摘要:随着智能信息社会的不断演进以及智慧城市建设的推进,电子设备的定位准确性和可靠性需求日益突显,特别是在万物互联的背景下,对定位精度和定位质量的要求变得更加迫切。无源定位技术因隐蔽性强、功耗低、不易被感知与干扰等诸多优点被广泛应用于各个领域,尤其近年来,通感一体化(Integrated Senslng and Communication,ISAC)、机器学习、环境反向散射以及智能反射面的引入与发展,为无源定位在6G中的应用提供了新的契机。基于此,阐述了无源定位技术特点及分类;按照参数化的分类方式总结梳理无源定位方法及误差影响因素;讨论了多参数融合无源定位方案与优势;展望了无源定位技术在6G新愿景下典型的应用场景、潜在技术、挑战及未来研究方向。
摘要:为提高井下昏暗环境的目标检测性能,将行人属性应用到井下,将反光号码牌贴在安全帽和工作服上作为属性进行识别。针对井下小目标检测率低的缺点,提出了一种将YOLOv8检测算法与光学字符识别(Optical Character Recog-nation,OCR)技术相结合的方法。通过添加卷积块注意力模块(Convolutional Block Attention Module,CBAM),提高了网络对不同尺度的特征提取能力;将YOLOv8中的CBS模块改进为CBF模块,提高了目标的识别准确率;对检测到的反光号码牌区域用OCR技术对区域内数字进行识别,进一步提高了模型的检测精度。实验结果表明,提出的方法在自建数据集上获得了93.2%的识别准确率和每张24.4 ms的检测速度,相比YOLOv8模型有着更高的准确率,能够有效地应对井下环境中的光照变化和干扰因素并且满足实时检测的要求。
摘要:在认知无线电(Cognitive Radio,CR)中,频谱感知(Spectrum Sensing,SS)是支持动态频谱分配、提高频谱利用率的关键技术。传统的SS方法容易受到噪声不确定的影响,导致在低信噪比(Signal to Noise Ratio,SNR)环境下检测准确率较低且计算参数量较大。针对这些问题,提出了基于信号处理(Signal Processing,SP)特征的鲁棒多尺度神经网络(Robust-Multiscale Neural Network,R-MsNN)的SS方法,结合多尺度神经网络和门控循环单元(Gated Recurrent Unit,GRU)的优点,有效地解决了SS中面临的挑战。多尺度神经网络从底层到高层逐渐提取抽象的特征,以增强信号识别的鲁棒性。GRU有选择性地保留和遗忘过去时间信息,从而更好地捕获长期依赖性和时间关系。为了验证R-MsNN的泛化能力,实验将从广义高斯分布( Generalized Gaussian Distribution,GGD)生成的噪声样本作为噪声模型1,以及从未占用的调频广播信道中收集到的实验数据作为噪声模型2的环境下,分别与不同的深度神经网络(Deep Neural Network,DNN)架构进行了SS性能比较。实验结果表明,采用组合SP特征训练的R-MsNN的平均检测概率与最优模型相比,在4种不同参数下的噪声模型1中分别提高了1.74%、2.55%、2.08%、1.59%,在噪声模型2中提高了1.72%。此外,与GRU相比,R-MsNN的参数量减少了一半。由此说明,采用组合SP特征训练的R-MsNN在多种复杂噪声环境下均具有很强的鲁棒性,且能够满足SS任务中高检测概率和低参数量的双重需求。
摘要:针对目前环境声音分类(Environmental Sound Classification,ESC)方法对音频特征提取中反映的时频维度信息不足的问题,提出基于多组多分辨率特征和小波通道注意力的分类方法。采用多组多分辨率特征组成的多特征作为网络输入,通过多组滤波器,多个频率分辨率,在时间和频率维度上实现数据增强,同时实现信息互补。为了更好地衡量各个通道的重要性,针对一维音频图像特征设计了小波通道注意力模块,采用离散小波变换(Discrete Wavelet Transform,DWT)将信号的低频子带和高频子带有效结合,得到通道标量,利用Gram-Schmidt正交化方法使网络在信道注意压缩阶段提取的信息多样化,利用长短期记忆(Long Short Term Memory,LSTM)网络长时间保存信息,提高学习的长期可靠性。实验结果表明,在ESC-10和ESC-50数据集上的分类准确度分别达到了98.7%和93.6%,取得了较好的效果,为音频特征处理提供了一种新的研究思路。
摘要:针对目前基于信道脉冲响应(Channel Impulse Response,CIR)的非视距(None Line of Sight,NLoS)/视距(Line of Sight,LoS)识别方法精度低、泛化能力差的问题,提出了一种多层卷积神经网络(Convolutional Neural Network,CNN)与通道注意力模块(Channel Attention Module,CAM)相结合的NLoS/LoS识别方法。在多层CNN中嵌入CAM提取原始CIR的时域数据特征,利用全局平均池化层代替全连接层进行特征整合并分类输出。使用欧洲地平线2020计划项目eWINE公开的数据集进行不同结构模型和不同识别方法的对比实验,结果表明,所提出的CNN-CAM模型LoS和NLoS召回率分别达到了92.29%与87.71%,准确率达到了90.00%,F1分数达到了90.22%。与现有多种传统识别方法相比,均具有更好的识别效果。
摘要:针对测试车载单元(On Board Unit,OBU)或整车是否具备识别恶意数据的能力以及其恶意数据识别能力是否符合要求的问题,提出了一种恶意数据识别能力测试方法,搭建了蜂窝车联网(Cellular-Vehicle to Everything,C-V2X)信息安全测试系统。根据恶意数据消息的发送主体的合法性、一致性和安全层校验通过情况,将常见恶意数据攻击进行分类。基于分类结果,设计相应测试用例,利用测试设备生成非法安全协议数据单元(Session Primitive Data Unit,SPDU)数据包。C-V2X信息安全测试中包括车用无线通信技术(Vehicle to Everything,V2X)模拟模块、全球导航卫星系统(Global NavigationSatellite System,GNSS)模拟模块、证书授权(Certificate Authority,CA)平台和场景模拟模块等几个部分,在C-V2X模拟模块采用FPGA处理上位机的比特流,并采用数字上变频(Digital Up Converters,DUC)、数字下变频(Digital Down Converter,DDC)和数模转换器(Digital to Analog Converter,DAC)等几个模块完成数据处理。结果表明,所提测试方法可以模拟常见的恶意数据攻击,测试设备生成的合法数据包可以被车辆正常接受,生成的非法数据包部分可以被待测设备识别并丢弃。
摘要:随着远程监控和人工智能的融合发展,传统的码率优化算法并不适用于现阶段的移动监控网络场景。在机器视觉应用场景中,相对于传统码率优化算法只关注视频的质量,机器更关注于视频所表达的语义信息。以5G路侧摄像头远程智能检测为应用场景,提出一种基于视频语义的码率优化算法,在有限的码率传输范围内最大化目标检测准确率。具体地,该算法引入视频语义任务模型,将目标检测作为语义任务。分析目标比特与语义之间的特征关系,建立复杂度与运动区域结合的新权重来分配目标比特,使目标检测准确率达到最大化。实验结果表明,相较于HM16.23所使用的帧级树编码单元(Coding Tree Unit,CTU)层码率控制算法,所提算法不仅能够节省码率而且更符合无线远程监控的目标检测需求。在测试环境下平均提升了1.4%的目标检测准确率,最高能够提升2.5%的目标检测准确率。
摘要:针对传统的自适应波束形成算法在目标导向矢量失配及接收数据的协方差矩阵存在误差时,性能急剧下降的问题,提出了一种基于小快拍场景的联合协方差矩阵重构,及导向矢量优化的稳健波束形成算法。对不确定集约束求解得到干扰导向矢量,根据稀疏干扰来向的导向矢量近似正交,求出干扰导向矢量对应的干扰功率,从而完成协方差矩阵重构;对期望信号来向及其邻域进行权值求解,对加权后的数据特征分解,利用多信号分类(Multiple Signal Classification,MUSIC)谱估计算法对信号区域积分得到信号协方差矩阵,将其主特征值近似为期望信号的导向矢量完成重新估计。仿真结果表明,在无误差时,算法输出信干噪比(Signal to Interference Plus Noise Ratio,SINR)接近理论最优;在多种误差环境下输出性能随信噪比(Signal to Noise Ratio,SNR)的变化均具有较好的稳健性,并且在信号来向可精准形成波束;在小快拍时可以较快收敛至理论最优值。
摘要:针对箱粒子滤波算法在杂波量测环境下跟踪机动目标精度不足和目标丢失的问题,提出一种基于交互多模型伯努利滤波的自适应扩张箱粒子机动目标跟踪(Interacting Multiple Model-Extended Box Particle-Bernoulli Filter,IMM-EBox-BF)算法,采用多个模型并行滤波,在预测步骤后引入自适应箱粒子扩张算法,在每个箱粒子分割成小箱粒子后自适应扩张小箱粒子区间长度,以提高对目标位置估计精度。在更新步骤,改进箱粒子收缩算法,增加对加速度分量的约束,以提高对目标速度估计精度。对仿真与实测数据的处理结果表明,在杂波量测和传感器发生漏检情况下,所提的IMM-EBox-BF算法与传统算法相比,位置跟踪精度提升了16.5%,具备更准确的目标估计精度和连续性。
摘要:近年来,无人机群自组网(UAV Swarm Ad Hoc Network,UAVSNet)的单个UAV不断自主化与智能化,但UAV之间的协同通信仍存在挑战。媒体接人控制(Media Access Control,MAC)协议是其关键技术之一,并成为了新的研究热点。通过概述MAC协议的分类及设计要点,对竞争类MAC协议、非竞争类MAC协议以及混合类MAC协议接人机制、性能表现及不足进行详细综述并提出展望。为UAVSNet的MAC协议的研究和应用提供了理论支持。
摘要:遥感图像的语义分割在城市规划和发展中发挥着至关重要的作用。如何对高复杂度、多类别的遥感影像进行自动、快速、有效的语义分割已成为研究的关键。现有的基于深度学习的分割方法存在模型复杂、计算成本较高等问题。提出一种端到端的轻量级多尺度特征提取分割网络(Multi-Scale Feature Extraction and Segmentation Network MSNET),旨在解决在高准确性情况下降低计算成本的问题。主干是基于轻量级网络MobileNetV2的编码网络和基于MSConv的解码网络构成的整个主干,其中MSConv是一种新的多尺度卷积模块。还提出了一种特征融合注意力模块(Feature Fusion AttentionModule,MSAM)来有效地整合通道和空间维度上注意机制的全局信息。引入更加轻量化的局部重要性池化(LocalImportance Pooling,LIP)代替普通池化操作以及添加了空洞空间卷积池化金字塔(Atrous Spatial Pyramid Pooling,ASPP)模块进一步提取丰富的特征。在公开数据集WHDLD上进行对比评估,F1达到83.12%,推理时间仅为0.0074s。
摘要:城镇化已经成为了社会关注的热点,城市建成区范围的不断扩大,出现了诸多问题。为了更好地了解城市发展规律,以广西壮族自治区为研究区域,采用参考比较法,选取2014-2021年的NPP-VIIRS夜间灯光数据作为数据源,提取广西建成区范围,通过对广西建成区形态扩张指数的分析,得出城市扩张的规律。通过计算扩张速率、扩张强度、城市重心迁徙和经济引力指标并进行驱动力分析,探究广西城市扩张发展规律。研究结果表明:①广西建成区扩张主要集中在南宁市、柳州市、桂林市和玉林市等城市,且广西整体的扩张强度和速率都呈现缓慢下降趋势,主要为外延型扩张;②广西的城市重心整体呈现出向南部发展的趋势,以南宁市为核心的经济引力呈辐射状向周围城市影响;③建成区扩张主要集中在地势平坦的地区,且受政策因素、人口因素和经济发展因素影响较大。为广西的城市发展规划和空间结构调整提供了理论依据和科学数据支撑。
摘要:针对遥感影像复杂背景和小目标检测困难的问题,提出了一种基于多感知融合的检测算法YOLO-GT。为了提升特征图中小目标的特征信息,设计了包含3种感知机制的检测头Adaptive Scale-Aware Dynamic Head(ASADH);引入轻量级上采样算子Content-Aware ReAssembly of Features(CARAFE),解决语义信息丢失问题,提升特征金字塔网络性能;为进一步优化模型的训练速度和定位精度,采用了Wise-IoU作为损失函数。实验结果在DIOR数据集上显示,模型精度达90.4%,比原算法提高2.1%。这些改进有效提高了复杂背景下遥感影像小目标的检测性能。
摘要:全球导航卫星系统(Global Navigation Satellite System,GNSS)接收信号弱、采集困难的场景下,可控性高、灵活性好的GNSS软件模拟器优势尽显。目前的软件模拟器频点少、精度不高、运行速度慢,基于C/C++实现了高精度GPS/BDS/Galileo卫星导航实时模拟与处理系统,着重研究GNSS信号模拟端的算法与并行加速技术,完成了配置模块、相位计算模块、信号生成模块和复合量化模块的设计与实现,对相位计算模块进行GPU加速处理。采用差值拟合方法解决了采样信号伪距精度低的问题,采用基于CUDA架构的GPU/CPU协同运算加速方案,设计并开发了多体制卫星导航信号实时模拟仿真与处理系统架构。系统产生了GPS LIC/A、BDS BlI、BDS B2a、BDS BIC和GAL E1五个频点的数字中频信号,利用搭建的测试验证平台,验证了系统可用性,评估了不同场景、不同参数条件下的系统定位性能与加速效果。CUDA优化方法加速效果显著,BDS BIC、GAL E1、BDS B2a、BDS BlI和GPS LIC/A频点的加速比(加速前后运行速度之比)分别为12.30、9.07、7.21、2.86、2.27,其中GPS LIC/A频点基本可以实现实时模拟与接收及实时定位。
摘要:针对岛礁复杂环境中无人机集群路径规划效果差,在短时间内无法集中力量对高价值目标进行主要打击的问题,提出基于改进人工势场法的岛礁无人机集群攻击作战策略。通过对攻击目标进行高强度侦察确定敌方目标位置。根据目标特性确定攻击所需无人机类型,并赋予目标势场引力吸引特定无人机,在目标点引力场中建立一定范围的斥力势场,使无人机在目标的攻击范围内保持滞空,同时赋予集群内部无人机一定的斥力势场,避免无人机集群飞行过程中发生碰撞。在集群飞行过程中引入蜂群控制算法,通过控制集群聚合度、离散度和速度实现对单一无人机的姿态控制以实现对集群控制。进行无人机集群模拟攻击测试,仿真结果表明,加入蜂群算法的改进人工势场法成功完成了无人机集群的路径规划,相比未加入蜂群算法的改进人工势场法攻击时间窗缩短了3.208s,集群完整度提升了18.2%。
摘要:针对无人机影像匹配算法因影像信息量大、视场大和地物纹理复杂而导致匹配精度及效率低的问题,以加速稳健特征(Speeded Up Robust Features,SURF)算法为基础,提出了一种基于重叠区域改进SURF算法的无人机影像快速匹配算法。算法主要分为3步:①利用无人机影像重叠率计算影像特征点检测提取区域,并在区域内进行SURF特征点检测提取,避免无效特征点影响匹配精度与效率;②采用同心圆环8区域模板替换原SURF算法矩形模板,并引入影像色彩信息构建34维的特征描述符,进行特征匹配;③采用M估计抽样一致性(M-estimator Sample Consensus,MSAC)算法剔除误匹配点,实现影像的精匹配。实验分析表明,所提算法能够有效提升无人机影像特征匹配正确率及算法运行时间效率。
摘要:当蜂窝连接无人机(Unmanned Aerial Vehicle,UAV)与地面用户(Ground User,GUE)共存时,彼此之间会产生严重的空地干扰。针对这一问题,在网络辅助全双工(Network Assisted Full Duplex,NAFD)无蜂窝大规模多输人多输出(Multiple Input Multiple Output,MIMO)系统中研究了一种资源优化方案,该方案具有协作能力且允许上下行传输同时进行,可以提升系统频谱效率(Spectral Efficiency,SE),但引入了交叉链路干扰。构建了一个同时最大化上行和SE(SumSE,SSE)以及下行SSE的多目标优化问题(Multi-Objective Optimization Problem,MOOP),并提出了一种基于深度Q网络(Deep Q Network,DQN)的资源优化算法,通过联合优化接入点(Access Point,AP)的工作模式以及用户的传输功率,以较低复杂度提升系统全局SSE。仿真结果表明,所提算法能够在复杂约束条件下有效降低场景中性能较差用户的比例,相比于固定功率的传输方案有更高的系统SSE,间接性地缓解了UAV和GUE间的空地干扰问题,提升了系统整体性能。
摘要:智能反射表面(Intelligent Reflecting Surface,IRS)能够对入射其上的信号进行一定的相位和幅度的变换,从而达到信号的精确传输,提高信号的覆盖和传输效率。但是这种优势都是在已知精确的信道状态信息(Channel StateInformation,CSI)的前提下才能达到。基于IRS元件的无源性,精确的CSI很难得到。针对此问题使用压缩感知(Compressive Sensing,CS)算法结合深度学习(Deep Learning,DL)的方法来解决。使用共链路结构来优化传统的压缩感知算法,能够在更低的导频开销和信噪比(Signal to Noise Ratio,SNR)下获得更好的归一化均方误差(Normalized MeanSquare Error,NMSE)。将信道估计问题看作为去噪问题,把优化后的CS算法所得结果看作含有噪声的CSI,使用多重深层降噪块网络对其进一步去噪,得到更加精确的CSI。实验表明,所提算法较对比算法在相同SNR下有更好的精度。
摘要:针对超宽带共形极化敏感阵列(Conformal Polarization Sensitive Array,CPSA),提出一种用于波达方向(Direction of Arrival,DOA)与极化角联合估计的降维多重信号分类(Multiple Signal Classification,MUSIC)算法,由Monte-Carlo模拟结果可知,DOA估计性能在低频处下降,无法满足信号测向需求。为解决此问题,使用虚拟扩展阵列的方法优化算法,选取不同扩展参数构造虚拟阵列,提高算法可靠性。通过仿真实验可知,优化后的算法能明显改善DOA估计在低频处的抗噪性能与容差性能,显著提高实际应用中信号测向的准确率。
摘要:在传统电能交易中,如何在庞大用户量背景下保证高运行效率和高安全性是个难题。提出一种基于区块链技术的新型电力能源交易模型。区块链技术的不可篡改性和可追溯性保障了电能交易的安全性。模型采用基于星际文件系统(Inter Planetary File System,IPFS)的数据存储方案,在保证数据存储安全性的同时,有效降低了存储成本。引入侧链技术,在主链和侧链上搭建双链结构的交易模型,既提高了该模型的运行效率,又降低了链上负载。模型采用基于信誉机制和奖惩机制的委托权益证明(Trusted-Delegated Proof of Stake,T-DPoS)共识机制,解决了传统委托权益证明(DelegatedProof of Stake,DPoS)机制中节点作恶的问题。经实验验证,T-DPoS共识机制通过限制恶意节点的投票行为,可以极大地提高模型的安全性和运行效率。
摘要:野生菌因味道鲜美、营养价值高而受到人们的青睐。近年来因食用野生菌而导致中毒死亡的事件频发,因此采用深度学习来对野生菌进行识别与鉴定。为解决该问题,从细粒度角度出发,提出一种改进的高效紧凑型双线性卷积神经网络(Efficient Compact Bilinear Convolutional Neural Network,Efficient-CBCNN)。采用双线性网络框架,移除EfficientNetV2模型的分类层,作为双线性网络的分支,提取特征;引入性能更好的高效多尺度注意力(Efficient Multi-scale Attention,EMA)机制改进EfficientNetV2,在保持性能的同时计算量更小;对分支EfficientNetV2结构进行精简,降低结构的复杂度和计算开销;接人紧凑双线性池化(Compact Bilinear Pooling,CBP)对2个分支输出的特征进行池化操作,捕捉2个特征图之间的高阶交互信息,增强特征的表达能力;连接自定义的全连接层进行分类。实验结果表明,Efficient-CBCNN模型识别准确率得到较大提升,取得98.49%的准确率,相较于VGC16、ResNet50、ShufflenetV2、BCNN(原始)四种模型,所提模型在准确率上分别提升了10.17%、6.19%、12.8%、5.33%,且参数量较BCNN(原始)更少,训练速度更快。
摘要:利用多模态信号中不同信号之间的频率关系来处理睡眠分期任务已成为当今的主流。然而,多模态信号采集的难度限制了睡眠分期任务的进一步发展。此外,数据集分类不均衡,参数量级大也是限制睡眠分期任务发展的重要原因。针对上述问题,提出了一种基于单通道脑电图(Electroencephalogram,EEG)数据的全卷积网络模型。通过U型结构和特征融合模块学习EEG信号的波形信息,利用并行的多尺度时间特征代替循环网络提取时间序列信息,使用瓶颈结构减少参数量,使用焦变函数降低数据类别间分布不均对分类精度的影响。在公共数据集Sleep-EDF上的实验结果表明,所提模型对单通道EEG数据实现了87.5%的分类准确率,缓解了数据集不平衡问题。值得一提的是,所提模型的参数数量仅为Deepsleep网络的2.86%。
摘要:舰船网络通信系统的正常运行是保障舰船安全航行的基础。针对现有舰船网络通信系统访问流量异常检测模型检测精度不高和实时性不强的问题,提出一种基于多维度融合注意力的轻量级舰船网络服务器异常流量检测算法。利用Bidirectional Encoder Representation from Transformers(BERT)作为特征编码器,将捕获的流量数据包映射到深度特征空间;利用深度可分离卷积(Depth-Separable Convolutional,DSC)网络和长短时记忆(Long Short Term Memory,LSTM)神经网络捕获深度编码特征的空间编码特征和时间维度的编码特征;提出一种多维度融合注意力模块,将空间和时间维度的编码特征进行特征融合;利用多维度融合特征进行正常与异常流量的分类。通过在自建的舰船流量异常数据集上进行测试,结果表明所提出模型能够有效检测出舰船网络通信系统的异常访问流量,在保持检测精度的同时,降低了检测时间开销。
摘要:随着我国航天测控(Tracking Telemetry and Command,TT&C)领域的不断发展,面向全空域相控阵TT&C的工程应用越来越多,传统TT&C系统中的校相及跟踪方法无法适应新的工程应用。针对目前全空域相控阵TT&C系统中校相及目标跟踪方法与传统TT&C系统不通用的问题,结合工程实践应用,介绍了全空域相控阵TT&C系统中的校相及目标跟踪方法。实践表明,所提方法具有良好的目标跟踪能力,可满足工程需要。
摘要:卫星通信具有覆盖范围广、部署方便和不受地理环境限制等优点,是靶场信息通信系统的重要组成部分,但由于卫星转发器资源有限、通信保障难等原因,致使卫星通信系统应用存在一定的限制。采用将基于相关函数的成对载波多址(Paired Carrier Multiple Access,PCMA)技术应用于靶场卫星通信系统的方式,通过PCMA设备使通信双方工作在同一频段,从而节约近一半卫星转发器资源,同时实现卫星通信保障需求,具有较好的自干扰抑制能力,有效提升了靶场卫星通信系统性能。