人工智能驱动的电磁交叉研究导读
王海明;伍洋;<正>随着5G/6G通信、物联网和智能感知技术的飞速发展，天线与射频系统正面临着前所未有的挑战。新一代无线系统亟须更高频谱效率、更高集成度和更智能化的设计方案。人工智能技术的突破为解决这些难题带来了新的机遇。机器学习、深度神经网络、生成式模型、代理模型和智能优化算法在天线和射频设计、电磁测量与校准、计算电磁、逆散射成像及超构表面优化等领域已展现出巨大潜力，为电磁研究注入了新的活力。
特征模理论与机器学习协同辅助的宽带小型化天线设计
温乐乐;尤智源;高瑞;赵晔;何智慧;基于特征模理论提出了一款宽带小型化微带贴片天线(Microstrip Patch Antenna, MPA),通过在天线辐射贴片中加载槽结构来延长电流路径并增强电抗加载效应，使其谐振频率降低，从而实现天线的小型化。采用特征模(Characteristic Mode, CM)理论对辐射单元工作机制进行分析并指导确定馈电位置的选择，使期望模式谐振；并在2个基板之间加入空气层，从而拓宽天线的带宽。同时，引入机器学习进行参数性能优化来克服传统工具扫参数据量大、耗时长等缺点，实现了天线的工作频率为6.15～11.45 GHz(相对带宽为60%),尺寸为0.43λ0×0.43λ0×0.12λ0,与传统微带天线0.6λ0×0.6λ0×0.17λ0相比整体尺寸实现了63%的缩减。
面向智能蒙皮应用的柔性UWB-MIMO天线
石雅蕊;唐兆轩;赵梓彤;李高升;针对刚性天线难以在复杂曲面上实现高性能通信的问题，提出了一款面向智能蒙皮应用的柔性四单元超宽带(Ultra Wide Band, UWB)多输入多输出(Multiple-Input Multiple-Output, MIMO)天线。天线采用四单元布局，其工作频带为5.0～18.9 GHz(相对带宽116.3%),整体尺寸为70 mm×70 mm×0.13 mm。在不增加剖面高度的前提下，通过加载开口谐振环(Split-Ring Resonator, SRR)与地板去耦结构，天线在全频段实现了高于20 dB的端口隔离度与极低的包络相关系数(Envelope Correlation Coefficient, ECC)。仿真与实测结果表明，该天线在平直状态、不同曲率半径的泡沫载体以及金属载体表面状态下均能保持稳定且良好的辐射特性，验证了其在无人机表面、机器人灵巧手等智能蒙皮应用中的可行性与鲁棒性。
基于物理先验增强代理模型的Vivaldi天线带宽优化设计
司毅;杨鹏举;吴瑞;王霖梓;针对Vivaldi天线高维参数设计中全波电磁仿真代价高、可行结构比例低以及纯数据驱动代理模型在小样本条件下泛化能力不足等问题，提出一种面向带宽优化的物理先验增强代理建模与混合搜索方法。以边缘加载参数化槽Vivaldi天线为研究对象，构建连续-离散混合参数化模型，并建立Python-高频结构仿真(High Frequency Structure Simulator, HFSS)自动化联合仿真框架，实现结构参数、几何模型与电磁性能之间的闭环映射。在代理建模方面，引入与辐射尺度和谐振趋势相关的物理先验信息，采用特征增强多层感知机(Multilayer Perceptron, MLP)进行带宽预测，并结合高斯过程(Gaussian Process, GP)残差修正提升局部预测精度；同时利用蒙特卡洛dropout(Monte Carlo dropout, MC dropout)估计预测不确定性，为后续搜索提供置信度信息。在优化策略方面，融合几何约束惩罚、动态交叉、不确定性感知变异、贝叶斯优化候选建议以及局部模拟退火抛光机制，构建多策略协同的混合优化流程。实验结果表明，该方法在有限仿真预算下获得了工作带宽为6.10 GHz的优化设计；物理先验与残差修正后，代理模型的平均绝对误差降低至0.073 1,决定系数为0.980 0。与传统遗传算法相比，所提方法在最终带宽和高性能结构搜索能力方面具有更好表现。结果说明，物理先验引导、残差修正与不确定性感知搜索的结合能够提升高维天线优化中的建模精度与搜索效率。
基于BiGRU的FDTD高效精确场预测算法
黄凯悦;吕聚良;张继瑞;何实;李腾;时域有限差分(Finite-Difference Time-Domain, FDTD)法作为计算电磁学中的重要方法之一，可以处理不同形状、材料和边界条件下的电磁场问题。然而其计算成本及库朗-弗里德里希斯-莱维(Courant-Friedrichs-Lewy, CFL)条件的约束限制了模拟速度。在此基础上，提出了基于双向门控循环单元(Bidirectional Gated Recurrent Unit, BiGRU)的方法预测电磁场的动态演化。该模型通过训练预测相邻时间步长间的场量增量，显著提升了数值稳定性与学习效率。基于含正弦波源与吸收边界条件的二维TMz波的FDTD模拟数据训练后，模型成功实现了多步场演化推演。关键创新在于采用高度精简化的场分量集作为输入，大幅降低模型复杂度。实验结果表明，基于BiGRU的预测模型能精确复现FDTD解，在60个推演步长内相对最大误差低于-30 dB,为利用神经网络加速电磁仿真提供了新的应用范式。
基于差分技术的窄带集群通信高精度定位的设计与实现
周利满;针对传统窄带专网集群通信系统定位精度不足、难以满足精细化执法等高端应用需求的问题，设计一种基于专业数字集群（Professional Digital Trunking，PDT）通信的高精度定位技术方案。结合 PDT 窄带集群通信低带宽、高并发、强实时性的业务特征，搭建创新的高精度定位技术架构。方案包含差分数据过滤算法、优化的数据传输机制、终端差分计算模块以及高精度定位信息上传协议四部分。测试结果表明，静态测试场景下系统定位精度可达厘米级别，定位数据点收敛效果良好；动态测试场景下定位轨迹与实际移动路径基本吻合，仅少量定位点存在轻微偏离。该方案对语音集群业务无显著干扰，可稳定运行。窄带集群通信高精度定位技术能够有效弥补窄带系统定位精度短板，实现厘米级定位能力，满足警务精细化执法等高端业务需求，具备工程推广价值。
低轨巨型星座网络星间路由技术综述
徐子夜;陈全;杨磊;低轨巨型星座网络凭借低时延、广覆盖、大容量、接入灵活等特点成为天地一体化信息网络中重要组成部分，星间路由技术负责数据在卫星间传输路径的选择和数据转发，是实现网络功能的关键技术。围绕星间路由技术面临的主要问题，概述了低轨巨型星座网络组网架构并分析其特点带来的路由约束，拓扑动态性管理、负载均衡、抗毁伤路由及QoS路由四方面介绍国内外现行的路由策略和经典算法。结合新兴低轨巨型星座网络的发展模式展望未来星间路由技术的演进方向。
箭载导航接收机多天线信号接收处理技术研究
刘庆;吴红;樊龙江;彭舒文;周里;目前部分运载火箭导航接收机采用双天线功率合成的方式接收处理信号，功率合成将两路输入信号在射频端进行合路，但可能会引入一路噪声，带来信噪比（Signal-to-Noise Ratio， SNR）的损失。为了提高天线对接收卫星信号的覆盖性能及对载体姿态变化的适应能力，提出了多天线信号分集接收的方式，分集接收在完成各支路信号的同频同相调整后，进行各路信号的加权合并。对两种导航信号接收处理技术进行了对比研究，介绍了功率合成与分集接收的原理，讨论了2种接收方式对SNR的影响，对提出的分集接收方式给出了加权方法、推导了加权系数并进行了测试，对适用于分集接收的双锁相环（Phase-Locked Loop， PLL）与传统的单锁相环进行了比较。结果表明：功率合成使用简便，但可能存在至多3 dB的SNR降低；分集接收算法相对复杂，但采用的双PLL设计减少了环路抖动，带来至多3 dB的SNR增益，有利于抵抗信号衰落。采用分集接收方式的产品已经过了飞行验证并取得了良好的效果，尤其在箭体发生大的姿态机动变化时。
基于双-C型偶极子的双频圆极化MIMO天线设计
刘康;余洪亮;晏彬洋;谭德超;王平;叶志红;为了满足无线局域网（wireless local area networks， WLAN）圆极化需求，提出一种双频圆极化多输入多输出（multiple input multiple output， MIMO）天线。该MIMO天线由4个相同天线单元依次以90°旋转排列而成，每个天线单元由2个不同长度的C型偶极子在馈电点同时沿相反方向延伸，而每个C型偶极子分别在2.4 GHz和5.8 GHz频点实现右旋圆极化波。同时，在2个C型偶极子的馈电点附近蚀刻2个缝隙并桥接并联电容和电感，以实现独立的双频段圆极化特性。为了提高MIMO天线单元间端口隔离度，在相邻阵元天线之间插入宽带超材料吸收体(metamaterial absorber， MMA)。测试结果表明，该MIMO天线在低频段（2.32～2.5 GHz）和高频段（5.75～5.9 GHz）的驻波比小于2，并且能产生右旋圆极化辐射波。在低频段最大增益为6.9 dBi，而在高频段最大增益为6.7 dBi。此外，所提出的MIMO天线各端口隔离度在2.4 GHz和5.8 GHz分别低于-40 dB和-35 dB，ECC在整个工作频段内低于-46 dB。
FS-FPN:面向遥感目标检测的频率增强特征金字塔网络
夏硕雅;近年来，特征金字塔网络（Feature Pyramid Network ，FPN）通过多尺度特征融合显著提升了目标检测性能，但在遥感图像中的小目标检测方面仍存在不足。小目标通常只占据少量像素，其判别性特征在层间融合过程中容易被削弱，从而导致漏检和定位不准确。此外，传统FPN主要依赖局部卷积，缺乏对长距离空间依赖关系的显式建模，这限制了其在复杂场景中突出关键信息区域的能力。针对这些问题，提出了一种频率增强特征金字塔网络（Frequency-Strengthened Feature Pyramid Network， FS-FPN），该网络在FPN结构中设计了频率感知（Frequency-Aware Module ，FAM）模块和共享多上下文空间注意力（Shared Multi-Semantic Spatial Attention ，SMSA）模块。FAM模块通过分辨率感知的双分支建模实现高低频信息的隐式解耦，并借助双向跨频补偿增强小目标特征表征；SMSA通过方向解耦与跨方向共享参数的多感受野上下文建模，协同聚合局部细节和长程依赖，并利用方向感知注意力实现特征自适应重标定。该方法可无缝集成于现有遥感目标检测（Remote sensing object detection ，RSOD）框架。在DOTAV1.0、DIOR-R数据集上的大量实验表明，基于FS-FPN的检测器在RSOD任务上取得了优异的性能，尤其在小目标与复杂场景下表现出显著的优势。
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: 655
友情链接
