最新刊期
-
- 摘要：当前电力新能源工程数据呈现出多源异构、时空耦合、空间非平稳性的复杂特性，使全尺度数据挖掘区域边界模糊，导致电力新能源工程全尺度数据挖掘精度下降。为此，提出了基于空间信息多级网格的电力新能源工程全尺度数据增强挖掘方法。通过余弦相似性和皮尔逊相关系数量化数据间的关联性，在此基础上，采用相似度驱动的网格密度峰值计算方法，并结合距离阈值化处理，最终通过空间信息多级网格，实现了对复杂电力新能源数据的精细化空间划分。将划分结果标定行列索引作为特征摘要，并为网格单元特征值添加索引标记，在添加索引标记后利用反距离加权法计算挖掘索引阈值，以实现电力新能源工程的全尺度数据增强挖掘。实验结果表明，所提方法在工程全尺度数据增强挖掘中具有较高的精准度，挖掘结果与目标结果之间的一致性较强，具有较强的实用价值。关键词：空间信息多级网格;电力新能源工程;全尺度数据;数据增强挖掘;余弦相似性13|28|0更新时间：2026-01-21
- 摘要：近年来，基于毫米波雷达的脚踢动作识别作为一种免手操作的人机交互技术，在智能家居和车载应用等领域展现出重要应用价值。然而，复杂环境下的静态干扰（如墙壁、石柱及天线耦合干扰）和动态干扰（如行人运动、肢体微动）仍对识别精度构成挑战。为实现高精度、稳健识别，提出一种融合干扰抑制与深度学习的识别方法。该方法通过向量均值相消与动目标显示（moving target indication，MTI）抑制静态干扰，并结合多普勒加权、恒虚警率（constant false alarm rate，CFAR）检测、密度聚类（density-based spatial clustering of applications with noise，DBSCAN）以及连通域约束消除动态干扰。随后，提取多帧距离-多普勒图（range-Doppler map，RDM）和距离-角度图（range-angle map，RAM）作为模型输入，构建基于卷积神经网络（convolutional neural network，CNN）、多头自注意力（multi-head self-attention，MHSA）以及简化时序卷积网络（simplified temporal convolutional network，STCN）的双流CNN-MHSA-STCN模型，用于完成动作识别。实验表明，该方法在自采数据集上的识别精度超过98%，在复杂环境中具备较高的精度与鲁棒性。关键词：毫米波雷达;脚踢动作识别;干扰抑制;双流CNN-MHSA-STCN10|13|0更新时间：2026-01-21
- 摘要：无人机（unmanned aerial vehicle，UAV）在灾害预警与战场侦察等任务中发挥着重要作用，但单机模式受限于侦测覆盖与计算能力，难以应对复杂环境。为此，提出一种基于群智能灰狼优化（grey wolf optimization，GWO）的侦测计算联合（joint detection and computation，JDC）优化算法，该算法通过多维度协同优化实现无人机集群侦测与计算能力的双重提升。构建了融合目标存在概率与环境不确定度的动态栅格化侦测模型，实现自适应侦测部署；设计了基于块坐标下降（block coordinate descent，BCD）算子的空基协同计算框架，以优化任务卸载与资源分配策略。仿真实验结果表明，JDC优化算法可使系统任务时延降低33.35%，收敛速度提升76.47%，在侦算力（effectiveness of detection and computation，EDC）指标上较基准算法提升10.01%～28.74%。实验结果验证了JDC优化算法在无地面基站支持场景下的优越性，为无人机集群自主协同侦察提供了理论支撑与工程指导。关键词：无人机集群;协同计算;资源调度;部署优化;群智能算法19|17|0更新时间：2026-01-21
- 摘要：客户升级投诉作为衡量服务质量的关键指标，其精准预测对服务质量改善与客户问题解决具有重要意义。基于此提出了一种基于大语言模型（LLM）、递归特征消除（RFE）以及XGBoost的混合学习方法对潜在升级投诉客户进行预警，首先利用大语言模型从客户通话文本中提取语义特征，再融合结构化数据后利用RFE进行最优特征选择，最后基于有效特征选采用XGBoost进行预警。为了检验该模型的有效性，以某省运营商生产数据为研究对象进行了预测，实证结果表明提出的LLM-RFE-XGBoost混合方法具有最优的预测性能。实际上线应用后，升级投诉量下降了6.7%，成效显著，对提高服务质量及客户满意度具有重要意义。关键词：升级投诉;XGBoost;递归特征消除;大语言模型9|7|0更新时间：2026-01-21
- 摘要：针对遥感图像中大纵横比目标因正样本不足而引发的学习不充分问题，提出一种基于形状自适应标签分配的遥感有向目标检测网络（shape-adaptive label assignment for oriented object detection network，SALANet）。首先，引入纵横比敏感系数建立目标几何特征与正样本数量的动态映射关系，缓解传统方法因固定分配规则引发的样本分布不平衡问题；其次，设计自适应标签分配策略，通过对交并比（intersection over union，IoU）进行排名实现高质量正样本选择；最后，提出中心轴先验，将圆形中心先验区扩展为目标中心轴的矩形区域，增强大纵横比目标的几何特征表征能力。在DOTAv1.0和HRSC2016数据集上的对比实验表明，SALANet分别取得0.777 1和0.932 3的平均精度均值（mean average precision，mAP），较基线方法RoI Transformer分别提升8.15%和2.87%。关键词：遥感图像;有向目标检测;大纵横比目标;形状自适应标签分配;中心轴先验12|7|0更新时间：2026-01-21
- 摘要：机载网络入侵检测可能面临异常样本稀缺和数据分布不平衡的双重挑战，传统方法难以同时保证检测精度和泛化能力。为此，结合多视图对比稀疏自编码器（multi-view contrastive sparse autoencoder，MCSAE）的数据增强方法，提出一种改进分层抽样集成学习的联合优化方法。首先，针对异常样本缺失问题，设计MCSAE，通过多视图数据增强和对比学习策略，在稀疏自编码器框架下学习更具判别性的潜在表示，并利用重输入对比机制优化异常样本生成质量，有效缓解数据稀疏性带来的模型偏差。其次，针对类别不平衡问题，提出改进分层抽样策略，在传统分层抽样基础上引入全局特征保留机制，避免局部采样导致多数类分布失真，确保分类器能够学习数据的完整统计特性。最后，结合F1分数自适应加权集成学习，融合随机森林、长短期记忆（long short-term memory，LSTM）网络等多样化基分类器，动态调整模型权重，进一步提升对少数类攻击的检测能力。实验结果表明，相较于现有方法，所提方法在机载网络数据集上的召回率提升5.2%，F1提升3.7%，为复杂网络环境下的入侵检测提供了可靠性解决方案。关键词：样本分布不平衡;多视图对比稀疏自编码器;分层抽样;集成学习12|12|0更新时间：2026-01-21
- 摘要：针对视频时域重采样中帧间内容非线性变化导致的语义冗余问题，提出一种基于自监督特征嵌入和聚类的视频时域自适应重采样方法。该方法通过预训练的ResNet-18提取视频帧特征并微调，利用自监督度量学习构建帧间相似性度量，采用余弦相似度衡量相邻帧相似性，并设计损失函数使同一视频序列内的帧在嵌入空间中流形分布光滑，同时抑制不同视频帧间相似度。之后，对嵌入后的帧特征进行基于流形等分点的时序数据聚类，并确保视频首尾完整。重采样后的视频序列经H.266/VVC编码，解码端结合插帧网络重建原始帧。实验表明，该方法在BDmAP和Pareto mAP指标上平均提高约2.3%和19.4%，且计算开销满足实时处理需求，有效平衡压缩效率、视觉任务精度与零样本兼容性，为机器视觉场景下的视频传输提供新思路。关键词：机器视觉;时域重采样;视频特征嵌入;自监督聚类;视频压缩6|5|0更新时间：2026-01-21
- 摘要：保留格式加密（format-preserving encryption，FPE）具有加密后数据格式和数据长度不变的特点，不会破坏数据格式约束，非常适用于数据脱敏领域。当前保留格式加密方案存在多次调用Cycle-Walking结构的不确定性问题或依赖模运算，导致原始消息空间与对称密文消息空间不对等的问题。基于动态有限域提出了基于动态有限域上的保留格式加密（dynamic galois field-format-preserving encryption，DGF-FPE）算法，对多字段的格式构建可以覆盖原始消息空间的有限域集合，在动态有限域中进行数据映射得到符合格式的FPE密文。解决了传统方法依赖Cycle-Walking或模运算方法的问题，并进行了相关实验。实验结果表明，经过DGF-FPE算法加密后的数据集的信息熵接近理想情况下的信息熵，证明了该算法具备充分的安全性。关键词：保留格式加密;数据脱敏;动态有限域;对称密码算法;信息熵10|10|0更新时间：2026-01-21
- 摘要：在卫星物联网通信中，导频资源和存储资源均受到一定的限制，使得传统同步方案及其硬件实现面临着很大的挑战。针对这一问题，提出了一种基于双相关算子的极简同步方案，包括频相解耦合估计和分块相关数据补偿两部分。其中，频相解耦合估计部分提供了一个对莱斯衰落鲁棒的自相关频偏估计器和一个抗频偏能力强的低复杂度相偏估计器；分块相关数据补偿部分只需要使用基于互相关算子的少量数据补偿值便可以显著降低残留频偏的影响。仿真结果表明，在最大仅5%的导频开销下，所提极简同步方案能够实现频偏对相偏的解耦合，同时比传统同步方案减少98%的存储空间占用并在低信噪比下获得接近的误码性能，对未来卫星物联网通信系统的工程实现有着一定现实意义。关键词：导频资源;存储资源;双相关算子;分块补偿;卫星物联网通信21|12|0更新时间：2026-01-21
- 摘要：在现实应用场景中，攻击者在伪造语音中加入加性噪声或者混响等干扰，会导致经纯净语音训练得到的检测系统性能急剧下降，为此，通过设计一种激活函数替代残差网络中跳跃连接，实现了具有噪声鲁棒性的合成语音检测系统。通过分析不同激活函数对残差块跳跃连接的影响后，将输入特征划分为非显著特征、显著特征和无法判断特征，提出了一个新的激活函数，并通过方差增长的方法来寻找激活函数的最优参数。实验结果表明，与现有方法相比，不仅显著降低了系统的等错误率，而且对噪声干扰具有很好的鲁棒性。关键词：伪造语音检测;合成语音检测;激活函数;噪声鲁棒性9|12|0更新时间：2026-01-21
- 摘要：传统正交频分复用（orthogonal frequency division multiplexing，OFDM）帧同步方法，如基于前导序列、基于导频、基于深度学习的帧同步算法在面对Starlink高速率、高动态通信环境时局限于单路计算思路和较多的资源消耗和较高的时钟需求。而基于差分相移键控（symmetric differential phase shift keying，SDPSK）调制的多路并行帧同步算法虽然引入频偏矫正和本地前导序列相关使得性能上有所提升并降低了时钟需求，但加大了计算量和硬件资源占用。针对以上情况，基于Starlink公开前导结构，提出了四路并行的基于频偏矫正辅助的Starlink下行信号帧同步轻量化电路设计，首先，设计基于延时相关复用的轻量化粗帧同步和频偏估计结构使电路在频偏估计时不需要再次计算延时相关值；然后，提出基于四路并行直接数字式频率合成器（direct digital synthesizer，DDS）的轻量化频偏矫正模块避免单路信号在多路结构下变频时需要缓存；最后，设计基于符号相关和查找表复数乘法器的轻量化精帧同步结构减少了本地序列和信号相关的资源耗用，在保证性能的前提下使得查找表（look-up table，LUT）、查找表随机存取存储器（look-up table random access memory，LUTRAM）、触发器（flip-flop，FF）、块随机存取存储器（block random access memory，BRAM）资源分别节省了7%、2%、5%和8%。对电路编写verilog代码进行现场可编程门阵列（field programmable gate array，FPGA）实现，并通过Xilinx生产的xczu47dr芯片上板验证了其资源占用及性能表现。关键词：Starlink;帧同步;轻量化14|8|0更新时间：2026-01-21
- 摘要：如何解决灵活实施分期建设、如何确保网络投资落在高经济回报区域、如何以网络差异化赢得市场竞争优势，这是新进入者运营商在绿地建网规划中面临的一系列难题。为解决这些问题，提出一种融合多源数据和机器学习的无线网络规划方法。首先，根据多源数据建立多维因子体系，通过机器学习得到各因子权重，据此建立区域综合评分体系；然后，引入多象限矩阵策略，校正不同区域优先级与目标覆盖率，确定区域优先级排序；最后，在实践中应用和验证。研究表明，相较传统网络规划方法，该方法具有更好的投资回报导向，可有效提升网络覆盖率和投资收益率。对应3个典型时点第3年、第5年和第10年，该方法可提升商用区域覆盖率分别达到14%、16%和17%，投资收益率分别提高21%、19 %和16%。关键词：网络规划;多源数据;绿地建网;机器学习;大数据16|11|0更新时间：2026-01-21
- 摘要：在数字化时代，精准把握用户需求是网站实现精准营销与个性化服务的关键。针对该场景，提出了一种改进的奇异谱分析K均值（singular spectrum analysis K-means，SSA-Kmeans）算法，有效地解决了传统SSA中窗口长度及特征分量须手动选取的低效问题。该算法先利用SSA提取用户访问数据的核心特征分量，再结合K-means进行聚类分析。实验结果表明，该算法显著地提升了聚类效果，戴维斯堡丁指数较直接聚类和小波变化去噪后聚类分别降低了0.407 1和0.067 2，簇划分更精准。基于优化后的聚类结果，进一步制定了差异化运营策略，针对不同用户群体提供定制化服务。这一方法为网站精准营销和用户留存提供了高效的解决方案，具有重要的实践应用价值。关键词：用户分群;奇异谱分析;K均值聚类算法;戴维斯堡丁指数8|1|0更新时间：2026-01-21
- 摘要：针对车联网（internet of vehicle，IoV）中异构加密体制通信问题，提出了一种支持多密文等值测试的在线/离线异构签密方案，实现了无证书密码体制到公钥基础设施的安全通信。方案基于椭圆曲线加密（elliptic curve cryptosystem，ECC）构建，利用在线/离线签密机制降低车辆端的计算开销。在云端进行多密文等值测试使接收者只须从云端下载一次重复密文，减轻接收者负担。安全性方面，在随机预言机模型（random oracle model，ROM）下证明不可为造性和机密性。再采用ProVerif和Scyther工具验证，ProVerif结果表明方案能够保证消息机密性、身份匿名性与签名正确性，Scyther结果显示未发现有效攻击路径。性能分析表明，与现有方案相比，该方案在计算与通信开销上更具优势，密文数量较大时优势更明显，适用于车联网环境。关键词：车联网;椭圆曲线加密;异构签密;在线/离线;多密文等值测试7|3|0更新时间：2026-01-21
- 摘要：随着智能网联汽车技术的快速发展，合作式智能运输系统应用标准体系面临着多版本协议共存所带来的兼容性挑战。该研究聚焦车用通信系统系列应用标准，系统验证分析了不同版本应用场景与消息集的继承及扩展关系，提出基于ASN.1语法规则的兼容性评估模型。研究发现：第一阶段消息集在编解码层面具备后向兼容性；而第二阶段消息集在功能迭代过程中，部分消息体因场景细化需求，存在兼容性限制。基于此，该研究进一步针对源码管理机制与产业部署策略提出建议，为产业规模化应用提供理论支撑。关键词：C-V2X;C-ITS;车联网应用;消息兼容性;ASN.1扩展6|20|0更新时间：2026-01-21
- 摘要：随着电磁频谱使用频段的不断拓宽，非合作感知系统的宽带感知能力受到挑战。Nyquist折叠接收机（Nyquist folding receiver，NYFR）具备超宽带感知能力，输出信号重构依赖Nyquist区（Nyquist zone，NZ）标号估计，但是，在多同时到达非合作调制信号条件下，现有NZ标号估计算法难以具备泛化能力。针对上述问题，提出基于卷积盲去噪网络（convolutional blind denoising network，CBDNet）和YOLOv5的NYFR输出信号参数估计算法，将NYFR输出信号转换为时频图像，通过CBDNet重构信号时频特征，再利用YOLOv5估计信号NZ标号，最后根据NZ标号重构信号频谱并计算被感知原信号的未知频率。仿真结果表明，该方法能以2 GHz的采样率完成0~20 GHz频段内多种调制信号的频谱感知和载频估计，且在频谱混叠时具有较好感知性能，提升了感知系统对非合作信号的泛化感知和载频估计能力。关键词：频谱感知;Nyquist折叠接收机;Nyquist区标号;YOLOv56|2|0更新时间：2026-01-21
- 摘要：针对工作在毫米波频段下的去蜂窝大规模多输入多输出（cell-free massive multiple-input multiple-output，CF-mMIMO）系统中混合预编码设计面临的链路开销大与数值不稳定等问题，提出了一种适配分布式架构的基于列正交约束的正交匹配追踪（orthogonal matching pursuit，OMP）算法。在模拟预编码阶段，采用基于旋转不变性技术的信号参数最小二乘估计（least squares estimation of signal parameters via rotational invariance technique，LS-ESPRIT）算法，基于接收信号直接估计信号到达角，并重构波束码本，有效压缩了反馈开销；在数字预编码阶段，引入列正交约束并推导了最优因子，重构了优化目标函数，规避了病态矩阵求逆问题，提升了预编码矩阵的数值稳定性与匹配精度。仿真结果表明，该算法在不同接入点分布结构与系统参数设置下均能保持稳定且明显的频谱效率性能提升，验证了其在CF-mMIMO系统中的鲁棒性与优越性。关键词：去蜂窝大规模多输入多输出;毫米波;OMP算法;频谱效率;混合预编码6|1|0更新时间：2026-01-21
- 摘要：个性化联邦学习作为分布式机器学习领域的前沿范式，通过为各客户端训练专属模型来应对数据异构性挑战。现有研究采用群体知识迁移技术，在服务器端部署共享预测器提升模型在基类上的泛化能力，在本地更新特征提取器提升模型个性化能力。但仍存在两方面显著缺陷：其一，全局共享的预测器难以适配高度异构的客户端分布，导致准确率下降；其二，知识迁移过程中易受分布差异干扰，出现负迁移效应。为此，提出了分布感知可控采样优化的个性化群体知识迁移框架（FedDACS）。该框架将服务器端传统单一共享预测器改为个性化预测器阵列，每个客户端对应专属预测器模块，与本地特征提取器构成个性化模型。此外，引入了分布感知可控采样（DACS）技术，通过实时分析各客户端数据分布，动态调整特征空间采样策略，控制个性化预测器的输入。该框架可有效抑制分布差异导致的负迁移效应。为了验证FedDACS的有效性，在CIFAR-10与CIFAR-100数据集上构建了7种非独立同分布（Non-IID）场景进行系统性验证。实验结果表明，相较于Fedgkt、FedProto等8种基准方法，FedDACS在CIFAR-10数据集上实现平均用户准确率提升幅度达6.85%，在CIFAR-100数据集上提升幅度达5.28%。验证了所提FedDACS方法能够有效提升个性化模型在不同数据异质性场景下的性能。关键词：个性化联邦学习;可控采样;群体知识迁移;联邦知识蒸馏6|6|0更新时间：2026-01-21
- 摘要：Wi-Fi信道状态信息（channel state information，CSI）的人体活动识别方法（human activity recognition，HAR）在动作监测等领域被广泛应用，但仍面临高部署成本和感知范围有限等挑战。为解决这些问题，提出了一种移动通信网长期演进的注意力卷积神经网络（long term evolution attention-guided ConvNeXt ，LTE-ACN），利用移动信号进行活动识别。首先，基于小区参考信号提取信道状态信息有效特征；其次，进行噪声滤波、Savitzky-Golay平滑、峰谷增强和格拉姆角场变换等信号处理来构建动作数据集；最后，将增强后的图像数据输入LTE-ACN网络模型，通过改进的ConvNeXt架构有效地降低了特征信息损失，同时引入注意力机制模块（convolutional block attention module，CBAM）提升关键特征的表达能力，强化了空间域内的特征关联性。实验结果表明，所提方法的6类动作识别平均准确率达到了96.44%，验证了基于LTE信号进行人体动作识别的可行性。关键词：移动通信网信号;信道状态信息;人体活动识别方法;注意力机制;卷积神经网络7|33|0更新时间：2026-01-21
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
- 总访问量：818861 今日访问量：1103
0