都市圈轨道交通多网融合的信号系统方案研究

结合都市圈网络化、公交化特点,提出都市圈轨道交通信号系统融合的技术目标,即采用现有技术C2/C2+ATO与CBTC系统的融合以及采用新型互联互通技术的信号系统间的融合。分析现有信号主流的CTCS系统与CBTC系统的地面和车载设备在技术层面、工作机理、系统功能等差异的基础上提出“地对车兼容”和“车对地兼容”的互联互通方案,结合各目前相关单位在开展的研究情况,分析新型市域铁路互联互通技术路线。

基于多尺度特征深度神经网络的不同产地山楂细粒度图像识别

中药是中医治疗疾病的主要途径,也是我国中医药事业传承与创新发展的物质基础,其真伪优劣也会直接影响中医临床的疗效,因此研究科学合理且高效的中药材质量检测方法符合当前行业热点.山楂作为中国著名的药食两用类药材,在烹饪和治疗中具有保护心血管、降低血压的作用,被广泛应用;但由于自然环境与栽培条件的不同,不同产地的山楂易被混淆从而对品质产生影响.尽管化学、生物鉴定的方法广泛而重要,但专业门槛高,耗时较长;且传统图像处理方法容易受外在环境因素干扰,可靠性差.因此亟待研究快速准确的方法以实现山楂产地的精准鉴别;受CoAtNet与Swin-Transformer网络启发,本文结合MBConv模块中深度可分离卷积网络对局部信息建模的特点与Swin Transformer模块多层次结构可弥补网络非局部性损失的特性,提出一种多尺度特征的混合神经网络模型,通过获取图像不同层级特征,将获取的形状、颜色与纹理等浅层特征作为先验知识与高层级语义信息进行特征融合,研究了一种快速有效的识别方法以实现对不同产地山楂的有效鉴别;此外,本文提出一种新的局部空间注意力机制,通过形成通道注意力模块联合空间注意力模块的新结构,实现对图像细粒度特征的聚焦与学习.实验结果表明,本文所提出的方法有最高的鉴别准确率为89.306%,优于其他基线模型.实践证明,本文的研究提高中药材鉴别的科技水平,拓宽传统中医药的研究思路.

基于VIKOR的多网并行传输选网算法

海上异构无线网络通信场景下,针对单一无线网络难以承载大带宽业务的现实问题,提出了一种基于VIKOR的多网并行传输网络选择算法。该算法首先将多个网络的参数聚合,筛选可用网络组合;然后,结合网络属性的主客观权重和用户偏好权重得到网络属性的综合权重;最后,根据VIKOR方法对网络组合进行排序,选出最佳网络组合方案。仿真结果表明:该算法具有可行性,相较于传统算法,在舰船通信业务繁忙情况下选网综合性能更优。

分布式软件定义网络中多域流量工程的路由优化方法

针对分布式软件定义网络(software-defined networking,SDN)中流量管理调度不均衡的流量工程问题,提出一种基于负载均衡的多控制域流量路由优化的解决方案。首先分析控制消息流量的组成、域内通信及域间通信规则;然后基于4种控制消息定义控制链路流量的构成,明确链路承载流量分为控制消息流量和业务流量,建立平衡控制器负载和最小化最大链路利用率的优化模型;最后基于域内通信和域间通信提出两层路由算法。为提高模型求解精度,进一步提出改进离散萤火虫算法求解最优路由。结合ABILENE网络和GEANT网络,分析控制消息流量、控制器负载和链路负载等评价指标。实验结果表明,优化模型能有效实现控制器和链路负载均衡,控制消息流量是流量工程重要组成部分。相比集中控制模式,扁平分布式控制模式的平均控制器负载降低47.3%,最大链路利用率相差不超过15%。

基于多模态神经网络的微地震事件检测

针对微地震有效信号时序特征存在的局限导致微地震事件识别准确率不高的问题,提出了一种基于多模态学习的神经网络微地震事件检测方法。首先,利用道集数据的相关性以目标道为轴对称制作多道时域模态,对目标道进行时频分析得到S域模态特征;然后,联合时域模态和S域模态设计微地震事件检测神经网络,综合多模态的特征进行训练学习,提高微地震事件识别的精度;最后,为验证方法的有效性,对合成微地震信号进行低信噪比数据分析、小幅值数据分析以及实际油井微地震监测信号事件分析。结果表明,该方法可以有效检测低信噪比及微弱的微地震事件;与支持向量机、卷积神经网络、基于监督机器学习方法的对比实验结果表明该方法具有更高的抗噪性与准确率。

引入轻量级Transformer的无人机视觉跟踪

随着无人机在军事和民用领域的广泛运用,对于高精度、低功耗智能无人机跟踪系统的需求日益增加。针对目标跟踪算法在无人机跟踪场景下很难平衡跟踪精度和跟踪速度的问题,提出一种引入轻量级Transformer的孪生网络无人机目标跟踪算法SiamLT。使用Transformer对AlexNet网络进行改进,在增加最小计算量的情况下捕获全局特征信息。在目标模板与搜索区域匹配方面,联合Transformer和深度互相关运算提出一种二元相关模块,同时捕获目标模板与搜索区域之间的局部相关性和全局依赖关系。在分类回归网络中引入距离交并比,并采用多监督策略训练网络,以获取更准确的目标位置。在UAV123和UAV20L跟踪基准上的实验结果表明,SiamLT算法优于主流的目标跟踪算法,更有效地平衡了跟踪精度和跟踪速度。

空天信息网络中通导融合技术综述

空天信息网络是推动社会经济发展和保障国家安全的重要基础设施。空天信息网络将陆基网络、卫星网络及航空网络构成一体化网络架构,深度耦合通信、导航、遥感等功能,实现信息的高效传输和高精度位置服务。文章分析卫星网络、移动通信网络、局域通信网等多种无线网络通信导航融合定位技术的发展现状,并阐述其面临的挑战,提出多网融合方法可以提升室内外广域无缝高精度位置服务的可靠性。利用5G移动通信网络,与北斗/GNSS卫星导航系统结合,实现相互增强。最后,从天地一体定位导航与授时体系和仿生通信定位导航两方面探讨空天信息网络中通信导航融合定位技术的未来发展趋势。

基于改进图注意力网络的油井产量预测模型

针对图注意力网络处理噪声和时序数据较弱,并且在堆叠多层后出现梯度爆炸、过平滑等问题,提出一种改进图注意力网络模型.首先,使用Squeeze-and-Excitation模块对样本输入数据的特征信息进行不同程度关注,增强模型处理噪声的能力;其次,使用多头注意力机制,将序列数据中每个序列相对其他序列进行加权求和,提取数据的时序性;再次,将图注意力网络提取的节点特征与节点的度中心性拼接,获取节点的局部特征,并用全局平均池化的方式提取节点的全局特征;最后,将两者进行融合得到节点的最终特征表示,增强模型的表征能力.为验证改进图注意力网络的有效性,将改进图注意力网络模型与LSTM,GRU和GGNN模型进行对比,实验结果表明,该模型预测效果得到有效提升,具有更高的预测精度.

基于SHAP重要性排序和时空双流的多风场超短期功率预测

针对多风场风功率预测中时空特征提取不充分的问题,提出一种基于空间、时间双流特征提取的功率预测方法。采用沙普利加性解释(SHAP)方法分析原始高维数值天气预报(NWP)中各变量的重要性,选择贡献度高的变量子集作为预测模型输入,降低模型复杂度。构建基于自适应动态邻接矩阵的改进图注意力网络(IGAT)提取多风场的动态空间特征;同时将多头注意力机制(MHA)与时间卷积网络(TCN)结合,加强关键时序特征的学习。使用前馈神经网络输出多风场功率预测结果。以西北某十风场的数据进行案例研究,结果表明所提模型的预测效果优于其他模型。

基于多层耦合网络的装备保障体系级联失效及抗毁性分析

为准确描述装备保障体系结构特征与毁伤失效流程,进而提升装备保障体系功能与抗毁能力,基于杀伤层、保障层和储供层构建装备保障体系的多层耦合网络模型。基于杀伤链给出装备维修保障链与储供保障链的特征和典型样式,在此基础上,提出考虑装备保障体系多层耦合网络特性的级联失效模型与节点重要度评估方法。给出对应的网络抗毁性评估指标。仿真结果表明,考虑级联失效的多层耦合网络模型能较好地反映遭受攻击时整个装备保障体系的性能变化情况,所提出的使命任务节点重要度能准确识别关键节点。与传统网络抗毁性指标相比,杀伤链数量对节点失效产生的装备保障体系抗毁性变化更加敏感。

基于D2D通信和虚拟MIMO的飞行器集群网络传输方案设计

在无中心飞行器集群网络中,非直通条件节点间不同的中继路径可能导致较大路径损耗落差,为有限资源前提下网络传输能力的提升带来困难。参考5G移动通信中的终端直通(Device to Device,D2D)技术与中继通信中的虚拟多输入多输出(Multiple-Input Multiple-Output,MIMO)技术,提出一套D2D通信与虚拟MIMO技术结合的无中心飞行器集群网络传输方案。重点研究在正交资源模式下,将不同的协作传输协议与空时编码进行组合,在信噪比、误比特率、接入概率等方面对通信性能的影响。仿真结果表明:D2D通信与虚拟MIMO技术结合的传输方案在不增加资源的前提下,对集群网络的通信性能有明显提升,且引入分布式空时编码可进一步优化误比特率性能,但3种传输协议在不同传输质量评价方向的改善有所不同。

基于多尺度特征与互监督的拥挤行人检测

针对拥挤场景中,行人漏检率高、准确率低的问题,提出一种基于多尺度特征与互监督的拥挤行人检测网络。为了有效提取复杂场景中的行人特征信息,用PANet金字塔网络与混合空洞卷积相结合的网络提取特征信息。然后,设计了一种行人头部-全身互监督检测网络分别进行头部和全身检测,利用头部预测框和全身预测框的互监督获得更加准确的行人检测结果。所提出的网络在数据集CrowdHuman上取得了13.5%的MR^(-2)性能,相较于YOLOv5网络提升了3.6%,同时AP提升了3.5%;在CityPersons数据集上取得了48.2%的MR^(-2)性能,相较于YOLOv5网络提升了2.3%,同时AP提升了2.8%。实验结果表明,提出的网络在人群拥挤的密集场景中具有良好的检测效果。

基于几何的星载探测雷达组网空中目标高度估计算法

星载探测雷达具有全球覆盖、全天候、全天时、不易受到攻击等优点,在预警防御系统中具有巨大潜力。单个星载探测雷达由于俯仰角误差过大,导致其不具备空中目标高度估计能力;准确的目标高度估计对改善目标定位精度及威胁估计能力等具有重要意义。考虑多部星载探测雷达组网,提出了一种基于几何的空中目标高度估计方法,并通过仿真验证方法的有效性。通过仿真比较了雷达探测区域不同位置目标高度估计精度的差别,为组网雷达系统设计等提供技术支撑。

考虑火电有序退役的源-网-储协同多阶段规划方法

“双碳”目标下,我国电力系统亟需深度脱碳转型,传统以煤电为主的电力能源结构将发生根本性转变。研究火电机组的有序退出,实现安全、经济的低碳化转型是新型电力系统建设的重要课题。为此,该文提出一种考虑火电有序退役的源-网-储协同多阶段规划方法,在保证绿色、安全新型电力系统建设的基础上,提升电力系统低碳化转型经济效益。首先,建立可考虑火电机组退役的源-网-储协同多阶段规划模型。然后,设计模型线性化及求解加速方法提高模型运行效率。最后,以HRP-38测试系统为典型算例,提出在碳排放限额约束及新能源占比逐渐提高共同影响下的火电发展及退役路径,并从惯量需求等角度评估含火电机组有序退役的多阶段规划模型的有效性。

深空探测自主运行的一种可信性技术体系

未认知与不确定性是深空探测任务的基本特征.本文基于战略导向的体系化基础研究,建立了一种面向科学价值最大化的探测场景和以可靠性为核心技术基础的深空探测自主运行可信性技术体系.分析研究了深空探测场景下的可靠性概念;面向精确感知、最优计算、准确决策、快精准执行的目标要素,提出了深空探测自主运行的可信性体系框架以及“需求-认知-工程”总体技术架构;针对自主运行可信性的关键技术难点,开展了可靠性导向的多物理场、强耦合白盒建模,复杂网络故障传播机制分析,COTS元器件深空探测应用的高可靠保证,以及“模型+数据+知识”一体的融合机制分析等研究.对该技术体系的关键技术验证策略及其最小系统在卫星星座中的应用进行了验证,结果表明,所提出的技术体系具有较高的工程价值.

基于高效通道注意力的多阶段图像去雨网络

针对现有图像去雨算法不能更好地保留图像背景细节的问题,提出一种基于高效通道注意力的多阶段图像去雨网络。首先,网络使用3×3卷积提取雨图的浅层特征并传递给高效通道注意力模块,为不同的特征通道分配不同的权重;然后,传递给3个并行阶段,在前2个阶段中,使用编码-解码器进行多尺度特征提取,减少雨纹信息丢失,其中使用Transformer模块抑制无用信息传递;最后,在第3个阶段使用初始分辨率模块代替编码-解码器,从而保留输出图像的精细特征。实验结果表明,所提算法在Rain800、Rain12、Rain100L和Rain100H公开测试集上的结构相似性分别为0.830、0.968、0.960和0.944,峰值信噪比分别为27.33 dB、35.27 dB、36.79 dB和28.94 dB。所提算法相比于经典和新颖的图像去雨算法,在去除雨纹和恢复背景细节上具有更好的效果。

一种含5G的频段多系统腔体合路器设计与应用

针对目前4G与5G网络共存现状,设计了一款1进2出POI系统,实现了WLAN与4/5G多系统的信号合路传输.该系统具有合路插入损耗小、端口隔离度高、功率容量大和温度稳定性高等特点,能够减少系统间的相互干扰.另外,POI具有体积小、性能高且满足低成本、易量产等优势.

基于可达性的多层动态航空网络鲁棒性分析

为更准确地描述航空网络以分析其鲁棒性,提出1种以同一始发机场及其离场航班为子网络层,随出发时刻动态变化的多层动态航空网络模型。针对我国国内(不含港澳台)多层动态航空网络,以可达性、度中心性和加权介数中心性为节点特征指标,网络效率为网络性能测度指标,从随机攻击和蓄意攻击2种策略下对网络进行鲁棒性分析。研究结果表明:我国国内(不含港澳台)航空网络的鲁棒性主要由20%的机场提供,且在不同时间段内鲁棒性不同,在2023年夏秋航季,7∶00~20∶00间鲁棒性较好,4∶00~7∶00和20∶00~24∶00鲁棒性较差;用可达性指标衡量航空网络中机场节点的重要程度比度中心性和加权介数中心性指标更准确。研究结果可为保障航空运输网络安全提供一定参考。

高效低时延分级多PAN太赫兹无线网络MAC层优化协议

针对现有分级多PAN太赫兹无线网络MAC(Medium Access Control)协议中存在的子网形成方案不合理以及私有CTA(Channel Time Allocation)与子网内实际负载不匹配等问题,提出了一种高效低时延的MAC层优化协议.该协议采用基于泛听的按需形成子网机制避免了子网分布不均匀以及因子网形成后没有节点加入而造成的私有CTA资源浪费的问题.在子网形成后,子微微网协调器(Piconet Coordinator,PNC)根据子网内实际负载情况自适应选择私有CTA时隙资源优化机制,让有数据传输需求的节点及时将数据发出.仿真结果表明,所提出的方案能有效地降低数据帧平均接入时延,提高吞吐量以及数据帧的传输成功率.

铁路周界入侵目标多尺度特征感知算法

准确识别侵入周界范围内的人和大型牲畜是铁路周界入侵视频智能分析技术的重点内容,对保障铁路安全运营具有重要意义。基于现有目标检测算法难以处理铁路监控场景中入侵目标呈现显著尺度变化的状况,提出一种多输入双输出神经网络(Multiple Input Double Output Network,MIDO-Net)和基于自适应特征加权融合的目标多尺度特征感知算法。首先,通过MIDO-Net多层级联的多输入和双输出网络结构,提取图像目标更丰富的多尺度特征信息;其次,依据骨干网络多阶段的特点,先将多级特征上采样至统一分辨率,再利用注意力模块和自适应参数对多级特征进行加权;然后,将特征输入到检测头中完成铁路周界入侵的识别;最后,通过视觉目标类别(Visual Object Classes,VOC)公共数据集和制作的多场景、多尺度铁路异物侵限数据集,对算法进行验证。结果表明:提出的多尺度特征感知算法在VOC公共数据集中的检测精确率达83.3%,在多场景、多尺度铁路异物侵限数据集中的检测精确率达91.1%,平均召回率达56.2%,均优于当前广泛使用的各种特征提取骨干网络;算法检测速率为45帧·s^(-1),优于同类型的骨干网络,且能满足铁路场景的行人实时监测需求。