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

基于多尺度特征融合提取的调制样式识别算法

引用

信号处理 2025年第3期41卷 494-503页

作者：杨嘉豪张东坡何劲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 中国电子科技集团公司第36研究所浙江嘉兴314033

调制样式识别技术是通信信号侦查的重要组成部分,是对未知通信信号进行分类识别、信息提取的重要前提。现有的基于深度学习调制样式识别方法在低信噪比情况下特征提取能力较差,针对这一问题,本文提出了一个基于多尺度特征融合提取的信... 详细信息

调制样式识别技术是通信信号侦查的重要组成部分,是对未知通信信号进行分类识别、信息提取的重要前提。现有的基于深度学习调制样式识别方法在低信噪比情况下特征提取能力较差,针对这一问题,本文提出了一个基于多尺度特征融合提取的信号调制样式识别算法。算法利用由多个不同大小的卷积核构成的多尺度卷积模块提取信号的多尺度特征,并通过卷积层融合特征,提取出信号调制样式信息的关键特征,随后通过由多头自注意力机制构成的全局特征提取模块提取信号的全局特征,并通过平均池化层和全连接层实现调制样式分类。为了优化网络参数与运算复杂度,本文提出利用组卷积方式代替普通卷积简化模型。实验结果表明,在RadioML2016.10a数据集上,所提方法可以准确识别各个调制类型,在高信噪比下大部分调制类型的识别准确率高于95%;相较于现有的神经网络识别方法,所提方法的识别率提升了1.47%~7.26%,且在较低信噪比下(-6 dB~0 dB)识别率提升了4.73%~9.09%,体现出更好的抗噪性能;与利用普通卷积方式构建网络相比,采用组卷积方式可以在识别性能相差不大的情况下将网络参数量及运算量分别减小38.9%和54.9%。同时设计了消融实验验证所提算法各个模块对识别性能的提升。实验结果验证了所提算法在分类精度和抗噪性能方面的有效性。

关键词：调制样式识别卷积神经网络多头注意力机制组卷积

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

利用结构特征的语音压缩感知重建算法

引用

上海交通大学学报 2017年第9期51卷 1111-1116页

作者：贾晓立江晓波蒋三新刘佩林上海交通大学北斗导航与位置服务重点实验室上海200240

针对语音信号在变换域中不够稀疏使得压缩感知重建困难的问题,提出了一种利用频域结构特征的重建算法.该算法为单帧语音信号的修正离散余弦变换系数引入幅度和状态2个隐变量,并分别用高斯马尔可夫过程和马尔可夫链对幅度和状态沿频率轴... 详细信息

针对语音信号在变换域中不够稀疏使得压缩感知重建困难的问题,提出了一种利用频域结构特征的重建算法.该算法为单帧语音信号的修正离散余弦变换系数引入幅度和状态2个隐变量,并分别用高斯马尔可夫过程和马尔可夫链对幅度和状态沿频率轴的连续性建模.在此基础上用因子图表示系数及其幅度、状态的联合后验分布,在因子图上用Turbo消息传递迭代求出系数的后验均值,进而重建原始语音信号.与当前几种最新的算法相比,该算法在不同帧长、不同压缩率下均获得更高的重建精度,重建信号在时频图上的能量分布也与原始语音最为接近.可见,利用语音频域系数的连续性,以Turbo消息传递的方式可以在压缩感知中得到较高的重建精度.

关键词：语音信号压缩感知高斯混合模型马尔可夫链消息传递

来源：评论

学校读者我要写书评

暂无评论

基于地面快速鲁棒特征的智能车全局定位方法

引用

上海交通大学学报 2019年第2期53卷 203-208页

作者：胡兵杨明郭林栋王春香王冰上海交通大学自动化系上海市北斗导航与位置服务重点实验室上海200240

针对目前视觉定位方法大多基于地面语义特征(如车道线、停车线等)容易受到其他地面语义特征(如箭头、斑马线等)的影响,提出了一种基于地面快速鲁棒特征(SURF)点的全局定位方法.该方法首先在鸟瞰图中检测SURF点,结合高精度GPS构建地面SUR... 详细信息

针对目前视觉定位方法大多基于地面语义特征(如车道线、停车线等)容易受到其他地面语义特征(如箭头、斑马线等)的影响,提出了一种基于地面快速鲁棒特征(SURF)点的全局定位方法.该方法首先在鸟瞰图中检测SURF点,结合高精度GPS构建地面SURF地图.然后在此基础上,使用迭代最近点算法,将在线检测结果与地图匹配获得车辆全局定位,并通过扩展卡尔曼滤波将定位结果与惯导和里程计数据进行融合,提高全局定位精度.实验结果表明,所提出的方法可获得分米级定位结果,能满足智能车的定位需求.

关键词：快速鲁棒特征迭代最近点扩展卡尔曼滤波智能车定位

来源：评论

学校读者我要写书评

暂无评论

基于体素格尺度不变特征变换的快速点云配准方法

引用

中国惯性技术学报 2019年第1期27卷 77-82页

作者：郭杭漆钰晖裴凌陈春旭朱一帆南昌大学南昌330031 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

以三维激光雷达为主的多源融合同步定位与建图技术是无人系统室内外无缝定位的研究热点,点云配准是其中重要环节。为了提高点云配准效率,提出一种基于体素格尺度不变特征变换的快速点云配准方法。首先,基于点云体素格提取尺度不变特征... 详细信息

以三维激光雷达为主的多源融合同步定位与建图技术是无人系统室内外无缝定位的研究热点,点云配准是其中重要环节。为了提高点云配准效率,提出一种基于体素格尺度不变特征变换的快速点云配准方法。首先,基于点云体素格提取尺度不变特征变换的特征点,完成初始配准;然后利用随机抽样一致算法剔除边缘匹配点并优化初始变换参数;最后基于优化初始变换参数,采用K维树近邻搜索法,结合最近邻点迭代配准算法完成原始点云数据的快速精确配准。对开源数据集以及实际采集的6个典型场景数据的测试表明,该方法的平均配准时间较传统最近邻点迭代配准算法缩短了78%。实验结果表明了该方法的有效性。

关键词：三维激光点云体素格尺度不变特征变换点云配准最近邻点迭代

来源：评论

学校读者我要写书评

暂无评论

一种基于分类回归树的无人车汇流决策方法

引用

自动化学报 2018年第1期44卷 35-43页

作者：苏锑杨明王春香唐卫王冰上海交通大学机器人所上海200240 上海交通大学自动化系上海200240 上海市北斗导航与位置服务重点实验室上海200240

决策规划是无人驾驶技术中的重要环节.由于道路结构变化或障碍物引起的车辆被动换道多采用基于逻辑规则或优化算法的决策方式.本文以通行量为优化目标,提出一种基于分类回归树(Classification and regression tree,CART)的汇流决策方法... 详细信息

决策规划是无人驾驶技术中的重要环节.由于道路结构变化或障碍物引起的车辆被动换道多采用基于逻辑规则或优化算法的决策方式.本文以通行量为优化目标,提出一种基于分类回归树(Classification and regression tree,CART)的汇流决策方法.依据交通流参数,选择大量具有代表性的车辆汇流场景.对场景中车辆的汇流决策序列进行编码,采用遗传算法搜索使得通行量最大的决策方案.将寻优获得的大量汇流决策序列作为样本,训练分类回归树.选取车辆自身信息及与周围车辆的关系等以描述环境特征,运用分类回归树描述环境特征与决策结果的映射关系,获得一种通行量最优的汇流决策方法.在软件中进行仿真实验,对比既有方法,基于分类回归树的汇流方法能够有效减少汇流行为对车流的扰动,在大流量情形下依旧能保持较高的通行效率.此外,该方法对实际实施中可能存在的环境感知误差,如定位误差,有一定的鲁棒性.

关键词：汇流决策遗传算法分类回归树交通流仿真

来源：评论

学校读者我要写书评

暂无评论

面向全自动控制交通系统的车辆调度算法

引用

上海交通大学学报 2017年第2期51卷 174-179页

作者：李爽杨明王春香王冰上海交通大学机器人研究所上海200240 上海交通大学自动化系上海市北斗导航与位置服务重点实验室上海200240

结合遗传算法和贪婪算法的优点,提出了聚类贪婪遗传算法,构建了一个全自动控制交通系统的仿真系统;针对遗传算法、贪婪算法和聚类贪婪遗传算法分别进行实验,并比较其实验结果.结果表明:当系统趋于稳定时,聚类贪婪遗传算法能够提高叫车... 详细信息

结合遗传算法和贪婪算法的优点,提出了聚类贪婪遗传算法,构建了一个全自动控制交通系统的仿真系统;针对遗传算法、贪婪算法和聚类贪婪遗传算法分别进行实验,并比较其实验结果.结果表明:当系统趋于稳定时,聚类贪婪遗传算法能够提高叫车请求的平均响应时间,从而避免叫车请求饿死的情况;聚类贪婪遗传算法可用于全自动控制交通系统车辆的调度.

关键词：车辆调度全自动控制交通系统聚类贪婪遗传算法仿真系统

来源：评论

学校读者我要写书评

暂无评论

一种基于高斯核支持向量机的非结构化道路环境植被检测方法

引用

机器人 2015年第6期37卷 702-707页

作者：周植宇杨明薛林继王春香王冰上海交通大学自动化系上海市北斗导航与位置服务重点实验室上海200240 上海交通大学机器人研究所上海200240

非结构化道路环境复杂多变,但是路两旁的植被较为显著,可用于限定路面的不可通行区域.在复杂的室外环境中,植被区域容易受到天气、阴影、路况等多种因素干扰而产生误检.为此本文提出了一种基于高斯核SVM(支持向量机)的植被检测方法,通... 详细信息

非结构化道路环境复杂多变,但是路两旁的植被较为显著,可用于限定路面的不可通行区域.在复杂的室外环境中,植被区域容易受到天气、阴影、路况等多种因素干扰而产生误检.为此本文提出了一种基于高斯核SVM(支持向量机)的植被检测方法,通过基于超像素的稀疏表示法来分析并学习样本多维色彩空间特征,进而构造分类准则有效获取植被信息,并采用栅格概率滤波来优化检测结果,提高检测精度.实验表明,该方法很好地解决了非结构化道路环境中的植被检测问题,对光照、路况等变化也具有较强的抗干扰能力,且具备较好的实时性和可靠性.在实际应用中,有效地限制了路面的不可通行区域,保障了移动智能机器人在复杂道路环境中的安全行驶区域.

关键词：非结构化道路高斯核支持向量机(SVM) 超像素栅格概率滤波植被检测

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：