低轨卫星微弱信号检测技术与方法
韦毕胜;蒋瑞红;王帆;莫锦聪;孙奥林;彭木根;随着空天地一体化网络与6G通信快速发展，低轨(Low Earth Orbit, LEO)卫星凭借全球覆盖与低时延优势，成为泛在通信的核心支撑。然而，星地链路常面临超低信噪比(Signal to Noise Ratio, SNR)、强多普勒频移与终端资源受限等挑战，微弱信号检测成为关键瓶颈。系统梳理了微弱信号检测技术发展脉络，对比分析了传统信号处理方法与人工智能(Artificial Intelligence, AI)驱动技术的原理与适用性：传统方法计算效率高、易于部署，但对高动态和非平稳噪声适应性不足；AI驱动技术实现特征自学习，提升复杂场景检测精度，但对标注数据集和算力需求较高。探讨了信号增强、数据集构建与特征提取、轻量化模型、实时优化算法设计及软硬件协同等关键技术，凝练出核心挑战，展望融合智能感知与边缘计算的未来检测范式，为LEO卫星通信系统的算法优化与工程部署提供参考。
面向5G-A低慢小目标检测的曲线拟合拆峰技术
傅嘉佳;王杰;施赛楠;无人机作为低空经济支柱产业，具有目标小、飞行高度低、速度慢、易被复杂城市环境遮挡等探测难点。为了有效检测低慢小(Low, Slow, and Small, LSS)无人机目标，分析了5G-A低空场景的雷达回波特点，提出了一种基于曲线拟合拆峰的检测技术。在待检测距离单元提取多普勒频谱，通过平滑导数寻峰法获取频谱曲线的峰数目及其峰位；利用单元平均恒定虚警率(Cell-Averaging Constant False Alarm Rate, CA-CFAR)门限排除噪声峰位，保留有效峰位；拟合得出有效峰的峰位、峰高和峰宽等；通过判断是否存在非零频有效峰来检测目标的存在与否，并依此获取目标距离和速度。外场试验结果表明，相比于传统CA-CFAR以及动目标显示(Moving Target Indicator, MTI)后的CA-CAFR,所提算法具有更好的检测性能。
面向组网雷达的分布式多机航迹欺骗策略研究
赵一泽;赵珊珊;刘子威;当突防的干扰机资源少于组网雷达中的雷达数量时，干扰机在与多个雷达的延长线上通过距离欺骗产生的假目标点迹难以对组网雷达产生有效的干扰。为实现“以少制多”的战略要求，在此基础上分时加入一定的角度欺骗，通过详定的参数设计及场景规划，在组网雷达的主瓣波束内产生符合真实目标运动规律的假目标，使得雷达网真假难辨。通过仿真验证，提前预设出假目标的航迹信息，以运动学约束为限制条件，最大化欺骗距离为优化目标，设计多干扰机的运动轨迹。设计出的干扰机航迹能够通过组网雷达的“同源检测”,可以达到以假乱真的效果。
YOLOX同步特征融合网络及其遥感目标检测
范清华;张著洪;鉴于光学遥感影像下目标检测易出现定位差、检测准确率低等问题，提出基于YOLOX的轻量级改进型目标检测模型与算法。在结构网络设计中，基于细节偏向特征金字塔网络，提出能充分利用浅层细节信息、关注重要通道特征且能高效传递浅层网络的定位信息和边缘特征的同步特征融合网络；在检测头部分，通过结合高分辨率检测头对小目标检测的优势以及检测头对增强边界框回归任务的需要，将检测头改进为回归增强和特征增强检测头，解决因小目标语义信息缺失导致漏检的问题，提高边界框回归的推理能力。通过建立改进型SIoU损失函数关注边界框间距离和形状差异，提高目标定位精度。基于遥感数据集DIOR和RSOD的比较性实验结果表明，所提模型不仅在参数量相对较少的情形下回归损失较小，而且对不同尺寸下目标的检测精度高。
基于动态低秩张量分解PLS的信道估计算法研究
袁伟康;李大鹏;随着5G/6G向高速移动场景深化部署，高多普勒频移和导频稀疏化导致信道估计误差剧增，传统方法如最小二乘(Least Square, LS)、线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)等依赖静态统计特性难以适应时变特性，性能显著受限。为此，提出一种动态低秩张量分解联合偏LS(Dynamic Low-rank Tensor Decomposition combined with Partial LS,DLRTD-PLS)算法，通过递归更新的张量分解跟踪信道时变特性，结合频域平滑和多径稀疏双正则化约束抑制噪声干扰，并利用PLS优化潜变量投影以提升估计的鲁棒性。理论上，算法取得了更低的计算复杂度，避免了传统方法的求逆运算。仿真证明，在信噪比(Signal to Noise Ratio, SNR)为5 dB,多普勒频移1 kHz场景下，所提算法均方误差(Mean Square Error, MSE)较LS降低了75%,内存占用仅为Kalman滤波的0.65%,且在低导频密度的情况下相较于基追踪(Basis Pursuit, BP)算法可以取得更低的误差。该算法为空天地一体化网络中高动态信道实时估计提供了新思路，可以进一步应用于边缘轻量化部署场景，具有较高的工程应用价值。
RIS辅助的SC-LDPC乘积码中继协作码的构造与交替译码研究
杨晨;张顺外;针对基于可重构智能表面（RIS）辅助的空间耦合低密度奇偶校验（SC-LDPC）乘积码中继协作展开研究。信源节点通过SC-LDPC乘积码对信息矩阵行编码，并通过中继节点对信息矩阵列编码；为进一步提升编码增益，采用基于复制与掩码（R&M）代数构造方法对SC-LDPC码的校验矩阵消环设计。该方法通过系统性地消除校验矩阵中的短环结构，显著提升了码字的围长，降低了误码平层。目的节点对接收的两路信号进行SC-LDPC乘积码行译码与列译码的交替译码，在译码过程中实现信息充分交互。该译码方法通过在行与列两个维度之间实时交换软信息，使译码器能够更早地识别并纠正潜在错误，从而有效提升了迭代收敛速度与译码可靠性。仿真结果表明，基于R&M代数构造的SC-LDPC乘积码相较于一般SC-LDPC乘积码具有更优性能；列译码和行译码的信息交互也有助于提高译码效率，降低误码率。
基于多模态融合的雷达调制识别
王子谦;尹良;在雷达调制识别研究中，针对当前多模态融合方法存在的特征倾斜和模态不对齐的问题，以及调制识别模型在多信号时频重叠的复杂电磁环境下识别性能不佳的问题，提出了一种基于多模态特征对齐与深度融合的调制识别模型。构建了包含随机调制参数及多信号时频重叠的复杂电磁环境数据集；设计了多模态融合模型，提取信号与时频特征，并通过引入对比学习与匹配学习损失函数，实现各模态特征在统一嵌入空间的对齐与充分融合；提出了一种将多模态融合模型接入识别模型的方法，并结合可变形注意力机制，使各模态特征在多尺度进行交互。实验结果表明，提出的模型显著优于主流识别模型，与基线模型相比，提出的模型在所有信噪比下的平均mAP50-95性能达到94.78%（+0.6%），且在低信噪比下性能提升1.23%。
大模型驱动的人工智能:理论、挑战、应用及展望
李薇;乔少杰;随着数字经济向深度智能化转型，产业对人工智能（AI）的通用能力与跨域适配性要求持续提升。传统AI方法依赖专家经验、泛化能力受限，需构建专属模型、落地成本高企，难以满足规模化产业应用需求。针对大模型驱动的AI领域，综述其理论基石、核心挑战、行业应用及未来趋势。重点剖析以Transformer架构与“预训练+提示+微调”范式为核心的技术基础，探讨缩放定律与涌现能力的内在关联，并对数据、成本与效率、安全与可信和评估体系等核心技术挑战进行深入分析。结合制造业、农业、文旅业的行业赋能实践，对“通用底座+行业知识+轻量化部署”的落地路径进行实证分析，验证其优化生产流程与提升用户体验的有效性。未来将聚焦数据生态、轻量化技术、安全评估等方向，进一步推动大模型技术高效普惠落地，助力产业智能化升级。
基于用户数估计的MIMO无源多址接收优化
周国正;边东明;张更新;针对无源多址接入（Unsourced Multiple Access，UMA）系统在高密度用户场景下用户信号干扰严重、解码成功率低的问题，需提升系统在该场景下的信号分离与解码性能。基于多天线技术（Multiple-Input Multiple-Output，MIMO）构建多级迭代接收框架，结合用户数估计、多波束解译调度与迭代解码技术实现性能优化；设计基于深度学习的波束用户数估计模型，动态调度低冲突波束优先解码，同时通过跨波束串行迭代消除（Successive Interference Cancellation，SIC）已解码用户的干扰。仿真结果表明，用户密集场景下的波束解码成功率较传统压缩感知-正交匹配追踪（CS-OMP）算法提升约28.09%，较近似消息传递算法（Approximate Message Passing，AMP）、稀疏低秩矩阵算法（Sparse Low-Rank Matrix Algorithm， SPARC）方案分别提升约18.3%、10.4%，且在活跃用户数达600时仍保持稳定性能。该多级迭代接收框架通过空域资源分配与干扰协同抑制的闭环优化，显著提升海量用户场景下系统的容量与鲁棒性，为6G超密集物联网接入提供创新解决方案。
IRS辅助多用户MISO通信中抗干扰联合波束赋形优化
龙云飞;杨文东;杨炜伟;方贵;明自东;管新荣;智能反射面调节反射单元相移可实现反射信号与直射信号同相或反相叠加，实现信号增强和减弱，为通信抗干扰提供了新手段。针对智能反射面辅助无线通信中的抗干扰问题，在现有基础之上研究了一种智能反射面辅助多天线多用户的抗干扰通信系统。该系统以最大化最小信干噪比为目标，构建了基站主动波束赋形与智能反射面被动波束赋形联合优化模型。为克服目标函数非凸及优化变量耦合所导致的求解困难，提出了一种基于交替优化与半正定松弛的求解方法，将原问题分解为两个子问题并依次优化。最后，对系统性能进行了仿真分析，结果验证了智能反射面提升多天线多用户无线通信系统抗干扰性能的可行性和有效性，并揭示了抗干扰性能随干扰功率及反射单元数的变化规律。
最大类间方差法在图像处理中的应用
齐丽娜;张博;王战凯;图像分割在图像处理中占有重要的地位,分割结果的好坏直接影响图像的后续处理。文章首先介绍了最大类间方差法及其改进算法———基于灰度拉伸的最大类间方差法算法原理和实现,并针对高速公路中的图像特点。在背景差分法的基础上利用上述两种方法对图像进行了分割处理,对两种方法处理的结果进行了比较。
人工智能大模型综述及展望
罗锦钊;孙玉龙;钱增志;周鲁;王金桥;大模型是人工智能领域的热门研究方向。以ChatGPT为代表的大模型技术应用掀起了国内外的大模型研究热潮，大模型参数规模和训练数据量级迅速增长，模型性能显著提升。概述了大模型的发展历程以及代表性的算法模型，介绍了大模型的基础架构及其核心原理，分析了大模型的特点，讨论了大模型的局限性以及未来发展方向。
无线传感器网络拓扑结构研究
杨宁;田辉;张平;李立宏;随着处理技术、存储技术以及无线传输技术的不断发展,由体积小、重量轻、价格低的无线传感器节点所组成的传感器网络已经充分具备了感知客观事物及自然现象,随时随地为用户提供精确信息的能力。通过对于星状网、网状网和混合网等几种常用传感器网络拓扑结构的比较,以及针对这些拓扑结构所形成的网络寿命的仿真,说明了对于常用的基站距离远、节点密度大的传感器网络,分层式的拓扑结构能够大大的节省网络能量,延长网络寿命,改善网络性能。
基于S型函数的变步长LMS自适应滤波算法
覃景繁,韦岗本文通过建立步长因子μ与误差信号之间的非线性函数关系,得出一种新的变步长自适应滤波算法(SVSLMS)。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。
MIMO无线传输技术综述
李忻;黄绣江;聂在平;MIMO无线传输技术是通信领域的一项重要技术突破,它能在不增加带宽与功率的情况下成倍地提高无线通信系统的容量和频谱效率,堪称新一代无线通信系统中的关键技术之一,近年来引起了人们的广泛关注与研究兴趣。回顾无线移动通信的发展历程,概述天线分集技术与智能天线技术,剖析MIMO无线传输技术的原理与国内外研究现状:传统单天线系统向多天线系统演进、智能天线向多天线系统演进、MIMO无线传输技术的原理、MIMO系统中的分集与复用、MIMO无线信道建模、MIMO系统中的多天线设计等,为深入认识与进一步研究MIMO无线传输技术奠定基础。
人工智能大模型综述及展望
罗锦钊;孙玉龙;钱增志;周鲁;王金桥;大模型是人工智能领域的热门研究方向。以ChatGPT为代表的大模型技术应用掀起了国内外的大模型研究热潮，大模型参数规模和训练数据量级迅速增长，模型性能显著提升。概述了大模型的发展历程以及代表性的算法模型，介绍了大模型的基础架构及其核心原理，分析了大模型的特点，讨论了大模型的局限性以及未来发展方向。
基于YOLOv8s改进的小目标检测算法
雷帮军;余翱;余快;针对目标检测任务中小目标尺寸较小、背景复杂、特征提取能力不足、漏检和误检严重等问题，提出了一种基于YOLOv8s改进的小目标检测算法——Improved-v8s。Improved-v8s算法重新设计了特征提取和特征融合网络，优化检测层架构，增强浅层信息和深层信息的融合，提高了小目标的感知和捕获能力；在特征提取网络中使用部分卷积(Partial Convolution, PConv)和高效多尺度注意力(Efficient Multi-scale Attention, EMA)机制构建全新的F＿C_2f＿EMA,在降低网络参数量和计算量的同时，通过通道重塑和维度分组最大化保留小目标的特征信息；为了更好地匹配小目标的尺度，优化调整SPPCSPC池化核的尺寸，同时引入无参注意力机制(Simple-parameter-free Attention Module, SimAM),加强复杂背景下小目标特征提取；在Neck部分使用轻量级上采样模块——CARAFE,通过特征重组和特征扩张保留更多的细节信息；引入了全局注意力机制(Global Attention Mechanism, GAM)通过全局上下文的关联建模，充分获取小目标的上下文信息；使用GSConv和Effective Squeeze-Excitation(EffectiveSE)设计全新的G＿E＿C_2f,进一步降低参数量，降低模型的误检率和漏检率；使用WIoU损失函数解决目标不均衡和尺度差异的问题，加快模型收敛的同时提高了回归的精度。实验结果表明，该算法在VisDrone2019数据集上的精确度(Precision)、召回率(Recall)和平均精度(mean Average Precision, mAP)为58.5%、46.0%和48.7%,相较于原始YOLOv8s网络分别提高了8%、8.5%和9.8%,显著提高了模型对小目标的检测能力。在WiderPerson和SSDD数据集上进行模型泛化性实验验证，效果优于其他经典算法。
无人机集群综述:技术、挑战与未来
张旭东;李少波;李传江;张安思;杨磊;随着无人系统、网络通信技术和群体智能理论的发展，使无人机集群协作从概念走向现实、从理论转向实践。回顾了无人机集群的兴起与发展，概述了无人机集群难点与特点；从无人机集群层次结构技术框架出发，分别从智能感知层、通信网络层、自主决策层、路径规划层、协同控制层和实际应用层6个方面介绍了无人机集群关键技术的研究进展；讨论了无人机集群在未来发展中面临的诸多挑战，并对未来研究方向进行了展望，旨在为无人机集群技术的进一步应用落地提供理论参考。
MIMO无线传输技术综述
李忻;黄绣江;聂在平;MIMO无线传输技术是通信领域的一项重要技术突破,它能在不增加带宽与功率的情况下成倍地提高无线通信系统的容量和频谱效率,堪称新一代无线通信系统中的关键技术之一,近年来引起了人们的广泛关注与研究兴趣。回顾无线移动通信的发展历程,概述天线分集技术与智能天线技术,剖析MIMO无线传输技术的原理与国内外研究现状:传统单天线系统向多天线系统演进、智能天线向多天线系统演进、MIMO无线传输技术的原理、MIMO系统中的分集与复用、MIMO无线信道建模、MIMO系统中的多天线设计等,为深入认识与进一步研究MIMO无线传输技术奠定基础。
基于改进YOLOv8的无人机航拍图像目标检测算法
程换新;乔庆元;骆晓玲;于沙家;针对现存无人机航拍图像目标检测算法检测精度较低、模型较为复杂的问题，提出一种改进YOLOv8的目标检测算法。在骨干网络引入多尺度注意力EMA,捕捉细节信息，以提高模型的特征提取能力；改进C2f模块，减小模型的计算量。提出了轻量级的Bi-YOLOv8特征金字塔网络结构改进YOLOv8的颈部，增强了模型多尺度特征融合能力，改善网络对小目标的检测精度。使用WIoU Loss优化原网络损失函数，引入一种动态非单调聚焦机制，提高模型的泛化能力。在无人机航拍数据集VisDrone2019上的实验表明，提出算法的mAP50为40.7%,较YOLOv8s提升了1.5%,参数量降低了42%,同时相比于其他先进的目标检测算法在精度和速度上均有提升，证明了改进算法的有效性和先进性。
网站访问量
今日访问量: 33
友情链接
