检索结果-内蒙古大学图书馆

物理学报 2025年第3期74卷 58-66页

作者：赵世杰马浩南刘霞北京理工大学集成电路与电子学院北京100081

随着微观领域探索的不断深入,以光刻和各类刻蚀工艺为代表的微纳加工技术已被广泛应用于微米及纳米尺度的结构与器件制造,推动了集成电路、微纳光电器件、微机电系统等领域的不断革新.这不仅带动了设备性能的提升,还为微观物性调控机制... 详细信息

随着微观领域探索的不断深入,以光刻和各类刻蚀工艺为代表的微纳加工技术已被广泛应用于微米及纳米尺度的结构与器件制造,推动了集成电路、微纳光电器件、微机电系统等领域的不断革新.这不仅带动了设备性能的提升,还为微观物性调控机制的基础科学研究带来了新的机遇.近年来,作为一种新兴的微纳加工技术,扫描热探针技术在二维材料加工、物性调控和纳米级灰度结构制造方面获得了实践应用,并展现出独特优势.本文将从扫描热探针技术的原理及特点出发,分析其在二维材料微纳加工及物性调控领域的最新研究进展,最后展望该技术的广阔应用前景.

关键词：扫描热探针技术二维材料微纳加工物性调控

来源：评论

学校读者我要写书评

暂无评论

结合二值化神经网络与知识蒸馏的轻量型水声目标识别算法

引用

控制与决策 2025年第1期40卷 128-136页

作者：崔翰林褚晓晖徐立军祁兵兵胡润泽北京理工大学信息与电子学院北京100081

基于深度学习的水下声学目标识别算法在水下平台部署时,通常面临计算资源短缺和水下声学环境复杂多变的挑战,提出一种结合二值化神经网络与知识蒸馏的轻量型水声目标识别算法(DSBNN_KD),旨在通过深度可分离卷积和权重参数二值化等手段... 详细信息

基于深度学习的水下声学目标识别算法在水下平台部署时,通常面临计算资源短缺和水下声学环境复杂多变的挑战,提出一种结合二值化神经网络与知识蒸馏的轻量型水声目标识别算法(DSBNN_KD),旨在通过深度可分离卷积和权重参数二值化等手段实现模型的压缩和优化加速.同时,利用知识蒸馏技术将高性能高复杂度的教师模型的知识转移到轻量级学生模型上,从而缓解极端量化带来的性能损失,并确保模型的泛化性能.对DSBNN_KD的表现在两个实测水声数据集上进行全面评估,实验结果表明,相比当前主流的全精度轻量化模型,所提出DSBNN_KD在模型参数量、模型部署尺寸和计算量等方面均展现出显著的优势,同时在知识蒸馏技术的辅助下,量化后的模型依然可以保持与全精度模型接近的性能.

关键词：水声目标识别知识蒸馏二值神经网络轻量型模型深度学习

来源：评论

学校读者我要写书评

暂无评论

基于局部表征少样本学习的高光谱图像跨场景分类

引用

电子学报 2025年第1期53卷 248-258页

作者：张宇翔李伟张蒙蒙陶然北京理工大学信息与电子学院北京100081

在跨场景分类任务中,大多数领域自适应方法(Domain Adaptation,DA)关注于源域数据和目标域数据由相同传感器获得且具有相同地物类别的迁移任务,然而当目标数据中存在新类别时自适应性能会显著下降.此外,大多数高光谱图像分类方法采用全... 详细信息

在跨场景分类任务中,大多数领域自适应方法(Domain Adaptation,DA)关注于源域数据和目标域数据由相同传感器获得且具有相同地物类别的迁移任务,然而当目标数据中存在新类别时自适应性能会显著下降.此外,大多数高光谱图像分类方法采用全局表征机制,即针对固定大小窗口的样本进行表征学习,其地物类别表征能力有限.本文提出了一种基于局部表征的少样本学习框架(Local representation Few Shot Learning,LrFSL),尝试在少样本学习中构建局部表征机制突破全局表征能力上限.在提出框架中,对所有具有标签的源域数据和少量具有标签的目标域数据构建元任务,依照元学习策略同步进行情景训练,与此同时设计了域内局部表征模块(Intra-domain Local Representation block,ILR-block)用于挖掘样本中多个局部表征的语义信息,设计了域间局部对齐模块(Inter-domain Local Alignment block,ILA-block)进行跨域逐类别分布对齐以缓解领域偏移对少样本学习的影响.在三个公开高光谱图像数据集上的实验结果证明了该方法显著优于目前最先进的方法.

关键词：高光谱图像跨场景少样本学习局部表征领域自适应

来源：评论

学校读者我要写书评

暂无评论

利用异配及同配关系的社交机器人检测方法

引用

北京理工大学学报 2025年第1期45卷 77-86页

作者：罗森林费泽涛潘丽敏吴舟婷北京理工大学信息与电子学院北京100081

现有基于图的方法未区分用户间的异配、同配关系,造成用户表示中存在异配边带来的噪声,弱化了社交机器人与人类用户之间的差异性,检测准确率降低;社交机器人持续演化模拟人类用户的关注数、推文发布数等元数据,容易导致较难识别的仿真... 详细信息

现有基于图的方法未区分用户间的异配、同配关系,造成用户表示中存在异配边带来的噪声,弱化了社交机器人与人类用户之间的差异性,检测准确率降低;社交机器人持续演化模拟人类用户的关注数、推文发布数等元数据,容易导致较难识别的仿真社交机器人比例增加,检测召回率降低.提出一种利用异配及同配关系的社交机器人检测方法,通过记忆网络构建异配、同配关系原型来识别用户关系类型,减少异配边对用户表示的干扰,增加不同类型用户的特征区分性;在损失函数中引入调节因子,提高较难分类用户在模型参数更新过程中的损失贡献,增强了模型对仿真社交机器人的识别效果.实验结果表明,提出的方法优于当前先进方法,此方法通过区分用户间的异配和同配关系,降低异配边的权重,增强了用户表示的类别区分度,即使在低同配性分数的情况下也有效提升了检测准确率.

关键词：社交机器人异配关系记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于电磁仿真的复合制导转台对雷达测角影响的建模评估方法

引用

系统工程与电子技术 2025年第3期47卷 745-752页

作者：高红伟张桂菖郝凯子辛熙敏李东伟北京理工大学网络空间安全学院北京100081 北京仿真中心北京100854 北京理工大学信息与电子学院北京100081

在射频/红外复合制导半实物仿真实验系统的搭建中,射频/红外复合制导转台的设计是其中的一项重点和难点。针对由五轴转台及其外两轴上红外复合设备构成的射频/红外复合制导转台,希望通过电磁仿真的方法来评估其对被试雷达测角误差精度... 详细信息

在射频/红外复合制导半实物仿真实验系统的搭建中,射频/红外复合制导转台的设计是其中的一项重点和难点。针对由五轴转台及其外两轴上红外复合设备构成的射频/红外复合制导转台,希望通过电磁仿真的方法来评估其对被试雷达测角误差精度的影响,以满足射频/红外复合制导转台的设计需求。为此,提出一种基于区域分解的混合全波电磁建模方法,实现天线辐射波通过异形异构复合制导转台到达被试雷达半实物仿真实验场景的高置信度数值模拟。此外,基于建模仿真获得的电磁场分布,结合电磁互易原理与单脉冲比幅测角原理,提出一种雷达测角误差的计算方法。采用典型的异构异形复合制导转台进行数值仿真实验,对所提方法的精度和能力进行验证,展示该方法具备支撑射频/红外复合制导转台尤其是其中红外复合设备设计的潜力。

关键词：射频红外复合半实物仿真复合制导转台区域分解方法单脉冲比幅测角

来源：评论

学校读者我要写书评

暂无评论

基于多模态超表面的无天线罩隐身阵列天线

引用

系统工程与电子技术 2025年第1期47卷 1-11页

作者：黎亮高红伟张彬超金城北京理工大学集成电路与电子学院北京100081 北京理工大学网络空间安全学院北京100081 清华大学电子工程系北京100084

针对星载天线无法通过天线罩实现隐身的难题,提出星载无天线罩自隐身天线。通过多模谐振原理并利用差异化激励方法,构建具有单模态宽带隐身、双模态隐身-反射和双模态隐身-辐射特性的多模态电磁超表面,进而设计辐射-隐身一体化天线。实... 详细信息

针对星载天线无法通过天线罩实现隐身的难题,提出星载无天线罩自隐身天线。通过多模谐振原理并利用差异化激励方法,构建具有单模态宽带隐身、双模态隐身-反射和双模态隐身-辐射特性的多模态电磁超表面,进而设计辐射-隐身一体化天线。实测结果表明,在3.05~4.95 GHz和6.4~10.5 GHz的带外吸收带,实现雷达散射截面(radar cross section,RCS)缩减;在5.7~6.15 GHz的频率区间内轴比低于3 dB,天线的增益为15.3 dBi,所设计的无天线罩一体化隐身圆极化阵列天线具有带外RCS缩减特性和良好的带内圆极化辐射性能。

关键词：星载无天线罩隐身天线电磁表面

来源：评论

学校读者我要写书评

暂无评论

基于FPGA的大点数脉压模块设计与实现

引用

北京理工大学学报 2025年第5期45卷 539-546页

作者：刘国满刘雨玄付琦允冯易汪奕王俊岭北京理工大学信息与电子学院北京100081

针对雷达系统长脉宽信号的大点数脉冲压缩内存占用过大、计算过程复杂的问题,提出一种可避免数据转置的脉冲压缩处理流程及一种适用于FPGA的实现方法和延时计算模型,并以此为基础设计和实现了支持128K点窗长的脉冲压缩模块.实验结果表明... 详细信息

针对雷达系统长脉宽信号的大点数脉冲压缩内存占用过大、计算过程复杂的问题,提出一种可避免数据转置的脉冲压缩处理流程及一种适用于FPGA的实现方法和延时计算模型,并以此为基础设计和实现了支持128K点窗长的脉冲压缩模块.实验结果表明,模块处理延时低于1700μs,可支持最大脉宽4 ms、带宽10 MHz的信号,与传统IP核方法相比,减少至少50%处理延时和至少40%内存资源消耗,仅适度增加了乘法器资源消耗,提高了大点数脉压算法在FPGA中的可实现性.

关键词：脉冲压缩 FPGA 大点数FFT FFT级联

来源：评论

学校读者我要写书评

暂无评论

用于遥感场景分类的全局-局部特征耦合网络

引用

中国图象图形学报 2025年第4期30卷 1003-1016页

作者：王俊杰李伟张蒙蒙高云浩赵伯禹北京理工大学信息与电子学院北京100080

目的卷积神经网络(convolutional neural network,CNN)因其强大的特征归纳和学习能力,在遥感场景分类任务中收获了广泛的关注。然而,由于卷积采取的是一种局部归纳机制,这阻碍了全局依赖关系的获取,并限制了模型的性能。而视觉Transform... 详细信息

目的卷积神经网络(convolutional neural network,CNN)因其强大的特征归纳和学习能力,在遥感场景分类任务中收获了广泛的关注。然而,由于卷积采取的是一种局部归纳机制,这阻碍了全局依赖关系的获取,并限制了模型的性能。而视觉Transformer(visual Transformer,ViT)的核心在于自注意力机制,它能够建立全局依赖关系,这一属性可以缓解基于卷积神经网络算法的局限性。然而,自注意力机制也带来了更大的计算代价:在计算成对的key-value之间的交互关系时,需要在所有空间位置上进行相关计算,从而带来巨大的计算压力和内存负担。此外,自注意机制关注于建模全局信息,而忽略了局部特征细节。为了解决上述问题,提出了一种全局—局部特征耦合网络用于遥感场景分类。方法一方面为了缓解自注意力机制所带来的计算压力,提出了一种双粒度注意力来动态感知数据内容,从而实现更灵活的计算分配;另一方面,为了更好地结合全局和局部特征,利用了一种自适应耦合模块来实现全局和局部特征的融合。结果在UCM(UC merced land-use)、AID(aerial image dataset)和NWPURESISC45(Northwestern Polytechnical University remote sensing image scene classification dataset)3个数据集上进行了实验。为了更好地展示本文方法的优越性,与当前先进的基于卷积神经网络和基于视觉Transformer的方法进行了对比,在不同的训练比率下,本文方法在3个数据集上分别取得了99.71%(UCM数据集),94.75%(AID数据集训练比率20%),97.05%(AID数据集训练比率50%),92.11%(NWPU-RESISC45数据集训练比率10%)以及94.10%(NWPU-RESISC45数据集训练比率20%)的最优分类表现,相较于其他对比方法分别有至少0.14%,0.06%,0.27%,0.43%以及0.21%的效果提升。结论本文方法不仅缓解了自注意力机制中沉重的计算和内存负担,同时将局部细节特征与全局信息相结合,有效提升了模型的特征学习能力。

关键词：场景分类遥感图像全局和局部特征耦合模块注意力机制

来源：评论

学校读者我要写书评

暂无评论

面向5G低轨卫星的下行初始时频同步算法

引用

北京理工大学学报 2025年第5期45卷 513-520页

作者：杨德伟孙为宗李念祖杨涛北京理工大学信息与电子学院北京100081

为解决5G通信系统中低轨卫星快速移动造成较大多普勒频移,进而影响用户与低轨卫星初始时频同步性能的问题,结合5G主同步信号(primary synchronization signals,PSS)特点,研究多种大多普勒频移影响下的初始时频同步算法,并从时间同步性... 详细信息

为解决5G通信系统中低轨卫星快速移动造成较大多普勒频移,进而影响用户与低轨卫星初始时频同步性能的问题,结合5G主同步信号(primary synchronization signals,PSS)特点,研究多种大多普勒频移影响下的初始时频同步算法,并从时间同步性能、频偏估计精度和复杂度等方面对基于PSS的时频联合同步算法进行仿真和分析,得到了所提出的初始时频同步算法在大多普勒频移影响下的相关性能数据结果.研究结果表明本文所提出的算法在大多普勒频移影响下具有较强的有效性和稳健性.

关键词： 5G 卫星通信时频同步多普勒频移

来源：评论

学校读者我要写书评

暂无评论

结合序列关联图与GAN的高可用时序数据生成方法

引用

信息安全研究 2025年第4期11卷 351-357页

作者：万韵伟程瑶门元昊北京理工大学信息与电子学院北京100081

现实世界中获取长时间序列数据面临诸多挑战,严重制约了网络空间安全中的态势感知、威胁分析等应用发展.深度学习驱动的数据生成方法可以有效保护原始数据隐私,其中确保生成数据的高可用性和多样性至关重要.然而,现有方法采用随机拼接... 详细信息

现实世界中获取长时间序列数据面临诸多挑战,严重制约了网络空间安全中的态势感知、威胁分析等应用发展.深度学习驱动的数据生成方法可以有效保护原始数据隐私,其中确保生成数据的高可用性和多样性至关重要.然而,现有方法采用随机拼接短序列构建模型的训练数据,无法保证生成数据分布符合预期,影响生成数据的可用性.针对上述问题,提出一种结合序列关联图与生成对抗网络的高可用时序数据生成方法,通过构建序列关联图和概率权重生成对抗网络,精准拟合原始数据分布特征.在多个真实数据集上的实验结果表明,该方法能够基于较短序列长度的原始数据,生成具有高可用性和多样性的长时间序列数据,显示出其在实际应用中的巨大潜力.

关键词：数据生成数据安全时序数据短序列生成对抗网络

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：