下载排行
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。
无人机集群协同技术发展与展望
赵林;张宇飞;姚明旿;郭彦涛;无人机集群通过组建高动态、可扩展、智能化的无人机集群网络,能够提升无人机的适应能力,协同完成复杂任务。针对无人机集群协同技术,介绍在路径规划、态势感知和任务协作等领域的应用研究,通过分析无人机集群网络协同的发展历程及传统方案的不足,提出未来的无人机集群协作将是多智能体的无人机集群智能协同,给出了实现框架。
FIR数字滤波器的设计与实现
张建伟;展雪梅;在数字信号处理中,数字滤波器是一种被广泛使用的信号处理部件。分析了FIR(有限冲激响应)数字滤波器的结构特征,得到了满足系统要求的数字滤波器设计方法,结合实际工程所要求的数字滤波器指标,利用MATLAB对FIR数字滤波器进行了设计和仿真,并根据FIR数字滤波器输出的幅频特性和相频特性图对滤波器的参数进行调整,从而得到满足性能要求的最佳数字滤波器参数。采用DSP芯片实现所设计的FIR数字滤波器。
沈阳市2000—2020年土地利用变化及其生态效应分析
张舒涵;姜海玲;王丽遥;陈光义;于海淋;土地利用格局的变化对生态系统环境的影响重大，它是区域间人地关系的桥梁之一。利用沈阳市2000,2010,2020年3期高分辨率的土地利用数据，基于沈阳市的城市定位，依据土地利用转移矩阵、动态度探析区域化的土地格局及转型，应用区域生态环境质量指数和土地利用转型生态贡献率评估生态效应。结果表明：(1) 20年间，耕地是区域重点发展地类，面积始终占70%以上，建设用地扩展持续缓慢，水域面积稳中有升，耕地与草地之间的地类转换明显，二者面积略有下降，未利用土地与林地面积变化不大，维持自身生态平稳。(2) 20年间，生态环境质量指数动态变化，呈“先升后降”趋势。(3)部分区域草地垦荒、建设用地规模广，生态问题严峻，在政府退耕还林、退耕还草等一系列政策的实施下，生态环境有所改善，但恶化趋势仍略高于改善趋势。探索沈阳市生态约束下的土地空间规划是很有必要的，研究结果可为沈阳市土地的空间格局优化、生态环境改善提供一定的科学依据。
智能家居控制系统设计与实现
陈成瑞;王旭康;肖欣悦;李成勇;随着生活水平的不断提高,家居智能化已逐渐成为一种趋势,设计出稳定安全、可靠实用和低成本低功耗的智能家居控制系统,成为目前迫切需要解决的问题。针对这一问题,设计了基于Arduino的智能家居控制系统,该系统将采集到的数据信息传给Arduino,同时通过WiFi模块联网上传至OneNet平台予以保存,在室外可通过手机实现远程监测与控制,实时掌握家居情况;在室内显示单元显示室内实时数据,通过控制面板对场景模式进行切换;用户可将采集到的数据共享,以形成整个区域性的环境监测点,为环境监测提供有价值的信息。
基于多智能体强化学习的无人机集群攻防对抗策略研究
轩书哲;柯良军;针对大规模无人机集群攻防对抗问题,提出了一种基于近端策略优化(Proximal Policy Optimization,PPO)的改进多智能体(Multi-agent Proximal Policy Optimization,M-PPO)算法。该算法采用了Actor-Critic框架,但与PPO不同,为实现智能体之间的协作,算法使用了包含全局信息的Critic网络和局部信息的Actor网络。此外,算法采用了集中训练、分散执行的框架,训练得到的模型能够在不依赖通信的基础上实现协作。为了研究该算法的性能,设计了一个考虑无人机飞行约束和真实飞行环境的大型无人机集群对抗平台,并进行仿真实验。实验结果表明,M-PPO算法在攻防对抗问题中的效果显著优于PPO和深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)等主流算法。