基于二进制蜉蝣算法的频谱资源分配

针对目前基于图论的认知无线电频谱分配算法存在收敛速度较慢、寻优精度不高等问题,提出了二进制蜉蝣算法,通过引入汉明距离对蜉蝣速度更新公式进行了重新定义,通过Sigmoid函数将蜉蝣位置更新进行了二值化处理,通过有向双点交叉和按位变异对蜉蝣群体的交配和变异行为进行了重新诠释,并将其应用于频谱资源分配,与经典的二进制粒子群算法、离散人工蜂群算法和二进制蜻蜓算法进行比较,实验结果表明,二进制蜉蝣算法收敛速度快、寻优能力强,能够有效地提高频谱资源利用率和频谱分配公平性。

离散蝠鲼觅食优化算法及在频谱分配中的应用

针对认知无线电中以最大化网络效益为准则的频谱分配难题以及蝠鲼觅食优化(MRFO)算法难以解决频谱分配问题的不足,提出一种离散蝠鲼觅食优化(DMRFO)算法。根据工程中频谱分配问题具有亲1性的特点,首先,基于Sigmoid函数(SF)离散法对MRFO算法进行离散二进制化;然后,通过异或算子和速度调节因子引导蝠鲼根据当前速度大小自适应向最优解调整下一时刻的位置;同时,通过在全局最优解附近进行二进制螺旋觅食避免算法陷入局部最优;最后,将提出的DMRFO算法应用于解决频谱分配问题。仿真实验结果表明,采用DMRFO算法分配频谱时的网络效益的收敛均值和标准差分别为362.60和4.14,该结果显著优于离散人工蜂群(DABC)算法、二进制粒子群优化(BPSO)算法以及改进的二进制粒子群优化(IBPSO)算法。

一种抗背景干扰的多尺度人群计数算法

人群计数技术以估计人群图片或视频中的人数为目标,可以有效预防人群踩踏事故的发生,广泛应用于安防预警、城市规划及大型集会管理等领域。然而,由于人群尺度变化、背景干扰、人群分布不均、遮挡和透视效应等因素的影响,单幅图片的人群计数仍是一项非常具有挑战性的任务。针对人群计数中多尺度变化和背景干扰问题,提出一种抗背景干扰的多尺度人群计数算法。以VGG16网络结构为基础,引入特征金字塔构建多尺度特征融合骨干网络解决人群多尺度变化问题,设计Double-Head-CC结构对融合后的特征图进行前景背景分割和密度图预测以抑制背景干扰。基于密度图的局部相关性和多任务学习,定义多重损失函数和多任务联合损失函数进行网络优化。在ShanghaiTech、UCF-QNRF和JHU-CROWD++数据集上进行训练和评测,实验结果表明,该算法能够很好地预测人群密度分布和人群数量,具有较高的准确性,且鲁棒性强、泛化性能良好。

基于深度卷积神经网络的小尺度行人检测

行人检测是区别于通用目标检测的特殊检测任务,虽然近年来取得了很多重大突破,但是小尺度行人检测仍然是一个难点。在Faster R-CNN通用目标检测框架的基础上,针对行人特点,提出了行人区域建议网络;针对小尺度行人特征信息不足,提出了多层次特征提取和融合的方法,并在Caltech行人数据集上进行了实验,实验结果表明了所提算法的合理性与有效性。

一种提高NV磁力计稳定性的方法

提出了一种基于闭环频率锁定技术提高氮空位(NV)磁力计稳定性的方法,该方法利用频率调制、解调技术追踪金刚石NV色心光学探测磁共振(ODMR)峰实现磁检测,通过闭环频率锁定技术提高NV磁力计的稳定性。分析了基于频率调制技术的灵敏度,实现了228nT/Hz^(1/2)到18nT/Hz^(1/2)的提升。通过闭环频率锁定技术实现了稳定状态下输出电压幅值波动由40m V到3m V的线宽压缩,同时通过改变激光器功率验证了该技术的抗干扰特性。通过理论分析和实验测试验证了该方法的可行性。该方法为提高NV磁力计灵敏度和稳定性提供了一种新的手段,同时也对NV磁力计从实验室到实际应用有重要意义。

基于改进ISOMAP算法的手写数据非线性结构分析

手写数据的非线性结构分析对于手写数据识别和手写签名认证具有重要意义。然而,手写数据通常具有较高维度,需要进行非线性降维处理。提出了一种改进的ISOMAP算法,提高了ISOMAP算法的效率,并将其应用于手写数据的非线性结构分析。实验结果表明,本算法具有较高的效率和准确性,手写数据具有潜藏的本征维度和非线性结构。