检索结果-内蒙古大学图书馆

雷达学报(中英文) 2025年第2期14卷 470-485页

作者：李浩情余点潘常春郁文贤李东瀛上海交通大学电子信息与电气工程学院北斗导航与位置服务上海市重点实验室上海200240 上海交通大学巴黎卓越工程师学院上海200240

现代雷达的探测、跟踪、识别等任务场景越来越复杂。任务类型的多变性,雷达资源的稀缺性和任务执行时间窗口的严格要求,使得雷达任务调度成为一类强NP-Hard问题。然而,现有的调度算法在处理涉及复杂逻辑约束的多雷达协同调度问题时适应... 详细信息

现代雷达的探测、跟踪、识别等任务场景越来越复杂。任务类型的多变性,雷达资源的稀缺性和任务执行时间窗口的严格要求,使得雷达任务调度成为一类强NP-Hard问题。然而,现有的调度算法在处理涉及复杂逻辑约束的多雷达协同调度问题时适应性不足,效率不高。因此,基于人工智能(AI)的调度算法正在成为研究热点,但是AI调度算法的效率与其对问题特征的提取是否全面密切相关。如何能快速、全面地提取多雷达协同任务调度问题的共性特征,是提升这类AI调度算法效率的关键。因此,该文提出了基于模型知识融合的图神经网络(MKEGNN)调度算法。该算法首先将雷达任务协同调度问题建模为异构网络图模型,利用模型知识来优化GNN算法训练过程。算法创新在于:通过低复杂度的计算手段,获取模型的关键知识,进而优化GNN模型。在特征提取阶段,引入随机酉矩阵变换,利用任务异构图的随机拉普拉斯矩阵谱特征作为全局特征来强化图神经网络对共性特征的提取能力,弱化特定问题的个性化特征;在参数化决策阶段,利用由问题的引导解和经验解构成的上/下界结构知识从原理上减少决策空间大小,引导网络快速优化,加速决策学习过程的收敛。最后,进行了大量数据仿真实验。结果表明,相比目前的算法,MKEGNN算法对于所有任务集在稳定性和精度方面都有所提升,调度成功率性能提升3%~10%,加权调度成功率提升5%~15%。尤其当处理多雷达协同关系复杂的任务集时,任务调度成功率提升4%以上,算法稳定性和鲁棒性显著增强。

关键词：雷达任务调度图神经网络强化学习模型知识拉普拉斯矩阵随机矩阵

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8的轻量化无人机图像目标检测算法

引用

计算机工程 2024年

作者：唐克魏飞鸣李东瀛郁文贤上海交通大学电子信息与电气工程学院北斗导航与位置服务上海市重点实验室

针对无人机图像中小目标实例多、目标间存在遮挡所导致的漏检、误检等现象，提出了一种基于改进YOLOv8的轻量化无人机图像小目标检测算法。在颈部引入三特征编码器、尺度序列特征融合模块，增强了网络对不同尺度特征的提取能力；同时，... 详细信息

针对无人机图像中小目标实例多、目标间存在遮挡所导致的漏检、误检等现象，提出了一种基于改进YOLOv8的轻量化无人机图像小目标检测算法。在颈部引入三特征编码器、尺度序列特征融合模块，增强了网络对不同尺度特征的提取能力；同时，设计了小目标检测层，并与改进的颈部特征提取网络进行融合，在头部引入一个额外的检测头，减小小目标特征的损失，增强网络对小目标的识别能力；此外，针对CIoU的缺陷，结合Wise-IoU、inner-IoU和MPDIoU，提出了一种回归损失算法Wise-inner-MPDIoU；最后，为了实现算法在移动端和嵌入式场景下的轻量化应用需求，进行了基于幅度的层自适应稀疏化剪枝，在保证模型精度的同时，进一步压缩了模型的大小。实验结果表明，改进后的模型相比于原YOLOv8s模型，在mAP50提高6.8%的同时，参数量下降76.1%，计算量下降17.1%，模型大小降低73.5%，达到了优秀的提升模型检测精度及轻量化效果，具有很强的实用意义。

关键词： YOLOv8 无人机小目标检测特征融合模型剪枝

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5的半监督车辆检测算法

引用

计算机工程 2025年第3期51卷 300-309页

作者：高睿安国成邹丹平裴凌上海交通大学电子信息与电气工程学院北斗导航与位置服务上海市重点实验室上海200240 上海华讯网络系统有限公司行业数智事业部四川成都610074

目前,交通场景中的车辆检测存在目标尺度差异显著以及遮挡重叠严重等问题,且对大规模数据进行完全标注需要较高的成本。针对以上情况,提出一种基于改进YOLOv5的半监督车辆检测算法。引入SimOTA样本匹配方法,优化次优匹配现象,改善目标... 详细信息

目前,交通场景中的车辆检测存在目标尺度差异显著以及遮挡重叠严重等问题,且对大规模数据进行完全标注需要较高的成本。针对以上情况,提出一种基于改进YOLOv5的半监督车辆检测算法。引入SimOTA样本匹配方法,优化次优匹配现象,改善目标尺度形状变化导致的检测困难;提出一种新的空间金字塔池化网络SPPFA,通过引入LSKA,在增大感受野的同时实现空间和通道的自适应性,缓解大尺度目标和遮挡问题产生的影响;将CIoU替换为SIoU,优化回归损失函数。在此基础上,提出一种改进的半监督深度学习算法,通过优化损失函数设计,增强算法学习未标注样本中有益信息的能力,有效提高模型对车辆的检测精度。实验结果表明,改进后的算法在自制车辆数据集上mAP@0.5指标达到了58.2%,相较YOLOv5n基线模型提升了11.1百分点,且模型体积远小于主流目标检测算法,具有良好的工程应用前景。

关键词： YOLOv5 车辆检测样本匹配空间金字塔池化半监督学习

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8的轻量化车辆检测网络

引用

计算机工程 2025年第5期51卷 314-325页

作者：陈梓延王晓龙何迪安国成上海交通大学电子信息与电气工程学院上海200240 上海交通大学感知科学与工程学院北斗导航与位置服务上海市重点实验室上海200240 上海华讯网络系统有限公司行业数智事业部四川成都610074

现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网... 详细信息

现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网络,并且将颈部的双向特征金字塔网络替换为加权双向特征金字塔网络(BiFPN),简化特征融合过程。同时,引入一种融合注意力机制的动态检测头,实现检测头和注意力的无冗余结合;此外,针对完全交并比(CIoU)在检测精度和收敛速度上的缺陷,提出一种尺度不变交并比(SIoU)结合归一化高斯Wasserstein距离(NWD)的回归损失算法。最后,为尽量减小模型对边缘设备的算力需求,进行基于幅值的层自适应稀疏化剪枝,进一步压缩模型大小。实验结果表明,提出的改进模型相较于原模型YOLOv8s,在精度上升1.5百分点的情况下,参数量降低78.9%,计算量下降67.4%,模型尺寸降低77.8%,达到了比较优秀的轻量化效果,具有很强的实用性。

关键词： YOLOv8模型车辆检测轻量化 FasterNet网络归一化高斯Wasserstein距离

来源：评论

学校读者我要写书评

暂无评论

LINS-GNSS:滤波与优化耦合的GNSS/INS/LiDAR巡检机器人定位方法

引用

南京信息工程大学学报（自然科学版） 2023年第1期15卷 85-93页

作者：文刚周仿荣李涛马御棠裴凌刘亚东钱国超潘浩云南电网有限责任公司电力科学研究院/电力遥感技术联合实验室昆明650217 上海交通大学上海市北斗导航与位置服务重点实验室上海200240 上海交通大学电子信息与电气工程学院上海200240

为了能够更加灵活地执行变电站巡检任务,非固定线路的机器人巡检技术越来越受到关注.如何在复杂的变电站环境中实现高精度的定位是机器人在变电站执行巡检任务时需要解决的核心问题.单一传感器难以满足变电站可靠定位的要求,因此,本文... 详细信息

为了能够更加灵活地执行变电站巡检任务,非固定线路的机器人巡检技术越来越受到关注.如何在复杂的变电站环境中实现高精度的定位是机器人在变电站执行巡检任务时需要解决的核心问题.单一传感器难以满足变电站可靠定位的要求,因此,本文设计了多传感器融合的LINS-GNSS定位方法.其前端基于迭代误差状态卡尔曼滤波框架将激光雷达和惯性导航进行紧耦合,在每次迭代中生成新的特征对应关系递归地校正估计状态.后端使用因子图优化的方法将卫星导航的定位结果与LINS后端输出的定位结果松耦合.优化过程中先将局部坐标系与全局坐标系对齐,再将卫星导航的位置约束作为先验边添加到后端的因子图中,最后将定位结果在全局坐标系下输出.为了评估LINS-GNSS系统在变电站环境中的性能,本文在实际变电站中进行了测试.实验结果表明,LINS-GNSS系统在变电站环境中可以达到优于0.5 m的定位精度,且比现有最佳算法LIO-SAM定位精度更高.

关键词：多传感器融合因子图优化卡尔曼滤波卫星导航激光SLAM

来源：评论

学校读者我要写书评

暂无评论

基于PPP方法的中国地区电离层时空相关性分析

基于PPP方法的中国地区电离层时空相关性分析

引用

第十四届中国卫星导航年会

作者：李忠琪吕思婕项艳上海交通大学电子信息与电气工程学院上海市北斗导航与位置服务重点实验室

通过GNSS系统进行定位是目前一种流行的定位方法,而电离层延迟是卫星定位的主要误差来源之一。因此,如果能够认识电离层在时间和空间上的变化特性,对于有效校正电离层所带来的定位误差,从而提高定位精度有很大帮助。传统的电离层时空分... 详细信息

通过GNSS系统进行定位是目前一种流行的定位方法,而电离层延迟是卫星定位的主要误差来源之一。因此,如果能够认识电离层在时间和空间上的变化特性,对于有效校正电离层所带来的定位误差,从而提高定位精度有很大帮助。传统的电离层时空分析是基于相位平滑伪距的方法,随着精密单点定位(precise point position,PPP)技术的成熟,本文基于PPP技术并针对中国地区的电离层进行时空特性分析。针对时间特性,首先根据PPP、GIM(global ionospheric map)、BRDC(broadcast)得到电离层延迟时序图,以观测平静和扰动时的变化情况;其次,通过计算相关系数,分析不同方法得到的电离层延迟之间的时间相关性。实验结果证明,电离层延迟误差在扰动状态下误差更大与平静时有明显的不同,且电离层延迟存在着日变化规律;电离层的时间相关系数随时间增大而衰减,并且受到电离层活跃程度的影响。针对空间特性,分析电离层延迟与电离层穿刺点间距(great circle distance,GCD)之间的关系。在一定距离内,电离层延迟存在空间相关性,当超过一定阈值,空间相关系数趋于稳定,可认为不再相关。

关键词：电离层延迟精密单点定位时间相关性空间相关性

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的5G蜂窝网络无线定位方法

引用

数据采集与处理 2022年第6期37卷 1228-1245页

作者：熊星月何迪何至军周志成上海交通大学电子信息与电气工程学院北斗导航与位置服务上海市重点实验室上海200240 北京集智数字科技有限公司北京100871 深圳达实智能股份有限公司深圳518057

5G蜂窝网络发展迅猛,其覆盖面积将逐渐增大,因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位,以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立... 详细信息

5G蜂窝网络发展迅猛,其覆盖面积将逐渐增大,因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位,以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络,并根据5G天线信号的接收信号强度指示、相位和到达角等特征量,选择合适的输入数据格式构造样本组建训练集,对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库,非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间,但在训练完毕后直接进行分类定位的速度非常快,可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB,且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。

关键词：深度学习卷积神经网络接收信号强度指示相位到达角

来源：评论

学校读者我要写书评

暂无评论

机器学习在船舶不沉性设计策略中的应用

引用

船舶 2022年第4期33卷 82-87页

作者：杨春蕾黄晓皓盛庆武王金宝潘常春范佘明喷水推进重点实验室上海200011 中国船舶及海洋工程设计研究院上海200011 上海市船舶工程重点实验室上海200011 上海交通大学电子信息与电气工程学院上海200240 上海北斗导航与位置服务重点实验室上海200240

船舶不沉性是衡量船舶生命力的重要性能,也是优选水密分舱策略的关键指标,但时间成本高仍是制约不沉性寻优实用化的难点。随着机器学习技术应用不断深入,将提供更有效的途径。该研究基于强化学习的粒子群算法求解不沉性分舱优化问题,实... 详细信息

船舶不沉性是衡量船舶生命力的重要性能,也是优选水密分舱策略的关键指标,但时间成本高仍是制约不沉性寻优实用化的难点。随着机器学习技术应用不断深入,将提供更有效的途径。该研究基于强化学习的粒子群算法求解不沉性分舱优化问题,实现集成机器学习模块和不沉性设计模块的优化系统开发和界面设计,讨论算法中不同参数的设置对寻优能力的影响。通过寻优解的分析,表明该方法能够高效地找到较优的分舱方案,为制定科学的分舱策略等方面提供依据。

关键词：不沉性机器学习粒子群强化学习船舶分舱

来源：评论

学校读者我要写书评

暂无评论

基于可重构标定板的激光与视觉联合标定方法

引用

导航定位与授时 2021年第3期8卷 27-33页

作者：黄强潘常春裴凌刘海春李岚臻李扬李泽亚上海交通大学电子信息与电气工程学院上海交通大学北斗导航与位置服务重点实验室上海西虹桥导航技术有限公司北京跟踪与通信技术研究所

目前,激光雷达与视觉传感器的联合标定方法包含动态在线标定与静态离线标定两大类。动态在线标定对标定的环境有较高的要求,且标定结果不稳定;静态离线标定通常采用标定板,因而对标定板的要求较高,手动选择与线拟合都易引入或放大误差,... 详细信息

目前,激光雷达与视觉传感器的联合标定方法包含动态在线标定与静态离线标定两大类。动态在线标定对标定的环境有较高的要求,且标定结果不稳定;静态离线标定通常采用标定板,因而对标定板的要求较高,手动选择与线拟合都易引入或放大误差,故提出了一种基于可重构标定板的激光雷达与视觉传感器的联合标定方法。首先,对传统的标定板进行拆分与重构,采用类条形码的方式自动识别激光雷达特征点,并添加相机校验机制以缓解标定过程中相机识别的不稳定性带来的误差。最后,通过与双目相机标定,采用重投影的方式对外参标定结果进行可视化主观评价与客观量化评价。实验表明,该标定方法的均方根误差(RMSE)为1.275cm,重投影后的误差为3.2个像素。

关键词：可重构标定板激光雷达特征点自动识别联合标定量化评价

来源：评论

学校读者我要写书评

暂无评论

机器学习在船舶不沉性设计策略中的应用

机器学习在船舶不沉性设计策略中的应用

引用

第三届全国船舶稳性学术研讨会

作者：杨春蕾黄晓皓盛庆武王金宝潘常春范佘明喷水推进重点实验室上海 200011 中国船舶及海洋工程设计研究院上海 200011 上海市船舶工程重点实验室上海 200011 上海交通大学电子信息与电气工程学院上海 200240 上海北斗导航与位置服务重点实验室上海 200240 中国船舶及海洋工程设计研究院上海 200011

船舶不沉性是衡量船舶生命力的重要性能，也是优选水密分舱策略的关键指标，但时间成本高仍是制约不沉性寻优实用化的难点。随着机器学习技术应用不断深入，将提供更有效的途径。该研究基于强化学习的粒子群算法求解不沉性分舱优化问题... 详细信息

船舶不沉性是衡量船舶生命力的重要性能，也是优选水密分舱策略的关键指标，但时间成本高仍是制约不沉性寻优实用化的难点。随着机器学习技术应用不断深入，将提供更有效的途径。该研究基于强化学习的粒子群算法求解不沉性分舱优化问题，实现集成机器学习模块和不沉性设计模块的优化系统开发和界面设计，讨论算法中不同参数的设置对寻优能力的影响。通过寻优解的分析，表明该方法能够高效地找到较优的分舱方案，为制定科学的分舱策略等方面提供依据。

关键词：不沉性机器学习粒子群强化学习船舶分舱

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：