IRS辅助无人机通信系统的物理层安全研究综述
王正强;孔维冬;万晓榆;樊自甫;近年来，UAV因其高灵活性和广泛的应用场景，在现代通信网络中扮演着重要角色。由于UAV通信链路通常处于开放空域，极易受到窃听和恶意干扰的威胁，物理层安全(Physical Layer Security, PLS)问题亟待解决。作为一种新型的二维人工电磁表面，智能反射面(Intelligent Reflecting Surface, IRS)由大量具有特殊设计的被动散射单元组成，能够对信号反射路径进行智能调控，为改善信道环境和增强物理层安全提供了全新的技术手段。因此，IRS在UAV通信中的应用引起了广泛关注，为解决开放空域中的通信安全问题提供了新的方向。通过对现有的国内外文献进行梳理，主要从保密速率(Secrecy Rate, SR)、保密能效(Secrecy Energy Efficiency, SEE)和保密中断概率(Secrecy Outage Probability, SOP)三方面概述了地面固定IRS系统和UAV搭载IRS系统在PLS领域的研究现状。分析了当前研究存在的不足，展望了IRS辅助UAV通信系统在PLS领域的未来研究方向。
基于帧间失真传播因子的率失真优化算法
唐露;吴晓红;赵则明;余艳梅;熊淑华;何小海;独立码率失真优化(Rate Distortion Optimization, RDO)在视频编码中易于实现，但无法实现全局最优的码率失真性能。利用帧间相关信息，将当前帧的失真对于后续待编码帧的影响引入RDO中，建立帧级相关的失真传播链。基于所建立的失真传播链，计算关键帧的失真传播影响因子，提出了一种多功能视频编码(Versatile Video Coding, VVC)的拉格朗日乘子自适应调整方法，能实现更高效的RDO。通过大量实验验证帧与帧之间的失真存在线性关系；根据VVC的编码结构，考虑关键帧的位置及其失真对后续将其作为参考的帧的影响，建立失真传播链；计算每个图像组(Group of Picture, GOP)中关键帧的失真传播影响因子，在帧级对当前关键帧的拉格朗日乘子进行调整。实验结果表明，在VVC测试模型平台上，在低延时P帧(Low-Delay P,LDP)和低延时B帧(Low-Delay B,LDB)配置下，相较于默认算法，BD-Rate(Bj?ntegaard Delta Rate)平均分别为-1.45%和-0.18%,有效提升了VVC编码性能。
跨域图卷积网络在基于骨架动作识别中的应用
王欣霏;龚勋;吕金荣;在基于骨架的动作识别领域中，图卷积神经网络(Graph Convolutional Neural Network, GCN)因能够有效处理非欧几里得数据而成为关键技术。现有的基于GCN的方法往往局限于单一时间节点的邻域信息，忽略了动作的动态演变和复杂的空间-时间依赖关系，限制了它们在捕捉连续动作序列中的细微差别和长期依赖性方面的性能。为了解决上述问题，提出了一种创新的图卷积架构，通过跨时空邻域的消息传递和聚合，整合节点在多个时间步长内的状态变化，与周围节点进行交互，显著增强了模型在不同时间和空间尺度上的表达能力。为了进一步提升对复杂动作的识别度，提出了一个双向多流骨架信息融合框架，旨在从多个角度分析人体骨架数据，感知关节和骨架的微小运动，有效过滤静态帧的干扰，这在区分相似运动模式时尤为重要。实验在NTU RGB+D 60、NTU RGB+D 120、UAV-Human三个具有代表性的数据集上验证了所提方法的有效性。
基于双树复小波变换和U-Net的视网膜血管分割
陶寅涵;朱家明;吴军;生物医学图像分割已成为医学诊断中的关键任务之一。然而，由于组织和器官的复杂形态及其结构的多样性，医学图像分割技术的实际应用面临显著的技术挑战。在传统卷积神经网络(Convolutional Neural Network, CNN)中，最大池化操作常常导致信息的不可逆丢失，尽管引入小波变换在一定程度上改善了这一问题，但小波变换本身也存在局限性。为了解决这一问题，提出了一种基于双树复小波变换(Dual-Tree Complex Wavelet Transform, DTCWT)和U-Net的视网膜血管分割模型——DTCWU-Net。该模型通过引入DTCWT替代传统池化层，双树复小波逆变换(Inverse DTCWT,IDTCWT)替代传统上采样层，显著增强了特征提取能力，尤其在保留图像细节方面表现出色。DTCWU-Net还引入了高低频特征融合注意力(Low and High Feature Fusion Attention, LHFFA)和多尺度门控注意力(Multi-Scale Gate Attention, MSGA)模块，进一步提升分割性能。实验结果表明，DTCWU-Net在DRIVE数据集上取得的准确率(Accuracy, ACC)为0.968 6,受试者工作特征(Receiver Operating Characteristic, ROC)曲线下面积(Area Under the ROC Curve, AUC)为0.986 7,在CHASE＿DB1数据集上取得的ACC为0.975 0,AUC为0.990 3,在STARE数据集上取得的ACC为0.975 7,AUC为0.990 1。在F1、灵敏度(Sensitivity, SE)、ACC和AUC等关键指标上，超越了其他主流方法的表现。通过多模块协同优化，DTCWU-Net显著提高并展现了视网膜血管分割精度与细节恢复能力。
基于改进YOLOv5s算法的桑蚕生理状态识别及判断
刘璞;廖稀杰;何兴锐;赵凯;胡蝶;黄波;为了能够及时精准地识别桑蚕各生理状态，避免更大的经济损失，提出了基于YOLOv5s的目标框检测改进算法——YOLOv5s-ED。增加高效多尺度注意力机制(Efficient Multi-scale Attention, EMA)模块，自适应地调整不同头部的注意力权重，使模型更关注桑蚕特征的重要信息。为了更好地进行多尺度特征融合和捕捉桑蚕的细微特征，增加了一个针对小目标的检测头；通过对休眠期桑蚕中心点坐标最大差值确定的阈值与中心点坐标最大差值的最小值进行对比，以确定桑蚕的生理状态识别。比较发现最大差值的最小值18大于设定的阈值15,可以判定桑蚕的生理状态为健康生长状态。为了验证改进后的YOLOv5s-ED模型的准确性，拍摄选取了大量的数据集图像进行检测对比。在进行消融和模型对比实验后，检测结果表明改进后的YOLOv5s-ED模型在识别准确率上较原模型提高了0.1%,召回率提高了1.5%,平均精度均值(mean Average Precision, mAP)提高了0.2%,有效改善了桑蚕小目标的错检、漏检情况。
基于城市低空环境的多域态势融合算法研究
吴婉晴;蔚保国;董赫;多域态势场图通过将电磁、地理、视觉等泛在信息进行时空关联融合，为无人系统提供数据化的态势信息，用于无人系统的定位导航服务，可弥补低空城市空间中由于单一传感器态势感知存在的连续可信定位能力的空缺，有效提升定位可信性，具有更强的适应能力。由于电磁态势在城市建筑环境中具有明显的边缘特征，所以利用建筑物轮廓信息将电磁与地理建筑进行匹配是多域数据融合的一种有效方法。提出了一种基于地理和电磁数据的多域态势信息融合方法，运用多域传感器获取城市空间中的地理数据和电磁数据，建立电磁态势图；对处理后的数据热力图提取建筑边缘特征，通过特征匹配找到不同域数据间对应关系，进行多域数据的时空属性关联融合，从而将数据变化到同一坐标系，得到数据的关联融合结果；通过关联矩阵和特征轮廓对比计算，得到数据关联成功率。通过可视化态势图与融合结果以及计算数据关联成功率，电磁态势与城市数字高程模型（Digital Elevation Model，DEM）数据可以很好的进行时空配准融合，可以看出，算法可以有效解决城市建筑环境中多域态势信息的可靠融合问题，为无人系统执行任务、进行决策时提供更加完善的态势信息，并为低空城市建筑空间中无人系统定位导航服务提供保障。
基于多相机观测的视觉定位系统设计
张彦;李瑞;吴子豪;史莹晶;针对当前视觉SLAM面对如纹理稀疏、光照变化强烈及图像模糊等挑战性场景时，普遍存在的前端特征跟踪鲁棒性不足的问题，提出了一个鲁棒的多相机定位系统，并对关键技术进行了深入的研究与优化。该系统设计了一种优于主流方案的前端跟踪算法，通过融合IMU测量数据实现特征点重投影预测，并对跟踪的灰度图进行动态校正，有效提升了复杂场景下特征跟踪的成功率和稳定性。此外，该系统利用多相机观测信息构建了具备三层自适应置信度加权算法的状态估计器，并将卷积神经网络运用于交叉回环检测，有效提高了回环检测的成功率与准确率。通过一系列公开数据集的实验，验证了该多相机定位算法在精度和稳定性方面已达到SOTA水平，且在本地环境中的测试结果也证实了该系统在实际应用中的可行性与有效性。
基于PSO-FMD的FMCW雷达生命体征检测
田淦宏;蔡志明;赖东升;吴威涛;郭礼贤;为了进一步提高非接触式生命体征探测的精度，提出一种基于优化特征模态分解(Feature Mode Decomposition，FMD)方法，用于呼吸信号与心跳信号的分离与重构。通过毫米波雷达采集模块发射调频连续波(Frequency Modulated Continuous Wave，FMCW)，接收人体的回波信号，对该信号进行相位解调与包络提取等一系列处理获得原始生理信号模型。针对原始信号中存在着呼吸谐波和杂波干扰等问题，提出了利用粒子群优化算法(Particle Swarm Optimization，PSO)和包络峰值因子(Envelope Peak Factor)函数优化FMD算法中的滤波器长度与频带数量，从而准确分离出呼吸信号和心跳信号。实验结果表明，所提算法不仅在不同距离检测下能够有效抑制杂波与呼吸谐波的干扰，还能显著提升微弱心跳信号的分辨率，为非接触式生命体征监测提供了一种高精度的解决方案。
基于改进指针网络的无人机数据采集路径规划
陈修恒;左燕;彭冬亮;由于无人机的电池续航能力有限，单次飞行任务下难以完成所有传感器点的数据采集，需要在充电桩之间多次往返进行能量补充。为了解决无人机能量约束下可充电无人机数据采集中的路径规划问题，提出一种基于深度强化学习的新算法。该方法采用指针网络解决组合优化的方式建立序列决策模型，通过Actor Critic强化学习算法框架对模型参数进行训练，并对无人机决策进行短期预测的方法，改进指针网络的决策输出。仿真结果显示：算法收敛速率提升了10%以上，最优结果提升了7%～17%。所提算法不仅提升了无人机任务执行的效率，而且提高了无人机数据采集的收益。
基于3D可解释性神经渲染的单样本人脸重演方法
李碧莹;刘智威;曾豪;王金桥;人脸重演技术作为可控人脸生成领域的关键研究方向，其目标在于通过给定的驱动人脸图像或视频帧，驱动源人脸图像，实现其面部表情和姿态的准确可控合成。该技术要求生成结果既能保持源人脸图像的身份特征，又能与驱动人脸图像的表情姿态保持高度一致。单样本人脸重演任务由于仅依赖单一视角的2D人脸图像，导致面部信息描述不充分。现有方法在生成姿态变化幅度较大的人脸图像时，难以准确地保持人脸身份、表情姿态的一致性。针对该问题，提出了一种基于3D可解释性神经渲染的单样本人脸重演方法。该方法在神经网络内部显式建模出固定的3D人脸结构及纹理信息用于整个重演视频生成阶段，以保证重演结果中人脸身份的一致性和表情姿态变化的稳定性。其次，在此基础上构建了一种神经纹理补全网络，通过多尺度特征学习机制实现高质量面部纹理重建；再次，提出了一种背景运动估计网络，预测驱动后人脸图像的背景，并将背景信息与补全后的面部神经纹理渲染结果进行融合。最后，使用关键点检测模型提供面部一致性约束，进一步提升模型的表观一致性。在主流基准数据集与真实场景数据上的实验证明，所提出方法具有较好的身份保持度，能够有效应对面部姿态变化的复杂场景，为人脸重演任务提供了新的解决方案。
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。
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。
ZigBee技术在工业控制领域的应用
陈景运;周祥平;ZigBeeTM是一种低速率、低成本、低功耗的短程无线网络协议。在众多无线网络技术中,ZigBee技术以其数据传输安全可靠、组网简易灵活、设备成本低、电池寿命长等独特的优势,在工业控制领域中展现了深厚的发展潜力和广阔的市场前景。在Modbus现场总线控制系统中引入ZigBee无线网络,可以在确保数据传输可靠性和实时性的前提下,大大提高控制系统的可扩展性,降低设备维护的成本,从而使整个控制系统得到优化。
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＿C2f＿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＿C2f,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: 0
友情链接
