检索结果-内蒙古大学图书馆

大学数学 2025年第2期41卷 68-74页

作者：谭晓青吕善翔暨南大学信息科学技术学院广州510632

通过梳理课程的知识图谱及学习脉络,提出以通信系统数学模型为核心、结合通信系统工程应用技术的教学新模式.在课程教学改革实践中,基于通信系统数学模型的形式化语言,结合通信系统的工程应用实践,分析信息在通信系统中的传输与处理过程... 详细信息

通过梳理课程的知识图谱及学习脉络,提出以通信系统数学模型为核心、结合通信系统工程应用技术的教学新模式.在课程教学改革实践中,基于通信系统数学模型的形式化语言,结合通信系统的工程应用实践,分析信息在通信系统中的传输与处理过程,使学生深度理解工程应用实践与理论形式化描述的关系,并设计了课程目标达成度评价表.

关键词：信息论与编码通信系统数学模型交叉学科 CDIO-OBE

来源：评论

学校读者我要写书评

暂无评论

一种面向弹载应用的多模谐振层叠微带贴片天线

引用

微波学报 2025年第2期41卷 58-66页

作者：邱鑫杨汶汶陈建新李业南通大学信息科学技术学院南通226019

为减小弹载天线对弹体飞行的影响,同时满足导弹高速通信的需求,弹载天线需具有小型化、嵌入弹体与弹体共形以及宽带工作等特性。文中提出了一种适用于弹载应用的多模谐振层叠微带贴片天线,采用高介电常数的陶瓷介质基板以实现天线的小型... 详细信息

为减小弹载天线对弹体飞行的影响,同时满足导弹高速通信的需求,弹载天线需具有小型化、嵌入弹体与弹体共形以及宽带工作等特性。文中提出了一种适用于弹载应用的多模谐振层叠微带贴片天线,采用高介电常数的陶瓷介质基板以实现天线的小型化,并且通过底层基板上的两块U形贴片和一块环形贴片以及顶层基板上的两块矩形辐射贴片,共提供了四个工作模式组成宽带。考虑到天线嵌入载体实现共形的要求,引入金属腔紧密包围天线,并且通过调控叠层的厚度比,使得不同模式之间获得良好的耦合。最终,文中所提出的天线在目标频段内通过四个耦合良好的工作模式实现了目标频带的覆盖,并且展现出了较好的交叉极化水平。实测结果表明天线在三维尺寸为35.0 mm×35.0 mm×6.9 mm的条件下,实现了在L波段内1.45 GHz~1.55 GHz(相对带宽为6.7%)的-10 dB的带宽覆盖,并且H面主瓣3 dB波束宽度内交叉极化水平优于-21 dB。

关键词：层叠贴片天线弹载天线共形天线小尺寸宽带

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的仿射频分复用接收机设计

引用

无线电工程 2025年第4期55卷 739-748页

作者：黄鹏飞李强暨南大学信息科学技术学院广东广州510632

针对双选择性衰落信道下的仿射频分复用(Affine Frequency Division Multiplexing,AFDM)设计了基于深度学习的接收机。构建深度神经网络(Deep Neural Network,DNN),使用训练数据对DNN进行离线训练,在线部署在接收机上以输出传输的比特... 详细信息

针对双选择性衰落信道下的仿射频分复用(Affine Frequency Division Multiplexing,AFDM)设计了基于深度学习的接收机。构建深度神经网络(Deep Neural Network,DNN),使用训练数据对DNN进行离线训练,在线部署在接收机上以输出传输的比特。仿真结果表明,当导频和数据之间存在保护间隔时,基于深度学习的接收机能够达到传统信道估计的误比特率(Bit Error Rate,BER)性能。当导频和数据间的保护间隔缩减时,基于深度学习的接收机的BER性能优于传统的信道估计方案。在存在导频-数据干扰的情况下,该接收机比现有方案更具鲁棒性。

关键词：仿射频分复用深度神经网络双选择性衰落信道信道估计符号检测

来源：评论

学校读者我要写书评

暂无评论

基于互相关和旋转约束的视觉惯性里程计在线时间校准算法

引用

计算机应用研究 2025年第1期42卷 288-292页

作者：蒙军杰熊军林中国科学技术大学信息科学技术学院合肥230026

在融合相机和惯性测量单元(IMU)的数据推测机器人的运动轨迹时,传感器测量记录的时间点对用于估计轨迹的视觉惯性里程计(VIO)的鲁棒性和准确性至关重要。然而,由于传感器数据到达接收端的延迟存在差异,图像数据流和IMU数据流之间通常存... 详细信息

在融合相机和惯性测量单元(IMU)的数据推测机器人的运动轨迹时,传感器测量记录的时间点对用于估计轨迹的视觉惯性里程计(VIO)的鲁棒性和准确性至关重要。然而,由于传感器数据到达接收端的延迟存在差异,图像数据流和IMU数据流之间通常存在不可避免的时间偏置,为此提出了一种基于互相关和旋转对齐的视觉惯性里程计在线时间校准的算法。首先使用对极几何和预积分算法分别得到相机和IMU各自的相对位姿,并计算出相机的角速度;然后根据相机与IMU的角速度进行互相关计算,得到初步的时间偏置估计;最后利用相机和IMU相对位姿进行旋转约束,通过优化误差函数得到更精确的相对时间偏置估计,该时间偏置值随后用于平移传感器的时间轴以进行校准。实验表明,该算法能够减缓时间偏置对里程计精度带来的影响,并使得VIO能够在具有更大时间偏置范围的数据流下稳定运行。

关键词：在线时间校准旋转约束视觉惯性里程计

来源：评论

学校读者我要写书评

暂无评论

面向机器学习的自动化特征工程研究综述

引用

计算机应用与软件 2025年第1期42卷 1-10,40页

作者：刘玉琳白杨崔斌黎洋北京大学信息科学技术学院北京100871

自动化特征工程是一种无须人为干预且高效的特征工程解决方案,是当前机器学习研究领域的热点问题之一。为了更好地帮助用户使用自动化特征工程方法构建高质量特征,在特征生成、特征选择、系统实现三个方面对当前自动化特征工程方法的技... 详细信息

自动化特征工程是一种无须人为干预且高效的特征工程解决方案,是当前机器学习研究领域的热点问题之一。为了更好地帮助用户使用自动化特征工程方法构建高质量特征,在特征生成、特征选择、系统实现三个方面对当前自动化特征工程方法的技术特点以及存在的不足进行总结分析与归纳,并在已有分析的基础上,指出自动化特征工程的未来研究方向以及面临的问题和挑战。

关键词：自动化特征工程特征生成特征选择系统实现机器学习

来源：评论

学校读者我要写书评

暂无评论

自适应聚类中心个数选择:一种联邦学习的隐私效用平衡方法

引用

电子与信息学报 2025年第2期47卷 519-529页

作者：宁博宁一鸣杨超周新李冠宇马茜大连海事大学信息科学技术学院大连116026 国网辽宁省电力有限公司信息通信分公司沈阳110000

联邦学习是一种分布式机器学习方法,它使多个设备或节点能够协作训练模型,同时保持数据的本地性。但由于联邦学习是由不同方拥有的数据集进行模型训练,敏感数据可能会被泄露。为了改善上述问题,已有相关工作在联邦学习中应用差分隐私对... 详细信息

联邦学习是一种分布式机器学习方法,它使多个设备或节点能够协作训练模型,同时保持数据的本地性。但由于联邦学习是由不同方拥有的数据集进行模型训练,敏感数据可能会被泄露。为了改善上述问题,已有相关工作在联邦学习中应用差分隐私对梯度数据添加噪声。然而在采用了相应的隐私技术来降低敏感数据泄露风险的同时,模型精度和效果因为噪声大小的不同也受到了部分影响。为解决此问题,该文提出一种自适应聚类中心个数选择机制(DP-Fed-Adap),根据训练轮次和梯度的变化动态地改变聚类中心个数,使模型可以在保持相同性能水平的同时确保对敏感数据的保护。实验表明,在使用相同的隐私预算前提下DP-Fed-Adap与添加了差分隐私的联邦相似算法(FedSim)和联邦平均算法(FedAvg)相比,具有更好的模型性能和隐私保护效果。

关键词：联邦学习差分隐私保护梯度聚类自适应选择

来源：评论

学校读者我要写书评

暂无评论

SSFYOLO:一种面向复杂森林场景的树干检测算法

引用

北京林业大学学报 2025年第2期47卷 132-142页

作者：杨灿范习健张九于南京林业大学信息科学技术学院人工智能学院江苏南京210037

【目的】因为在复杂环境下树干目标尺寸差距大且易受遮挡,所以树干检测容易出现漏检、错检等问题。为有效解决这个问题,提出一种基于单阶段目标检测框架的树干检测算法SSFYOLO。【方法】首先,设计了空间感知网络模块SAM。SAM模块能够高... 详细信息

【目的】因为在复杂环境下树干目标尺寸差距大且易受遮挡,所以树干检测容易出现漏检、错检等问题。为有效解决这个问题,提出一种基于单阶段目标检测框架的树干检测算法SSFYOLO。【方法】首先,设计了空间感知网络模块SAM。SAM模块能够高效处理多尺度和多分辨率的特征信息,在保证计算效能的同时,实现对各类特征的充分整合与精确提取,提高目标检测的准确性和效率。其次,设计多尺度特征增强自适应网FastScaleNet,用于替代YOLO模型中的C2f结构。FastScaleNet通过更为精细的多尺度特征融合与优化,并且利用跳跃连接和特征融合策略,有效保留不同层次的特征信息,增强模型对不同尺度目标的表达能力,提升模型的稳健性和广泛适用性。最后,引入加权IoU(WIoU)机制,实现对小目标损失权重的动态优化。WIoU机制根据目标尺寸的不同,动态调整损失权重,使模型在面对小尺寸目标时,能够灵活调整参数,从而灵活适应不同尺寸目标的检测需求,进一步提高小目标检测的准确性和鲁棒性。【结果】对复杂场景下树干数据集进行检测实验,与主流检测算法YOLOv8相比,SSFYOLO算法在缩小参数量的同时,具有更好的检测精度,其参数量减少了20%,平均精度均值(mAP)和召回率分别提升了1.6和0.7个百分点。【结论】本研究设计了面向复杂森林场景的树干检测算法SSFYOLO。SSFYOLO算法在复杂环境树干检测中表现出色,具有广阔的应用前景。

关键词：目标检测深度学习深度卷积神经网络特征提取计算机视觉树干检测复杂场景

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉的小型光伏电站鸟粪监测系统

引用

计算机应用与软件 2025年第4期42卷 57-62页

作者：王松顾翔王强南通大学信息科学技术学院江苏南通226000

为了准确、高效地识别和定位小型光伏电站上的鸟粪,将改进后的YOLOv5模型搭载到树莓派开发板上构成一套光伏电站鸟粪检测系统。调低置信度阈值识别所有可疑鸟粪,识别并划分出单块光伏板,调高置信度阈值对有可疑鸟粪的光伏板进行精准鸟... 详细信息

为了准确、高效地识别和定位小型光伏电站上的鸟粪,将改进后的YOLOv5模型搭载到树莓派开发板上构成一套光伏电站鸟粪检测系统。调低置信度阈值识别所有可疑鸟粪,识别并划分出单块光伏板,调高置信度阈值对有可疑鸟粪的光伏板进行精准鸟粪识别。为了使YOLOv5算法更适用于鸟粪目标的检测,在原YOLOv5算法中融合金字塔分割注意力模块,增加小目标检测层,用SoftPool替换原有池化操作。在测试集上,针对光伏板识别的PV-YOLOv5模型的mAP_0.5为96.78%,比Faster-RCNN高2.35百分点;针对鸟粪识别的NF-YOLOv5的mAP_0.5为94.12%,较原YOLOv5模型提升5.8百分点。

关键词：鸟粪光伏电站机器视觉 YOLOv5 树莓派

来源：评论

学校读者我要写书评

暂无评论

基于线路动态划分与门序重组的量子线路映射方法

引用

量子电子学报 2025年第1期42卷 136-147页

作者：姜一博陈子禄程学云管致锦南通大学信息科学技术学院江苏南通226019

在噪声中等尺度量子(NISQ)时代,量子芯片中量子位的受限连接导致量子线路中双量子位门无法直接执行。因此,将逻辑量子线路映射至量子芯片并使双量子位门可直接执行具有重要意义。本文提出基于线路动态划分与门序重组的量子线路映射方法... 详细信息

在噪声中等尺度量子(NISQ)时代,量子芯片中量子位的受限连接导致量子线路中双量子位门无法直接执行。因此,将逻辑量子线路映射至量子芯片并使双量子位门可直接执行具有重要意义。本文提出基于线路动态划分与门序重组的量子线路映射方法,并基于ZX演算对交换规则进行等价性验证。该方法将线路动态划分为三层,并在映射过程中于基准门后设置移动窗口,采取左贪心的移动方式通过交换规则重组门序,从而减少映射过程中附加门数量。实验结果表明,相比于现有映射方法,本文所提方法所需附加门数量更少,平均优化率为24%,最大优化率为46%。

关键词：量子计算量子映射交换规则等价性验证代价优化

来源：评论

学校读者我要写书评

暂无评论

直升机瞬变电磁法组合波脉冲电流源研究

引用

仪表技术与传感器 2025年第3期 43-47页

作者：张栋张一鸣王旭红崔龙飞李永亮北京工业大学信息科学技术学院

为了提高直升机瞬变电磁(HTEM)系统的发射频带宽度,基于LC串联谐振原理和高压钳位技术,提出了一种新型组合波脉冲电流源。给出了脉冲电流源的时序控制方法,并对电路模态及参数计算过程进行了详细分析。所提脉冲电流源直接由直升机机载... 详细信息

为了提高直升机瞬变电磁(HTEM)系统的发射频带宽度,基于LC串联谐振原理和高压钳位技术,提出了一种新型组合波脉冲电流源。给出了脉冲电流源的时序控制方法,并对电路模态及参数计算过程进行了详细分析。所提脉冲电流源直接由直升机机载电源驱动,具有简单可靠、高效节能的特点。搭建实验样机并进行测试,实验结果表明:半正弦波的峰值电流达到890 A;而梯形波的峰值电流为50 A,下降沿时间仅为67μs。该电流源实现了在半个发射周期内先后发射高幅值半正弦波和快关断梯形波,有助于提高HTEM系统的探测深度与浅部分辨率,在航空电磁探测领域具有广阔应用前景。

关键词：直升机瞬变电磁法脉冲电流源 LC串联谐振高压钳位

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：