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。
高速公路场景下的无人机空对地信道建模研究
吴勤英;桂林;针对高速公路巡检场景下无人机（Unmanned Aerial Vehicle，UAV）通信链路的信道建模问题，提出了一种引入移动车辆影响的随机几何三维信道模型。该模型在描述地面基站周围环境散射特性的同时，引入了高速公路双向车道行驶车辆对信号传播的影响，其中基站周围散射体采用以地面基站为中心的圆柱体结构进行描述，车辆引起的动态散射效等效为单次反射路径。在此基础上，接收信号为视距分量、地面反射分量、车辆反射分量及基站周围散射体反射分量的叠加。进一步研究UAV不同飞行状态下的信道统计特性。仿真结果显示，UAV飞行状态对信道统计特性具有显著影响，理论分析与仿真结果基本一致，且与其他模型相比更能逼近实测数据，表明提出的模型在实际应用场景下更具合理性。该模型可为高速公路巡检场景下UAV多输入多输出（Multiple-Input Multiple-Output，MIMO）通信系统的设计与性能优化提供参考。
基于近邻驱动与跨簇融合的信道增益地图重建方法
陈驰晗;厉凯;王珏;信道增益地图（Channel Gain Map，CGM）是实现面向环境感知的6G无线网络的关键使能技术。其核心挑战在于如何在有限采样且缺乏精细环境先验信息的条件下实现高精度CGM重建。为此，提出了一种跨簇融合信道增益预测（Cross-Cluster Fusion Channel Gain Prediction，CCF-CGP）框架。通过将K-means聚类算法与信道参数估计算法相耦合，以提取具有可解释性的区域传播特征。对于任意查询位置，在全局空间中选取K个可能来自于不同簇的近邻采样点，并利用这些近邻点各自所属簇的信道参数构造该查询点的K个预测值。采用归一化的反距离加权融合得到最终估计值，从而有效利用跨簇互补信息以高精度重建CGM。基于射线追踪的仿真结果表明，所提方法在不同采样间隔下均能取得更低的均方误差（Mean Squared Error，MSE），优于EM、Kriging、KNN等基线方法。进一步地，实验结果揭示了采样间隔、簇数与邻域大小之间的可解释权衡规律，为测量受限条件下的参数配置提供依据。与此同时，消融实验从定量角度验证了区域传播表征、全局近邻选取与加权融合等关键步骤的有效增益。最后，复杂度分析表明，所提出方法计算复杂度可控，从而使所提框架具备较好的工程可实施性。
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;时域有限差分方法(Finite-Difference Time-Domain， FDTD)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。
基于窗函数的OFDM低旁瓣通信感知一体化杂波抑制方法研究
段宇航;刘永军;林威甫;在城市复杂环境下通信感知一体化（ISAC）系统面临强静止杂波干扰，而且OFDM ISAC信号具有较高的距离旁瓣往往导致目标被杂波淹没，严重影响感知性能。为此，提出了一种基于窗函数的OFDM低旁瓣通信感知一体化波形设计方法，该方法利用经典窗函数在频域对OFDM信号子载波进行加权，在保障通信信息可靠传输的同时，有效抑制信号的距离旁瓣。所提方法具有算法结构简单、计算复杂度低、工程易于实现等优势。仿真实验表明，在强杂波环境下经动目标显示（MTI）处理后，所提设计方法能有效降低杂波能量，提升了OFDM ISAC系统的杂波抑制性能。
基于深度展开的低复杂度RIS辅助MISO联合波束成形算法
雷芳;薛晓凯;贾纪川;针对大规模可重构智能超表面（Reconfigurable Intelligent Surface， RIS）辅助多用户通信中联合波束成形存在的计算开销大、非凸优化困难问题，提出一种融合流形降维与深度展开的加权最小均方误差（Weighted Minimum Mean Square Error，WMMSE）优化框架，记为DUR-WMMSE。利用流形学习将高维复数优化变量映射到低维子空间，以缓解大规模阵列带来的维度负担。通过深度展开的前向推理结构，将传统WMMSE算法的迭代步骤内化为神经网络层级更新，并采用离线监督学习替代耗时的在线迭代，同时结合层间投影算子严格保证发射功率与恒模约束。仿真结果表明，所提DUR-WMMSE方法在大多数系统规模和信噪比（Signal-to-Noise Ratio，SNR）条件下，其加权和速率略高于现有元学习方法；与充分迭代的传统交替优化（Alternating Optimization，AO）方法相比，虽然存在一定性能差距，但在线计算开销明显降低，从而在性能与效率之间取得较好折中。
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: 1,208
友情链接
