被引排行
8mm连续波雷达微波对消技术
张军;阮锦屏;本文讨论了连续波雷达收发隔离问题的重要性,介绍了当前存在的解决收发隔离问题的方法。在8mm波段进行了实验,泄漏功率可被对消20～30dB以上,且能闭环跟踪泄漏信号的幅度和相位变化。由于测试仪器的限制,实际对消量还要大一些。
一种改进的双线性插值图像放大算法
李永艳;付志兵;在双线性插值算法的基础上提出了一种改进算法。从理论上分析了改进算法优越于双线性插值算法的依据,进行了MATLAB仿真实验和性能分析。实验证明,改进算法比多种传统插值算法能获得更好的视觉放大效果,处理后图像的均方误差(MSE)更小,峰值信噪比(PSNR)更高,而算法计算量并不大。改进算法更能满足视觉要求,是一种切实可行的图像放大算法。
改进YOLOv7-tiny的安全帽实时检测算法
赵敏;杨国亮;王吉祥;龚志鹏;针对当前施工现场人工监管作业人员安全帽佩戴费时费力且实时性较差等问题，提出了一种改进YOLOv7-tiny的安全帽实时检测算法。引入EPSANet Block金字塔拆分注意力模块，捕捉细节信息，使模型更加聚焦训练安全帽相关目标特征。设计参数量更少的Tiny-BiFPN结构作为原模型特征融合模块中的特征金字塔结构，增强模型多尺度特征融合，改善网络对于安全帽检测的漏检率。采用更为先进的定位损失函数SIoU Loss计算损失，添加所需回归的向量角度，提高模型训练过程中预测框的收敛速度及效率。此外，创建了一个多元化环境下的安全帽数据集，在此数据集上实验表明，改进后检测算法对于原YOLOv7-tiny的mAP值提高了2.89%,检测速度提高了4.8帧/秒，实现了更加实时、准确的安全帽检测需求。
对流层散射通信传输损耗预计方法分析
赵玉超;秦建存;刘丽哲;采用ITU-R617和NBS-101两种散射通信传输损耗预计方法,分别对散射通信的2种应用模式——常规应用模式(电波波束沿地球切线方向,散射角较小)和越障应用模式(电波波束角抬高,散射角较大)进行传输损耗预计时发现,常规应用模式下二者预计结果相近,而越障通信应用模式下二者预计结果差异较大。针对该问题,在给出等效地球半径概念基础之上,分析了等效地球半径使用条件,并以此为依据,分别对ITU-R617方法和NBS-101方法进行了分析,给出了2种预计方法的适用范围,并通过实验数据对得出的结论进行了验证。
13.56MHz RFID读写器天线的设计与仿真
戴彩艳;蔡坚勇;陈银燕;朱雨;林李金;黄永亮;晏嫚;为提高13.56 MHz RFID读写器天线的发射效率,并使其天线在实验室易于研发和试制,对13.56 MHz RFID天线系统的工作原理进行了简要介绍,在此基础上,把13.56 MHz RFID读写器天线线圈等效为PCB平面螺旋电感,利用HFSS软件建立模型并仿真得出电感值L、品质因子Q值等参数。其仿真结果得到的电感值与理论计算值相差0.03μH,在可接受的范围内。考虑到实际天线产生的寄生电容,提出了在天线末端加开路补偿线圈的方法,避免因寄生电容产生地电流而使天线线圈的磁场强度降低,仿真结果证实了该方法的可行性。
通信信号指纹识别技术研究
蔡忠伟随着通信技术的飞速发展,通信体制和调制样式更加复杂多样,为信号的分类、识别增大了难度,该文针对工作于相同通信体制、相同调制方式和相同频段的通信信号的个体指纹特征提取、分析、识别分类方法进行了研究,较系统地介绍了通信信号指纹识别的原理和方法,讨论了基于测量域、统计域和判决域的同类通信信号个体识别技术,并给出了设备实现的初步方案。
基于改进粒子群算法的无人机三维航迹规划
陈明强;李奇峰;冯树娟;徐开俊;针对传统粒子群(Particle Swarm Optimization, PSO)算法在航迹规划的过程中需要根据无人机性能建立约束条件和易陷入局部最优值的缺点，提出了一种结合天牛须(Beetle Antennae Search, BAS)算法的球坐标PSO算法。该改进算法直接利用球坐标系对无人机的航向角和俯仰角进行约束，并且通过BAS算法避免PSO算法陷入局部最优值。根据数字高程地图建立仿真环境，综合考虑航迹长度、平滑度和危险性等因素构建目标函数。仿真结果表明，改进后的算法与其他PSO算法相比，规划的三维航迹质量更高，能够很好地适应无人机在各种环境下的飞行要求。
基于轻量化卷积神经网络的番茄病害图像识别
林建吾;张欣;陈孝玉龙;陈洋;曹藤宝;喻殿智;针对多数卷积神经网络模型计算资源消耗多、占用内存大等问题，提出了一种基于轻量化卷积神经网络的番茄病害图像识别方法FTL-MobileNet。该模型通过引入Focal Loss代替交叉熵损失函数(Cross Entropy Loss),聚焦于难分类的样本，接着在全连接层添加Dropout层，防止过拟合，将MobileNetV2在ImageNet训练好的权重参数迁移到改进模型中。选用常见的几种网络模型进行对比实验。结果表明，FTL-MobileNet相比于其他模型收敛更快、泛化能力更好、单张图片识别耗时更低、识别精度更高，在测试集上的平均准确率达到了99.87%,且训练好的模型仅8.74 MB。