检索结果-内蒙古大学图书馆

信号处理 2025年第4期41卷 683-693页

作者：胡正平王雨露张琦明许凌峰陈代萍燕山大学信息科学与工程学院河北秦皇岛066004 燕山大学河北省信息传输与信号处理重点实验室河北秦皇岛066004

基于骨骼数据的人体动作识别方法因其能够消除与动作无关的视觉信息来降低训练复杂性越来越受到人们关注,然而大规模骨骼动作数据收集和注释面临挑战,基于骨骼的单样本动作识别旨在仅用单个训练样本识别人体动作,可以使机器人对新颖动... 详细信息

基于骨骼数据的人体动作识别方法因其能够消除与动作无关的视觉信息来降低训练复杂性越来越受到人们关注,然而大规模骨骼动作数据收集和注释面临挑战,基于骨骼的单样本动作识别旨在仅用单个训练样本识别人体动作,可以使机器人对新颖动作类别积极反应改善人机交互。针对基于卷积神经网络编码器进行人类活动分类数据稀缺问题,考虑将单样本动作识别问题表述为骨骼序列紧凑表示和深度度量学习范式,基于自注意力Transformer机制和空间解耦约束重新审视骨骼动力学图像建模向新颖活动类别传输,提出多维感知-空间解耦单样本人体动作识别模型。首先,将3D骨骼序列坐标映射为紧凑图像表示;其次,基于骨干网络将输入投影到低维特征空间,提取初级动作特征;接着,设计融合多层感知机与Transformer的嵌入编码器,在嵌入空间中捕捉关节时间空间依赖关系,增强模型对时空信息感知能力,得到高层次多维嵌入特征;然后,基于最近邻搜索完成样本间相似性度量;最后,结合多相似性损失、三元组边界损失、交叉熵损失和空间解耦损失的混合深度度量学习优化模型。实验在公共大规模数据集NTU RGB+D 120上进行评估,提出方法较Skeleton-DML提高3.8%,在使用40个训练类别时较Skeleton-DML提高7.5%。研究表明,提出方法能够在数据稀缺情况下充分利用骨骼序列紧凑表示信息,提高单样本动作识别匹配精度。

关键词：动作识别单样本学习度量学习 Transformer 空间解耦

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

基于双天线谱估计的GNSS干扰源测向定位

引用

导航定位学报 2025年第2期13卷 118-125页

作者：胡铁乔梁永超中国民航大学天津市智能信号与图像处理重点实验室天津300300

针对全球卫星导航系统(GNSS)受到干扰会对民航飞行导航造成严重的影响,且传统监测设备体积大、干扰源定位过程繁琐等问题,对课题组设计的无线电采集设备进行二次开发,设计实现GNSS干扰源实时定位系统:系统由采集处理端和监测端组成,具... 详细信息

针对全球卫星导航系统(GNSS)受到干扰会对民航飞行导航造成严重的影响,且传统监测设备体积大、干扰源定位过程繁琐等问题,对课题组设计的无线电采集设备进行二次开发,设计实现GNSS干扰源实时定位系统:系统由采集处理端和监测端组成,具有采集处理模式、高速数据传输模式、回溯模式和空闲模式;采集处理模式和回溯模式包括测向算法模块,用于解算干扰来向;根据测向的结果,使用交叉定位法对干扰源实现定位,并将定位结果显示在上位机定位界面的地图中。实验结果表明,通过对全球定位系统(GPS)的L1频段连续波干扰信号和周期脉冲干扰信号分别测向定位测试,系统定位成功率可为96.43%,定位最大误差均值在13.64 m,验证了该系统的实时性和可靠性。

关键词： ZYNQ-7020芯片 AD9361射频收发芯片全球卫星导航系统(GNSS) 交叉定位法阵列天线

来源：评论

学校读者我要写书评

暂无评论

近场毫米波雷达非视距全息成像算法

引用

火力与指挥控制 2025年第1期50卷 33-40页

作者：蒋留兵黄乾超车俐桂林电子科技大学信息与通信学院广西桂林541004 广西无线带宽与信号处理重点实验室广西桂林541004

非视距雷达成像技术旨在重建障碍物干扰下的隐藏目标,在自动驾驶、区域安防等领域具有极大的应用潜力。基于多输入多输出毫米波雷达,提出一种利用多径反射信号反演雷达视线外隐藏目标散射特性的二维成像技术。该方案采用高精度导轨搭载M... 详细信息

非视距雷达成像技术旨在重建障碍物干扰下的隐藏目标,在自动驾驶、区域安防等领域具有极大的应用潜力。基于多输入多输出毫米波雷达,提出一种利用多径反射信号反演雷达视线外隐藏目标散射特性的二维成像技术。该方案采用高精度导轨搭载MIMO毫米波雷达扫描合成2-D等效均匀阵列,利用多径反射回波重构隐藏目标图像。此外,建立NLOS成像模型并提出一种基于2-D波数域算法和镜面对称的高精度成像方法。在该方法中通过对隐藏目标的横断面成像提取NLOS目标以及反射墙面的先验知识,利用先验知识结合镜面对称原理,实现NLOS目标冠状面高精度聚焦获得目标轮廓。通过NLOS毫米波成像系统验证了所提算法的有效性。

关键词：非视距成像毫米波雷达波数域成像合成孔径

来源：评论

学校读者我要写书评

暂无评论

基于联合ICA和CNN的时频重叠信号识别

引用

电讯技术 2025年

作者：周尚聪张勇李东芳张钟浩王柳成都信息工程大学通信工程学院电子科技大学通信抗干扰国家重点实验室气象信息与信号处理四川省高校重点实验室

由于无线通信信道的开放性，通信信号在传输过程中容易受到各类自然或人为干扰影响，通信信号和干扰信号交织形成时频重叠信号，在低干信比条件下，传统信号识别方法性能不佳。针对这一问题，提出一种时频重叠信号识别方法(Overlapping ... 详细信息

由于无线通信信道的开放性，通信信号在传输过程中容易受到各类自然或人为干扰影响，通信信号和干扰信号交织形成时频重叠信号，在低干信比条件下，传统信号识别方法性能不佳。针对这一问题，提出一种时频重叠信号识别方法(Overlapping Signals Recognition on ICA and CNN， OSR- IC)，该方法基于独立成分分析(Independent Component Analysis， ICA)算法和通道注意力机制(Channel Attention， CA)的卷积神经网络(Convolutional Neural Network， CNN)。该方法使用ICA算法将时频重叠信号分解为通信信号和干扰信号，通过快速傅里叶变换获得通信信号和干扰信号频谱图，以两类信号频谱图作为CNN网络的输入，引入通道注意力机制获取每个通道的权重进而改进网络特征表达能力，使用改进后的CNN网络对干扰信号进行识别。仿真实验表明，在干噪比为0dB时，所提出的方法对干扰信号的识别率可达94%及以上，相比传统神经网络方法有更优的性能。

关键词：时频重叠干扰信号识别独立成分分析通道注意力机制卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的雷达有源干扰开集识别和未知干扰聚类方法

引用

电波科学学报 2025年第2期40卷 261-275页

作者：关中意兰岚朱圣棋李西敏康梦特西安电子科技大学雷达信号处理全国重点实验室西安710071 中国人民解放军95885部队西安710089

针对复杂电磁环境下雷达对未知类型有源干扰识别问题,提出了一种基于深度学习的雷达有源干扰开集识别与未知干扰聚类方法。首先,通过引入残差模块、Inception模块、注意力机制模块,设计了基于多层通道注意力机制的雷达有源干扰识别网络... 详细信息

针对复杂电磁环境下雷达对未知类型有源干扰识别问题,提出了一种基于深度学习的雷达有源干扰开集识别与未知干扰聚类方法。首先,通过引入残差模块、Inception模块、注意力机制模块,设计了基于多层通道注意力机制的雷达有源干扰识别网络;然后,使用干扰信号的时频图和距离-多普勒图构成两个输入分支,根据各自识别概率分布得到相对熵作为识别结果的置信度,并通过识别概率分布最大索引和相对熵的投票设置阈值,实现了对未知类型干扰的开集识别;最后,通过对深度学习网络映射得到的特征主成分进行分析,降维提取其占比超过95%的特征参数,设计了数据自适应的空间聚类算法,实现了对未知类型干扰的聚类。仿真数据将14种干扰信号划分为8种已知干扰和6种未知干扰,在干噪比大于5 dB的条件下可实现大于91.4%的有源干扰开集识别,并对未知干扰进行有效聚类。

关键词：雷达有源干扰识别深度学习开集识别干扰聚类

来源：评论

学校读者我要写书评

暂无评论

一种多尺度循环残差注意的单幅图像去雨方法

引用

计算机应用与软件 2025年第2期42卷 236-240,279页

作者：刘邱铃周刚乔敏新疆大学信息科学与工程学院信号检测与处理重点实验室新疆乌鲁木齐830000

目前基于卷积神经网络的去雨方法,存在雨纹残留、图像模糊等问题。为此提出一种基于多尺度特征提取和循环残差注意的单幅图像去雨方法。通过构建多尺度拉普拉斯金字塔得到多尺度特征图,再设计循环残差注意模块加强阶段间联系、提取深度... 详细信息

目前基于卷积神经网络的去雨方法,存在雨纹残留、图像模糊等问题。为此提出一种基于多尺度特征提取和循环残差注意的单幅图像去雨方法。通过构建多尺度拉普拉斯金字塔得到多尺度特征图,再设计循环残差注意模块加强阶段间联系、提取深度特征、增强重要特征权重,更好地去除雨纹并保留了图像细节。实验结果表明,该方法的去雨效果优于其他去雨算法。

关键词：卷积神经网络单幅图像去雨多层拉普拉斯金字塔多尺度特征图循环残差注意模块

来源：评论

学校读者我要写书评

暂无评论

双流运动建模-循环一致性对齐小样本动作识别算法

引用

燕山大学学报 2025年第1期49卷 83-94页

作者：胡正平董佳伟王昕宇燕山大学信息科学与工程学院河北秦皇岛066004 燕山大学河北省信息传输与信号处理重点实验室河北秦皇岛066004

针对不同场景下动作时空分布不同导致视频对齐困难,进而影响视频识别准确度问题,提出对双流特征进行运动建模和循环一致性对齐的小样本动作识别方法,能够在全局帧和局部块双尺度特征建模和对齐高维运动表示。首先基于双流特征设计了运... 详细信息

针对不同场景下动作时空分布不同导致视频对齐困难,进而影响视频识别准确度问题,提出对双流特征进行运动建模和循环一致性对齐的小样本动作识别方法,能够在全局帧和局部块双尺度特征建模和对齐高维运动表示。首先基于双流特征设计了运动建模框架,重塑视频序列中动作表示的时空联系,实现对视频动作的准确定位和语义性捕获;然后,为帮助模型学习动作间时空对应关系,引入循环一致性对齐机制,利用软最近邻查询的方法,高效对齐视频动作,显著改善了视频动作的错位问题;最后,结合基于注意力机制的时域交叉匹配模块,对动作类别进行推理分类。实验结果表明,该算法在SSv2、HMDB51、UCF101上分别达到68.6%、77.7%和96.9%的识别精度,实现了对视频动作的有效识别。

关键词：小样本学习动作识别双流网络注意力机制循环一致性对齐

来源：评论

学校读者我要写书评

暂无评论

基于2D-3D卷积神经网络的情绪识别模型

引用

燕山大学学报 2025年第1期49卷 66-73页

作者：杨朋辉杨长青刘静崔冬燕山大学信息科学与工程学院河北秦皇岛066004 燕山大学河北省信息传输与信号处理重点实验室河北秦皇岛066004

基于脑电信号的情绪识别是人机交互的重要部分,本文将二维卷积神经网络、三维卷积神经网络、深度可分离卷积进行结合,提出一种基于2D-3D卷积神经网络(2-3DCNN)模型,从时间、空间、频率三个方面进行特征提取。在网络中引入SE-ResNet网络... 详细信息

基于脑电信号的情绪识别是人机交互的重要部分,本文将二维卷积神经网络、三维卷积神经网络、深度可分离卷积进行结合,提出一种基于2D-3D卷积神经网络(2-3DCNN)模型,从时间、空间、频率三个方面进行特征提取。在网络中引入SE-ResNet网络、深度残差收缩网络和Xception网络,挖掘脑电信号中更能显著反映情感变化的空间、时间和频率信息。本文在DEAP公共情感数据集上做性能测试,结果表明,2-3DCNN在唤醒度和效价的两个分类任务上的识别准确率分别达到了97.59%和97.21%,比目前最先进的模型分别高出2.36%和1.34%。

关键词：情绪识别脑电信号卷积神经网络深度残差收缩网络深度可分离卷积

来源：评论

学校读者我要写书评

暂无评论

采用双塔Transformer模型的APT攻击序列检测方法

引用

信息工程大学学报 2025年第2期26卷 231-237页

作者：汪一帆徐正国陆路希信息工程大学河南郑州450001 信号盲处理全国重点实验室四川成都610041

现有APT检测研究多针对APT攻击部分阶段数据,缺少对完整APT攻击阶段的上下文关联分析。为解决上述挑战,结合主机侧和网络侧数据,构建包含APT完整阶段的多变量时序数据集,提出一种基于特征选择和双塔Transformer模型的APT攻击序列检测方... 详细信息

现有APT检测研究多针对APT攻击部分阶段数据,缺少对完整APT攻击阶段的上下文关联分析。为解决上述挑战,结合主机侧和网络侧数据,构建包含APT完整阶段的多变量时序数据集,提出一种基于特征选择和双塔Transformer模型的APT攻击序列检测方法。首先,利用特征优选模块,筛选出重要特征子集作为输入;其次,采用双塔结构,从时间维度上捕获APT攻击序列前后时刻状态间的关联信息,从特征维度上挖掘特征变量间的隐含关系;最后,引入门控结构,连接合并双塔的权重,自适应地融合APT攻击序列在时间维度和特征维度的隐含信息,以达到提升检测性能的目的。实验结果表明,与循环神经网络(RNN)、长短时记忆网络(LSTM)和Transformer模型相比,该方法表现更好,检测准确率达到95.42%。

关键词： APT检测特征选择 Transformer模型多变量时序分析

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：