检索结果-内蒙古大学图书馆

信号处理 2025年第2期41卷 399-408页

作者：安平沙莉娅吴颖杨超黄新彭上海大学通信与信息工程学院上海200444 上海大学特种光纤与光接入网重点实验室上海200444

图像压缩作为一项关键技术,旨在传输过程中保留尽可能少的关键信息,同时使得压缩后的图像保持较好的质量。而随着计算机视觉的发展,图像的主要消费者不仅仅是人类而更多的是机器,因此探索一种能够同时面向人类视觉和机器视觉的图像压缩... 详细信息

图像压缩作为一项关键技术,旨在传输过程中保留尽可能少的关键信息,同时使得压缩后的图像保持较好的质量。而随着计算机视觉的发展,图像的主要消费者不仅仅是人类而更多的是机器,因此探索一种能够同时面向人类视觉和机器视觉的图像压缩方法十分具有意义。然而,现有的基于学习的图像编码技术虽然已经在人眼感知质量上取得了显著性的进步,但由于信号保真度及语义保真度的方法在驱动目标上存在分歧,无法同时满足机器视觉和人眼的需求。因此,本文提出了任务自适应增强的特征解耦可分级压缩方法,旨在利用单一比特流来支持多种视觉任务,并根据需求进行图像的选择性重建或完全重建。具体而言,本方法将图像特征解耦为目标特征和背景特征分别进行压缩和重建,所得到的目标图像用于后续目标检测和语义分割任务,而高质量完整重建的图像供人眼观看。这样不仅在实现视觉任务时避免了重建完整图像,提高压缩效率,还能够满足人眼的不同需求。此外,为了解决因目标区域重要性差异而引起的任务性能不平衡问题,本方法还设计了可插拔的任务自适应单元,并将其嵌入在目标特征解码器中,从而可以根据具体任务需求调整特征以增强重建目标图像的分析性能,而无须重新训练整个网络。实验结果证明,该方法与其他编解码器相比,展现出了更优的任务性能和速率失真(RateDistortion)性能。

关键词：图像压缩人机协同特征解耦任务自适应增强

来源：评论

学校读者我要写书评

暂无评论

面向伪装目标识别的高光谱图像波段选择方法

引用

应用光学 2025年第2期46卷 336-342页

作者：王贝贝刘凯新陈平中北大学电子测试技术国家重点实验室山西太原030051 中北大学信息与通信工程学院山西太原030051

随着伪装技术的不断进步,伪装目标与背景的光谱相似度越来越高,给识别任务带来了挑战。现有的波段选择方法大多关注波段的信息量或图像整体可分性,难以选择出能够有效区分相似光谱的特征波段组合。为此,提出了一种面向伪装目标识别的高... 详细信息

随着伪装技术的不断进步,伪装目标与背景的光谱相似度越来越高,给识别任务带来了挑战。现有的波段选择方法大多关注波段的信息量或图像整体可分性,难以选择出能够有效区分相似光谱的特征波段组合。为此,提出了一种面向伪装目标识别的高光谱图像波段选择方法,通过构建光谱差异度指数模型,定量描述各波段中伪装目标与相似背景的光谱差异度,进而指导特征波段选择。模型首先引入光谱梯度角来挖掘光谱的局部形态特征;然后通过Fréchet距离度量光谱之间的幅值差异,并对其进行归一化以消除尺度变化的影响;最后结合皮尔逊相关系数强化光谱差异性和波段独立性。在伪装车辆数据集以及San Diego停机场公共数据集上的实验结果表明,该方法在伪装目标识别任务中的效果优于对比方法。

关键词：高光谱图像波段选择光谱差异度指数模型伪装目标

来源：评论

学校读者我要写书评

暂无评论

基于多源域迁移学习的光纤非线性损伤补偿

引用

光通信研究 2025年第1期1期(15)卷 23-28页

作者：陈志轩蔡炬张洪波张敏万峰杜杰刘娇张倩武成都信息工程大学通信工程学院成都610225 上海大学特种光纤与光接入网省部共建重点实验室上海200072

【目的】近年来基于神经网络(NN)的均衡器在光纤非线性损伤补偿中被广泛使用,但在实际应用中,需要消耗大量资源对NN进行再训练以适应新环境下的光通信系统。迁移学习通过将初始系统(源域)训练的NN模型中的一部分参数应用于新环境(目标域... 详细信息

【目的】近年来基于神经网络(NN)的均衡器在光纤非线性损伤补偿中被广泛使用,但在实际应用中,需要消耗大量资源对NN进行再训练以适应新环境下的光通信系统。迁移学习通过将初始系统(源域)训练的NN模型中的一部分参数应用于新环境(目标域)下的NN模型,仅需使用少量的训练数据即可实现目标域模型的快速重构,但是该方法需要在所有源域中找到最佳源域进行迁移以获得良好的性能,且当目标域变化后需重新寻找最佳源域,这会消耗大量的训练资源。【方法】为解决此问题,文章提出了一种基于多源域迁移学习的方法,该方法将卷积神经网络(CNN)和双向长短期记忆(BiLSTM)作为均衡器,通过特定源域训练和多源域训练两个过程交替更新网络参数,然后针对新环境下的光通信系统进行微调,只需使用少量的初始训练数据即可适应传输系统的变化,且无需寻找最佳源域即可实现良好的性能。【结果】文章在5通道50-GBaud波分复用(WDM)双偏振16阶正交幅度调制(DP-16QAM)的光传输系统中进行了仿真验证,综合数值仿真结果表明,仅需使用35%的目标域数据进行多源域迁移学习,即可具有比再训练方法更好的性能。同时,与再训练和单源域迁移学习相比,多源域迁移学习的Q因子分别提高了0.82和0.18 dB。【结论】因此,多源域迁移学习方案更适合于实际的光通信系统。

关键词：光通信系统非线性损伤补偿卷积神经网络双向长短期记忆迁移学习

来源：评论

学校读者我要写书评

暂无评论

应用于24 GHz车载雷达的阵列天线

引用

电波科学学报 2025年第2期40卷 331-337,394页

作者：王丽黎张诗雨李君君樊盼盼西安理工大学自动化与信息工程学院西安710048 西安市无线光通信与网络研究重点实验室西安710048

为提高车载雷达的抗干扰能力,设计了一款高增益、低副瓣、窄波束宽度且易于集成的微带阵列天线。该天线通过开槽技术提高天线的带宽;采用串并联混合的馈电网络,各阵元之间的电流幅值采用道尔夫-切比雪夫分布实现不等幅同相,从而抑制天... 详细信息

为提高车载雷达的抗干扰能力,设计了一款高增益、低副瓣、窄波束宽度且易于集成的微带阵列天线。该天线通过开槽技术提高天线的带宽;采用串并联混合的馈电网络,各阵元之间的电流幅值采用道尔夫-切比雪夫分布实现不等幅同相,从而抑制天线的副瓣电平,在阵元数更少的同时实现更高的增益。实测结果表明,阵列天线的阻抗带宽为23.73~24.56 GHz,最大增益可达22.73 dBi,在谐振频率处的E面和H面副瓣电平分别为-21.23 dB和-22.16 dB,实测结果与仿真结果有较好的一致性。该天线性能可靠、结构紧凑,可适用于24GHz车载雷达系统中。

关键词：微带阵列天线串并联混合馈电网络车载雷达高增益低副瓣

来源：评论

学校读者我要写书评

暂无评论

人工智能驱动的雷达通信一体化研究综述

引用

雷达学报 2025年 1-21页

作者：王先梅刘向博任语铮陆阳张海君北京科技大学计算机与通信工程学院北京100083 中国电力科学研究院北京102209

雷达通信一体化通过资源共享机制，在提高系统频谱利用率的同时实现了轻量化设计，广泛应用于空中交通管制、医疗监测、自动驾驶等领域。传统的雷达通信一体化算法通常依赖于精确的数学建模和信道估计，无法适应难以刻画的动态复杂环境... 详细信息

雷达通信一体化通过资源共享机制，在提高系统频谱利用率的同时实现了轻量化设计，广泛应用于空中交通管制、医疗监测、自动驾驶等领域。传统的雷达通信一体化算法通常依赖于精确的数学建模和信道估计，无法适应难以刻画的动态复杂环境。人工智能凭借其强大的学习能力直接从大量数据中自动学习特征，无需对数据进行显式建模，促进了雷达通信的深度融合。该文围绕人工智能驱动的雷达通信一体化研究展开系统的综述。具体而言，首先阐述了雷达通信一体化系统模型与核心问题。在此基础上，从雷达通信共存和双功能雷达通信一体化两个方面梳理了人工智能驱动的雷达通信一体化最新研究进展。最后，总结全文并对该领域潜在的技术挑战和未来的研究方向进行了展望。

关键词：人工智能雷达通信一体化机器学习干扰管控资源分配

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv8的无人机航拍图像目标检测算法

引用

计算机工程与应用 2025年第1期61卷 121-130页

作者：梁燕何孝武邵凯陈俊宏重庆邮电大学通信与信息工程学院重庆400065 信号与信息处理重庆市重点实验室重庆400065

针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EF... 详细信息

针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EFEM),避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法(dual cross-scale weighted feature-fusion,DCWF),融合多尺度信息的同时抑制噪声干扰,提升特征表达能力。通过构建一种参数共享检测头(parameter-shared detection header,PSDH),使回归和分类任务实现参数共享,保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度(P)和召回率(R)分别达到54.0%、42.5%;相比于原始YOLOv8s模型,mAP50提高了5.0个百分点,达到44.5%,且参数量减少了55.8%,仅有4.94×106;在DOTAv1.0遥感数据集上,mAP50达到71.9%,仍具有较好的泛化能力。

关键词：目标检测无人机航拍图像 YOLOv8 小目标特征融合

来源：评论

学校读者我要写书评

暂无评论

神经网络差分区分器的改进方案与应用

引用

西安电子科技大学学报 2025年第1期52卷 196-214页

作者：栗琳轲陈杰刘君西安电子科技大学通信工程学院陕西西安710071 河南省网络密码技术重点实验室河南郑州450001 陕西师范大学计算机科学学院陕西西安710119

为深入研究深度学习在密码安全性分析方面的应用,采用神经网络对轻量级分组密码进行差分分析,主要得到以下研究结果:①采用引入注意力机制的深度残差网络构造神经网络差分区分器,并将其应用于SIMON、SIMECK和SPECK 3类轻量级分组密码。... 详细信息

为深入研究深度学习在密码安全性分析方面的应用,采用神经网络对轻量级分组密码进行差分分析,主要得到以下研究结果:①采用引入注意力机制的深度残差网络构造神经网络差分区分器,并将其应用于SIMON、SIMECK和SPECK 3类轻量级分组密码。结果表明,SIMON32/64和SIMECK32/64有效区分器最高可达11轮,精度分别为0.5172和0.5164;SPECK32/64有效区分器最高可达8轮,精度为0.5868。②探究不同的输入差分对神经网络差分区分器精度的影响。针对SIMON、SIMECK和SPECK 3类密码,采用神经网络的快速训练得到不同输入差分对应的神经网络差分区分器的精度。结果表明,低汉明重量且高概率的输入差分能够提高神经网络差分区分器的精度。同时,寻找到SIMON32/64、SIMECK32/64和SPECK32/64神经网络差分区分器的合适输入差分分别为0x0000/0040、0x0000/0001和0x0040/0000。③探究包含不同信息量的输入数据格式对神经网络差分区分器精度的影响。根据密码算法的特点改变输入数据包含的信息量,并重新训练相应的神经网络差分区分器。结果表明,相比于只包含密文对信息,输入数据中包含密文对信息以及倒数第2轮差分信息的神经网络差分区分器会获得更高的精度。④在上述研究的基础上,进一步对11轮SIMON32/64进行最后一轮子密钥恢复攻击,当选择明密文对的数量为29时,在100次攻击中的攻击成功率可达100%。

关键词：神经网络密码学轻量级分组密码差分密码分析注意力机制神经网络差分区分器密钥恢复攻击

来源：评论

学校读者我要写书评

暂无评论

射电天文台址干扰的CTS特征识别方法

引用

西安电子科技大学学报 2025年第1期52卷 80-93页

作者：王丹洋朴春莹刘奇关磊李赞西安电子科技大学通信工程学院陕西西安710071 中国科学院新疆天文台新疆维吾尔自治区乌鲁木齐830011 新疆微波技术重点实验室新疆维吾尔自治区乌鲁木齐830011

无线电技术的蓬勃发展致使射电天文台址频繁遭遇射频电磁干扰,进而导致天文观测数据受到污染。针对射频干扰的时序非连续特性导致以原始IQ数据及其提取的统计特征作为残差神经网络输入的方法出现损失函数收敛难和识别准确率低的难题,文... 详细信息

无线电技术的蓬勃发展致使射电天文台址频繁遭遇射频电磁干扰,进而导致天文观测数据受到污染。针对射频干扰的时序非连续特性导致以原始IQ数据及其提取的统计特征作为残差神经网络输入的方法出现损失函数收敛难和识别准确率低的难题,文中提出了基于复合时间尺度特征的射频干扰识别方法。首先,在时频域进行高维映射以揭示数据隐含信息,并融合长短时特征以提升描述多样性。其次,搭建射频电磁干扰识别网络,网络包括三部分:深度卷积神经网络实现特征高效抽取;路径聚合网络融合浅层图形与深层语义特征;预测输出层则整合多尺度特征进行最终识别判断。实验结果表明,文中所提方法整体精度达到96%,相比于以原始IQ信号作为神经网络输入的整体准确率提升超过30%,有效解决了信号的时序非连续特性导致神经网络难以训练、性能较差的问题。

关键词：射频干扰神经网络干扰信号信号识别

来源：评论

学校读者我要写书评

暂无评论

面向多网联无人机的MADRL协同路径规划算法

引用

西安电子科技大学学报 2025年

作者：李安余传鑫陈成南昌大学信息工程学院先进信号处理与智能通信江西省重点实验室

针对多架网联无人机（Cellular-connected Unmanned Aerial Vehicle， CUAV）执行多个动态目标点巡航监测任务的协同路径规划问题，本文提出了一种基于多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning， MADRL)的协同动... 详细信息

针对多架网联无人机（Cellular-connected Unmanned Aerial Vehicle， CUAV）执行多个动态目标点巡航监测任务的协同路径规划问题，本文提出了一种基于多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning， MADRL)的协同动态目标分配与路径规划算法。具体而言，首先对多架CUAV对地通信系统环境建模，在CUAV与蜂窝网络通信连接约束、防碰撞等移动性约束下，构建多架CUAV任务完成总时间和总中断时间加权和最小化优化问题。然后把优化问题离散化并转为马尔可夫博弈。为解决所构建的组合优化问题，提出了基于深度确定性策略梯度(Deep Deterministic Policy Gradient， DDPG)的系列算法有效地处理CUAV之间的合作与竞争关系，且引入一个共享经验池，以提高算法的稳定性和学习效率；最后通过仿真实验验证了所提出的MADRL框架在多架CUAV协同路径规划的可行性、有效性和鲁棒性。研究表明：多智能体双延迟-确定策略梯度算法（multi-agent twin delayed deep deterministic policy gradient algorithm，MATD3）算法在动态目标位置的协同目标分配与路径规划中具有更好的效果。

关键词：无人机强化学习网联无人机多智能体深度强化学习路径规划动态目标分配

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的时序数据异常检测研究综述

引用

信息网络安全 2025年第3期 364-391页

作者：陈红松刘新蕊陶子美王志恒北京科技大学计算机与通信工程学院北京100083 材料领域知识工程北京市重点实验室北京100083

时序数据异常检测是数据挖掘及网络安全领域的重要研究课题。文章以时序数据异常检测技术为研究对象,运用文献调研与比较分析方法,深入探讨了深度学习模型在该领域的应用及其研究进展。文章首先介绍了深度时序数据异常检测的定义与应用... 详细信息

时序数据异常检测是数据挖掘及网络安全领域的重要研究课题。文章以时序数据异常检测技术为研究对象,运用文献调研与比较分析方法,深入探讨了深度学习模型在该领域的应用及其研究进展。文章首先介绍了深度时序数据异常检测的定义与应用;其次,提出了深度时序数据异常检测面临的9个问题与挑战,并将时序数据异常分为10类,枚举了16种典型的时序数据异常检测数据集,其中包括5种社交网络舆情安全领域相关数据集;再次,文章将深度时序数据异常检测模型进行分类研究,分析总结了近50个相关模型,其中包括基于半监督增量学习的社交网络不良信息发布者异常检测,进一步地,文章依据深度学习模型的学习模式将模型划分为基于重构、基于预测、基于重构与预测融合3种类型,并对这些模型的优缺点及应用场景进行综合分析;最后,文章从8个方面展望了深度时序异常检测技术的未来研究方向,分析了每个方向的潜在研究价值及技术瓶颈。

关键词：深度学习时序数据异常检测模型分类社交网络

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：