基于GlobeLand30的智能解译样本动态制备方法

从影像特征相似性出发研究基于Landsat-8影像相似性的智能解译样本动态制备方法,构造光谱相似度、纹理相似度、空间邻近度3种样本集选择方法。基于相同的U-Net+EfficientNet-B3语义分割网络,对比了根据3种测度下选择的样本影像所制备的样本集对总体分类精度的影响。结果表明,从历史成果数据中选择样本影像用于模型训练,是提高分类精度的有效方法;在3种样本影像选择策略中,空间邻近度可得到精度最高、方差最小的分类结果;历史成果数据中的错误标签会导致智能模型精度降低。

海洋船载电驱动绞车控制系统建模与仿真分析

研究海洋船载电驱动绞车收放过程中对水下拖曳设备性能的影响因素问题,由于海洋船载绞车在深海环境中工作,不考虑收放过程中的影响因素,会影响电驱动绞车控制精度与响应速度,导致当缆绳的破损与断裂时系统失效。为提高主动升沉补偿控制精度与响应速度,针对海洋船载电驱动绞车受母船升沉运动影响下的收放过程,开展控制系统建模与仿真研究,建立起电驱动绞车控制系统的传递函数,并深入分析了下放缆绳长度、负载重量、缆绳直径等参数对收放负载运动的影响,仿真结果表明,下放缆绳长度、负载重量、缆绳直径的变化均会引起绞车收放负载运动位移幅值、震荡周期的变化,为系统的开发提供了依据。

异构网络中的D2D通信关键技术综述

无线通信业务多样化及泛在接入的发展趋势,为当前移动蜂窝网络系统带来了巨大的网络流量承载压力。因此,在第五代移动通信系统当中,要求实现频谱效率的进一步提升。基于小区分裂技术的异构网络通信技术,使得频谱效率得以提升,同时,面临着复杂的层间干扰负面影响。在异构网络通信系统中利用设备到设备(Device-to-Deivece,D2D)通信技术能够有效地缓解基站网络流量承载压力,并减少基站能量消耗。文章对异构网络中的D2D通信关键技术进行了综述介绍,并对其面临的技术挑战进行评述。

尺度和密度约束下基于YOLOv3的风电塔架遥感检测方法

风电场分布是风电投资监测预警、占地监测和清洁能源消纳能力评价的重要依据,卫星遥感技术是大范围提取风电场分布信息的有效方法。风电塔架作为风电场的遥感解译标识,其在高分影像中是一种多尺度目标,且受影像获取时间、光照条件、地表覆盖等影响导致特征差异大,遥感自动检测难度大。针对以上问题,提出一种尺度和密度约束下基于YOLOv3模型的风电塔架自动检测方法。首先,在风电场遥感特征分析基础上,确定样本构建条件,分析风电塔架目标尺度;然后,压缩YOLOv3模型特征提取网络以提高多尺度目标特征表征能力,并将目标尺寸作为先验知识输入模型;最后,基于噪声与风电塔架的密度差异,采用DBSCAN密度聚类算法抑制误检。实验结果表明,该方法在典型试验区取得的风电塔架检测准确率为96%,召回率为94%,F1为95%,效果优于Faster R-CNN和FPN等基准模型,表明本文方法对于遥感影像复杂背景下的小目标具有良好的检测效果。