亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

這篇論文中，作者提出了一套控制、估計和決策策略，使小型無人駕駛飛機系統和自由飛行的航天機器人能夠充當智能移動無線傳感器網絡。這些智能體的主要任務是從環境中收集信息，以提高網絡和人類合作者的態勢感知能力。這些信息是通過一個抽象的傳感模型--前向各向異性球面扇形--收集的，通過調整其調整參數，該模型可通用于各種傳感模型。

首先，推導出一種混合控制策略，根據該策略，一組無人飛行器可以動態覆蓋（即隨著時間的推移將其感知足跡掃過域中的所有點）指定空域。假設這些飛行器的電力資源有限，因此提出了一種智能體部署和調度協議，允許智能體在覆蓋環境的同時定期返回充電站。此外，還規定了有關能量感知域劃分和智能體航點選擇的規則，以便在整個網絡中分配覆蓋負荷，并提高剩余電力供應較大的智能體的優先級。這項工作被擴展到考慮三維空間中嵌入的二維流形的覆蓋問題，這些流形會受到隨機入侵者的碰撞。在避免碰撞、及時向充電站靠攏以及友好智能體及時攔截入侵者等方面提供了形式上的保證。本章最后介紹了一個案例研究，在該案例研究中，人類充當了動態覆蓋監督員，即通過手勢來指導機器人選擇應該勘測的區域。

其次，態勢感知的概念被擴展到由與航空或航天機器人近距離工作的人類組成的網絡。在這項工作中，機器人充當人類的助手，幫助人類完成一系列相互依存、空間上相互分離的多任務目標。人類佩戴著增強現實顯示屏，機器人必須在線學習人類的任務位置，并將這些任務的攝像頭視圖播放給人類。任務位置是通過高斯混合模型期望最大化的并行實施來學習的。從學習到的任務集中選擇任務由馬爾可夫決策過程執行，該過程由人類使用 Q-learning 進行訓練。在獲得 IRB 批準（HUM00145810）的 24 名人類受試者實驗中，機器人任務選擇方法與監督方法進行了比較。

論文最后討論了作者在貝葉斯推斷路徑規劃方面的另一項案例研究。此外，論文還討論了動態覆蓋和人機交互方面的未決問題，以便為今后的工作指明方向。

以下是本研究的貢獻摘要：

• 受各向異性傳感和剛體運動學影響的三維多智能體動態覆蓋網絡的正式混合控制策略、

• 必須定期返回補給站的 MWSN 的能量感知部署和調度，為智能體的安全提供正式保證、

• 隨機入侵者的檢測和軌跡估算技術，為智能體的攔截提供形式保證、

• 通過手勢指令實現人類監督動態覆蓋的混合模型、

• 一種無監督學習算法，通過該算法，空中合作機器人和自由飛行器可以估計與任務相關的攝像機視圖集，然后將這些視圖提供給它們的人類伙伴、

• 一種基于 MDP 的監督學習算法，通過該算法，人類可以強化從上述視圖集中依次選擇視圖的能力。

本論文中反復出現的幾個概念及其與主要貢獻之間的聯系如圖 1.15 所示。

圖 1.15：本論文中反復出現的幾個概念，包括傳感模型和沿密度函數的車輛制導。它們與主要貢獻之間的聯系如上圖所示。

提綱

第 2 章包括本論文在功率受限動態覆蓋方面的貢獻。它提出了一種無人機混合控制策略，可保證三維環境的完全覆蓋。這項工作發表在 2017 年的《自主機器人》上（見第 1.4 節）。這項初步工作為在更為復雜的環境中處理持續覆蓋問題奠定了基礎。智能體現在的任務是覆蓋嵌入 R 3 的二維流形，該流形會受到隨機生成的入侵者的影響。這項工作發表在 2019 年的《自動》（Automatica）上（見第 1.4 節）。第 2 章最后介紹了基于手勢的覆蓋案例研究，其中人類充當了半自主智能體的動態覆蓋監督員。這項研究將工作從完全自主的網絡過渡到人機協作網絡，旨在維持人類隊友的態勢感知。

第 3 章專門討論人機/空間機器人協作。該章介紹了在多任務環境中在線學習和選擇相關攝像機視圖的研究。這項工作的成果是由數據驅動的，來自機構審查委員會（IRB）批準（HUM00145810）的分布式航空航天系統與控制（DASC）實驗室的人體實驗。這項工作的成果已于 2020 年 1 月提交給《國際機器人研究雜志》，目前正在接受評審。

第 4 章將總結本論文的主要貢獻以及一些其他案例研究，并討論動態覆蓋和人機/空間機器人協作領域的未決問題。隨后將討論附錄，附錄中的數學推導對于論文主體來說過于冗長。

低雷達截面和低速飛行能力使無人機成為雷達探測的挑戰目標。在有地面移動目標的情況下，頻譜也會變得擁擠，從而增加了探測無人機的難度。微多普勒效應是用于區分無人機與其他目標和雜波的主要特征。通常情況下，在檢測到所有目標后才進行分辨。特別是在城市等目標密集的環境中，典型的方法需要很高的處理能力才能檢測到所有目標并對其進行分類。覆蓋范圍也是城市中基于單靜態雷達的典型無人機探測方法的另一個問題。單靜態雷達的覆蓋范圍很容易被建筑物遮擋。為了解決這些問題，本論文提出了分布式多輸入多輸出（MIMO）連續波（CW）雷達，使用 MIMO 循環譜密度（CSD）分析（MCSD）方法。MCSD 方法在循環頻域中將無人機和其他目標以及雜波分離開來。為了使系統簡單、低成本，使用了連續波雷達網絡，并基于多普勒定位方法進行定位。模擬和實驗結果證明了這一概念。論文還分析了 MCSD 方法的性能和成本分析。

這項研究模擬并分析了反介入區域拒止（A2AD）環境中不同路由算法對穿透資產的有效性。在地對空導彈（SAM）位置和數量的不同配置下使用了高級仿真、集成和建模框架（AFSIM），以比較 AFSIM 的內部區域和收縮算法路由器與 Dijkstra 算法路由器的性能。路由性能通過計算和運行指標進行分析，包括計算復雜度、運行時間、任務生存能力和模擬持續時間。這項研究還分析了穿透資產的入口高度對這些因素的影響。此外，還對 Dijkstra 算法路由器在高度不變的情況下的網格密度進行了分析，以了解其對計算要求和運行效果的影響。實驗結果表明，Dijkstra 算法總體上優于 AFSIM 的內部算法。此外，結果表明，當網格間距設定為最小地對空導彈（SAM）威脅半徑的 50%時，Dijkstra 的路由性能最佳。

本論文的其余部分包括相應的另外四章： 第 2 章是關于 A2AD、戰斗建模、Dijkstra 算法、軍事威脅路由和實驗設計的文獻綜述。第 3 章是研究方法及其 AFSIM 模型實施框架，包括內部路由算法、A2AD 情景、Dijkstra 路由工具、實驗設計 (DOE) 和暴露限值。第 4 章包括模擬運行的結果和分析。第 5 章是本研究得出的結論和建議，以及未來研究的考慮因素。

通過地面和電離層之間的反射，高頻無線電波可傳播數千公里。超視距雷達（OTHR）利用高頻無線電的這一特性進行遠距離監視。然而，空間天氣現象會以不同方式阻礙超視距雷達的運行。例如，F 區電離層的水平電子密度梯度會使無線電波偏離大圓路徑，從而導致定位錯誤，而 D 區電子密度的增強會導致高頻無線電波的吸收增加，從而縮小 OTHR 的可用頻率范圍。了解空間天氣對高頻無線電波傳播的影響非常重要，這樣可以盡可能減輕對 OTHR 的影響。

本報告總結了為更好地了解空間天氣對高頻無線電波傳播的影響所做的工作。報告介紹了對極冠偏離大圓傳播統計、太陽終結者引起的晝夜偏離大圓傳播以及 D 區吸收的頻率依賴性的研究。然后，介紹了在加拿大雷索盧特灣安裝重建高頻發射機以幫助監測高頻無線電波傳播條件的情況。

超視距雷達（OTHR）對空間天氣造成的電離層干擾很敏感。這項工作中描述的研究旨在通過開發和修改現有軟件以及研究電離層現象對用于超視距雷達的高頻無線電波傳播的影響，改進目前的超視距雷達技術。

圖 2.7. 2020 年 6 月 20 日四個時間段 E-CHAIM 模擬的電離層臨界頻率圖（左）和從渥太華傳播的預期特征傳輸方位角偏移圖（右）。從上往下，地圖顯示了 5:00 UT（當地午夜）、09:00 UT（最接近當地日出的時刻）、17:00 UT（當地中午）和次日 01:00 UT（最接近當地日落的時刻）的臨界頻率和特征方位角偏移。每張地圖上的粗黑線表示相應時間太陽終結者的位置和方向。

收集和共享信息以及指揮和控制是所有軍事行動的重要組成部分。建立一個靈活的通信網絡，以適應每次行動的具體要求，是在當前和未來軍事行動中提供必要信息流的關鍵要求之一。目前正在開展一些活動，為固定網絡基礎設施提供靈活的聯盟網絡，并在一定程度上為半移動部署網絡提供靈活的聯盟網絡，例如聯邦任務網絡（FMN）。然而，對于如何部署高效、連接良好的異構戰術無線電網絡，目前還沒有明確的指導方針。這極大地阻礙了低級戰術層面的信息共享。本報告介紹了北約科技組織所做的研究，目的是加深對如何在戰術邊緣構建可互操作的異構移動無線電網絡的理解，并提出一些建議。目的是找到最有效利用不同聯盟伙伴為行動提供的移動網絡的方法。報告涵蓋三大主題：

1. 描述一個場景并實施一個類似云的測試平臺環境，以評估與該場景相關的不同技術解決方案。該試驗臺是提高信息和通信技術國際研究合作效率的一個示例。場景和試驗臺的作用與技術合作示范（CDT）類似，都是對不同技術進行基于場景的合作分析，但成本比 CDT 低得多。利用仿真技術可以加快從早期研究成果到為標準化測試解決方案所需的時間。建立測試平臺環境的工具和腳本將公開提供。

2. 描述和分析在不同移動網絡之間提供端到端連接的架構和機制。報告比較了不同的路由架構，并提出了一種混合架構。一個核心觀點是，網絡規劃者需要選擇不同的機制，以便為不同類型的操作提供必要的性能。為了確保不同機制之間的互操作性，我們確定了必要的信息交換接口，并對不同協議的可擴展性進行了研究。我們概述了不同的安全架構，討論了安全架構的選擇對路由架構效率的影響，并提出了一個目標安全架構。

3. 對稀缺網絡資源進行最佳優先排序和利用的準則和機制。建議監測網絡健康的三種狀態（正常、減少、最后努力），以改善網絡的資源管理（RM）和服務質量（QoS）。不同的網絡狀態需要一套或多套機制。我們還建議選擇單一網絡層來實施 QoS 或 RM 機制，因為這樣可以降低不同層的機制不合作而降低性能的風險。要使 RM 和 QoS 運行良好，必須有一個信息價值（VoI）的概念。VoI 會隨時間發生變化，RM/QoS 需要適應這些變化。

更好地了解在戰術邊緣建立移動異構聯盟網絡時所面臨的挑戰，這將有助于北約國家發展/采購具有互操作性的網絡設備。成果非常及時。預計從螺旋 4 開始，FMN 將開始包括移動戰術網絡的不同方面。結果將成為相關 FMN 的重要投入。

重點關注可部署和移動戰術領域的異構網絡

圖 2 展示了依賴于這些網絡的軍事場景概覽。創建該場景是為了顯示行動期間的信息需求，并舉例說明在異構網絡中建立必要服務所面臨的挑戰。

該場景描述的是一個機械化營的連級特遣部隊和一個海軍特遣艦隊開展的行動。它們是由聯軍總部協調的軍事特遣隊 (MC) 的一部分。連隊通信和信息系統 (CIS) 與國家作戰廣域網相連，并可訪問聯軍系統。MC 總部在行動期間發揮后援作用，并應要求提供戰斗支援（CS）和戰勤支援（CSS）。根據行動背景，假定敵軍正準備從位于圖 2 右下角行動區內的村莊向聯軍基地發動復雜的攻擊。敵軍裝備精良，活動區域可能埋有地雷，因此有可能出現簡易爆炸裝置（IED）危險。己方部隊的任務是進入作戰區域，消滅叛亂分子并銷毀他們收集的武器裝備。避免村莊居民傷亡并使叛亂分子無法逃脫是非常重要的。這一任務中最重要的因素是由聯軍提供的獨聯體、后勤和醫療支持。因此，需要有運作良好的通信能力來幫助組織武裝部隊。

完成這項任務需要使用各種系統和通信網絡，如無線電通信系統（高頻、甚高頻、超高頻、衛星通信）、傳感器網絡和無人機系統。海軍管理系統也已到位，用于支持任務的偵察和監視，并提供數據、語音和視頻等服務。

為實施場景中的行動，確定了三個小故事。每個小故事的角色和參與者都相同。第一個小場景涉及戰場的情報準備工作。第二個小場景包括聯軍進入作戰區，包括在周邊沿海地區開展海上攔截行動。第三個小故事包括一次城市行動，結果是消滅了叛亂分子。第三個小故事還包括在解除簡易爆炸裝置后向軍艦進行的醫療后送。每個小故事都提出了行動者和 C4IS（指揮、控制、通信和計算機信息系統）設備之間預期交換的數據，強調了軍事異構網絡的連接性和網絡效率問題。

空間態勢感知是準確描述和預測空間環境狀態的能力，隨著運行衛星數量的增加，空間態勢感知已成為人們關注的話題。這一趨勢是由大型衛星星座的部署推動的，這些星座在完全部署后可能由數萬顆衛星組成。準確跟蹤空間物體對于預測和防止物體之間的碰撞非常重要，因為碰撞可能會對運行中的衛星造成災難性損害，并產生碎片云，危及其他衛星。然而，跟蹤空間物體非常復雜，部分原因是測量結果的來源不確定，這個問題被稱為數據模糊性。雖然存在多種能夠處理數據模糊性的目標跟蹤算法，但在太空環境中進行跟蹤還面臨其他挑戰。由于相對于可用傳感器資源而言，目標數量眾多，因此每個目標的可用觀測數據數量通常較少，而且由于上述數據模糊問題，許多觀測數據互不相關。最近興起的大型星群帶來了另一個問題，即相關衛星將利用低推力推進系統來保持編隊，這就要求具備機動目標跟蹤能力，以獲得最佳性能。在本論文中，我們將分析兩個問題，這兩個問題代表了運營商在不久的將來將面臨的空間物體跟蹤挑戰。我們將展示如何利用有限集統計開發適用的算法。有限集統計是一種數學框架，允許采用自上而下的方法開發具有所需功能的嚴格貝葉斯最優多目標過濾器。

分析的第一個問題是大型星座跟蹤問題。我們模擬了一個由 4,500 多顆低地球軌道衛星組成的星座，并使用 12 個地面近視傳感器網絡對其進行跟蹤。這些傳感器的任務由一個結合了信息論獎勵的成本函數來完成。我們還利用戰術重要性函數，將基于任務的目標（如有碰撞風險的物體的優先級）納入任務分配邏輯。收集到的數據將通過一個帶標記的多貝努利濾波器進行處理。濾波器產生的狀態目錄估計值用于激勵下一輪傳感器任務分配，從而形成一個用于綜合任務分配和跟蹤的自主閉環系統。經過五天的跟蹤期后，狀態目錄估計值將用于執行會合分析。我們將現有方法結合起來，為衛星間近距離接近的過濾和風險量化提供了一個計算效率高的工作流程。

分析的第二個問題是在存在機動目標時跟蹤多個目標。機動目標以不可預測的方式偏離其自然軌跡，通常需要專門的跟蹤算法才能獲得最佳性能。跟蹤此類目標的常用方法是交互式多模型濾波器，該濾波器可維持一組模型來表示目標的可能動態。未知動態可通過等效噪聲概念表示為白噪聲過程。這樣就能有效地跟蹤機動空間物體，但這種算法缺乏表征機動的能力。利用有限集統計，我們能夠開發出一種廣義標注多貝努利濾波器，允許整合任意動態模型。這樣，我們就能利用數據自適應方法，更具體地模擬未知動態，從而使濾波器除了進行機動目標跟蹤外，還能進行機動特征描述。我們還開發了一種基于考慮的最小二乘機動估計算法，該算法使用單次脈沖速度變化對未知動力學進行建模。這種機動的時間是通過多重假設法估算出來的。這種方法與我們提出的廣義標注多伯努利濾波器相結合，并應用于模擬地球靜止軌道衛星群，其中包括一顆執行未知機動的衛星。

大型星座跟蹤工作的結果表明，綜合任務分配和跟蹤算法能夠保持對所有模擬衛星的監護。在傳感器任務分配邏輯中加入了碰撞風險的衡量標準，從而提高了風險分析的準確性，但改進不大。我們假設，采用更通用的優化算法或不同的傳感器架構，可能會使基于任務目標的任務分配產生更大的影響。我們對機動目標跟蹤問題的研究結果表明，我們能夠以可接受的準確度描述機動動態。與實際機動相比，我們的表征絕對誤差相對較高，但我們能夠保持對所有目標的監護。在整個機動過程中，一致性指標保持穩定，這表明對估計的機動誤差不確定性進行了精確量化。未來的工作還包括將這項工作擴展到更大規模的場景，在這種場景中，由于機動檢測對計算效率的影響，機動檢測將成為一個更大的因素。此外，還需要進一步開展工作，將我們的算法擴展到低地軌道跟蹤場景中經常使用的非高斯狀態表示法。

圖 3.3：整合各種算法，形成自主風險感知衛星跟蹤系統。

如今，許多機器人系統都是遠程操作的，需要不間斷的連接和安全的任務規劃。這類系統常見于軍用無人機、搜救行動、采礦機器人、農業和環境監測等領域。不同的機器人系統可能采用不同的通信方式，如無線電網絡、可見光通信、衛星、紅外線、Wi-Fi 等。然而，在機器人需要相互連接的自主任務中，由于信號超出范圍或不可用，經常會出現通信受限的環境。此外，一些自動化項目（建筑施工、裝配線）無法保證不間斷的通信，因此需要一個安全的項目計劃，以優化碰撞風險、成本和工期。在本論文中，我們提出了四管齊下的方法來緩解上述問題： 1) 通信感知世界地圖；2) 使用視線（LoS）進行通信保護；3) 通信感知安全規劃；以及 4) 用于導航的多目標運動規劃。

首先，重點開發了一種通信感知世界地圖，它將傳統的世界模型與多機器人位置規劃相結合。我們提出的通信地圖可選擇一連串中間中繼車輛的最佳位置，以便最大限度地提高與遠程單元的通信質量。我們還提出了一種算法，當有多個遠程單元需要服務時，可以建立一棵最小阿伯累樹（min-Arborescence tree）。 其次，在通信被剝奪的環境中，我們利用視線（LoS）在移動機器人之間建立通信，控制它們的移動并向其他自主單元轉發信息。我們提出并研究了多機器人中繼網絡定位問題的復雜性，并提出了近似算法，通過重新定位一個或多個機器人來恢復基于可見度的連接。

第三，開發了一個框架，用于量化全自動機器人任務的安全得分，在這種任務中，人與機器人的共存可能會帶來碰撞風險。我們使用運動規劃算法分析了一系列備用任務計劃，以選擇最安全的計劃。

最后，為機器人開發了一種基于多目標優化的高效路徑規劃，以處理若干帕累托最優成本屬性。

圖 2.1：(a) 由三個機器人組成的鏈，它們將操作員的通信轉發給遠程單元；(b) 包含三個中繼器的最小生成樹，優化了操作員與三個單元之間的通信。

在受到干擾器攻擊的戰術無線網絡中，頻譜感知是確保部署的軍事人員安全和高效的一個重要考慮因素。這些網絡的成員有必要了解頻譜中哪些信道受到破壞，哪些可安全用于數據傳輸。組成這些網絡的無線發射機可以通過感知不同信道的能量水平來確定這些信道上是否存在干擾器。然后，它們可以與同伴共享這一信息，以便協同識別和避開干擾器。目前有幾種基于強化學習的解決方案，允許無線發射機根據對干擾者活動的觀察制定傳輸策略，但當干擾者的行為是隨機的，從而使強化學習算法無法學習和預測其行為時，這些解決方案往往會失效。

在本論文中，首先討論協作頻譜感知以及認知無線電、干擾和反干擾背后的理論。接下來，詳細介紹了用于表示多智能體反干擾問題的系統模型。然后，介紹了一種協作式偽隨機信道選擇算法和一種基于超級決策向量的數據協作與融合方案，以提高對整個網絡頻譜利用率的認識。仿真結果表明，該方案可提高干擾器的檢測率，并增加未被干擾信道上的傳輸次數。

關鍵詞 協作頻譜感知、數據融合、干擾器檢測、戰術通信、Ad Hoc 網絡、無線通信

聯網無人自主系統將越來越多地被用于支持地面部隊的行動。協作控制的方法可以找到接近最佳的位置建議，對系統參數如傳感和通信進行優化，以提高任務的有效性。然而，隨著時間的推移，這些建議會產生可預測的路徑，可能會對部隊的作戰意圖提供領先的指示。假設敵方的目標是識別地面部隊的作戰意圖。使用隨機路由策略來生成針對對手的無人系統的欺騙計劃，這種紅方方法有可能改變軍事作戰計劃的許多方面，包括作戰和戰略層面的計劃和兵棋推演。本課題建立在2021年L.Wigington的研究基礎上，該研究開發了無人駕駛移動網絡控制系統的對抗性評估。由此并在之前的研究基礎上，本論文應用并潛在地擴展了之前的方法論，以分析對抗性行為，并利用隨機路由策略對NCS操縱其行為。

態勢感知是作戰人員的必需能力。一種常見的監視方法是利用傳感器。電子光學/紅外（EOIR）傳感器同時使用可見光和紅外傳感器，使其能夠在光照和黑暗（日/夜）情況下使用。這些系統經常被用來探測無人駕駛飛機系統（UAS）。識別天空中的這些物體需要監測該系統的人員開展大量工作。本報告的目的是研究在紅外數據上使用卷積神經網絡來識別天空中的無人機系統圖像的可行性。本項目使用的數據是由作戰能力發展司令部軍備中心的精確瞄準和集成小組提供的。

該報告考慮了來自紅外傳感器的圖像數據。這些圖像被送入一個前饋卷積神經網絡，該網絡將圖像分類為有無無人機系統。卷積模型被證明是處理這些數據的第一次嘗試。本報告提供了一個未來的方向，以便在未來進行擴展。建議包括微調這個模型，以及在這個數據集上使用其他機器學習方法，如目標檢測和 YOLO算法。