHz的工作带宽范围内,驻波比小于1.35,副瓣低于-22 dB,收发天线隔离度大于60 dB。