多无人机协同任务分配因应用广泛而成为研究热点, 但是通信约束的应用场景和资源消耗分配方法往往被忽略。针对上述问题, 提出了一种基于合同网协议(CNP)的分布式多无人机任务分配方法, 该方法分为任务发布、投标申请、联盟形成和签订合同4个步骤。在任务发布阶段, 提出了自适应最大信息传递次数设置方法来限制接收者范围, 减少通信负担。在联盟形成过程中, 提出基于Gini系数的资源消耗分配算法, 合理调节联盟中无人机间的资源差异。仿真实验和分析表明了基于CNP的任务分配方法和基于Gini系数的资源消耗分配算法的有效性。
无人机 任务分配 Gini系数 通信约束 UAV task assignment Gini coefficient CNP CNP communication constraints
针对传统方法在解决复杂环境下无人机路径规划问题中仿真时长不一致、易陷入局部最优等问题, 在栅格化地图的基础上, 提出了改进元胞蚁群算法。首先, 为统一仿真时间步长, 采用六边形栅格地图对飞行空域进行建模; 然后, 提出一种改进元胞蚁群算法进行路径规划, 算法引入势场概念对启发函数进行修正、采用差别搜索策略以引导蚁群快速向目标搜索, 并设计一种自适应信息素更新方式以选出优质路线。实验结果表明, 所提模型和算法解决了矩形栅格地图中仿真时长不统一的问题, 并有效提升了路径寻优速度和全局搜索能力, 避免算法陷入局部最优。
无人机路径规划 元胞蚁群算法 六边形栅格 UAV path planning cellular ant colony algorithm hexagonal grid
合成孔径雷达(SAR)是相干成像系统, 生成的图像经常会被相干斑噪声污染, 继而造成了SAR图像在后续分割、识别中准确率低的问题。针对图像被污染问题, 设计了一种结合生成对抗网络(GAN)与残差网络(ResNet)的SAR图像降噪网络模型Re-GAN, 其中, GAN中的生成器加入了ResNet中的残差块以增强对SAR图像降噪的能力, 模型中的组合损失函数在降噪时可以更好地保留图像细节。在MATAR数据集上, Re-GAN分别与BM3D算法、小波降噪算法进行比较, 实验结果证明, Re-GAN在视觉效果和定量分析方面都具有良好的性能。
图像降噪 生成对抗网络 残差网络 SAR SAR noise reduction of image Generative Adversarial Network (GAN) residual network
1 解放军信息工程大学三院， 河南 郑州 450001
2 信息保障技术重点实验室， 北京 100072
针对目前保密放大方案存在的随机种子使用量大的问题，提出了一种基于模块化广义Trevisan随机提取器结构的量子密钥分配（QKD）保密放大的设计方案，并借助量子边信息分析理论，给出了该方案的安全性证明。结果表明，该方案不仅能够抵抗量子攻击，而且能有效节约随机种子，实现可扩展的高效保密放大。
量子光学 量子密码 量子密钥分配 保密放大 广义Trevisan随机提取结构 种子伪随机扩展
