无人机群分布式协同通信对抗技术综述

无人机作为现代化通信对抗的核心作战平台,在多个国家得到重点发展。为克服单无人机生存性低、任务载荷单一等缺陷,无人机群分布式协同对抗作战模式以其生存性强、容错性高等独特的作战优势成为新的无人平台通信对抗作战模式。文章结合无人机群协同作战理念和无人机群分布式协同通信对抗国内外发展现状进行综述,根据各国无人机群发展特点提出了无人机群通信对抗的未来关键技术及发展趋势。

基于时空数据联邦的安全k近邻查询分析

[目的/意义]时空数据联邦指的是基于联邦学习框架,在不共享具体数据的情况下,协同多个时空数据持有者进行查询和计算.这种方式可以实现较为精确的查询结果,而且能保证数据的安全.[方法/过程]提出了一种轻量级的联邦kNN查询方法FedkNN,允许不同数据持有者协作完成kNN查询,而无需共享位置数据,从而避免将数据持有者的信息暴露给不受信任的聚合服务器,并且易于部署和实施.[结果/结论]通过在真实世界数据集和合成数据集上实验,FedkNN算法在运行时间和通信成本方面优于现有算法,同时实现了与现有算法相当的准确度.

基于近红外光谱技术的冀产黄芩鉴别方法研究

目的采用近红外光谱(near-infrared spectioscopy,NIRS)技术对黄芩的河北省道地性进行二分类实验,探究不同数据预处理算法及其组合、不同波段选择算法和不同分类方法对模型性能的影响。方法研究采集138份黄芩样本,采用12500~4000 cm^(-1)波段对不同黄芩样品进行近红外光谱采集。首先,对比不同光谱预处理方法的单一性能与组合性能;其次,对比竞争性自适应重加权采样方法(CARS)、无信息变量消除方法(UVE)、连续投影方法(SPA)和主成分分析(PCA)在红外光谱波段选择与特征提取方面的性能;最后,对比偏最小二乘判别分析(PLS-DA)、支持向量机(SVM)、人工神经网络(ANN)、随机森林(RF)、传统一维卷积神经网络(CNN)和堆叠自编码器(SAE)在建立中药属性分类模型中的性能差异。结果最佳预处理算法是使用均值中心化(MC)和多元散射校正(MSC),总体正确率可以达到92.9%;最佳波段选择算法是基于PCA选择出的25维变量,能将总正确率提升10.7%;最佳分类算法是经过MSC处理和PCA降维后建立的一维CNN模型,可以实现冀产黄芩100%正确率的道地性二分类。结论通过近红外光谱技术的道地性分类算法研究为黄芩道地性鉴别提供了快速、无损的检测手段及可靠的数据分析方法,为中药材产地溯源提供新的方法参考。

基于AdvantEdgeFEM的微波器件铣削参数分析

为了解决铝制高频微波器件的加工技术不可复制、零件质量的不可控等问题,提出使用AdvantEdge软件对典型高频微波器件的铣削加工过程进行有限元建模仿真。合理设置实验参数模型,基于控制变量法进行15组比对仿真实验。研究发现铣削深度、铣削宽度、每齿进给量增大均会使切削力增大,影响力依次增大;转速对切削力影响最小,呈负相关;四因素的增加均会使切削过程中的温度上升。当转速为30000rpm、铣削深度为0.2mm、铣削宽度为0.3mm、进给量为0.04mm时切削力与切削温度均较小,为优选参数组合。

面向CVQKD量子-经典信号共纤传输技术研究

量子-经典信号共纤传输技术对实用化量子保密通信网络建设具有重要意义。针对经典光在光纤信道中的拉曼散射(RS)、四波混频(FWM)以及交叉相位调制(XPM)等非线性效应对量子信号的噪声干扰,构建了量子-经典信号共纤传输连续变量量子密钥分发(CVQKD)系统的安全密钥率仿真模型,重点分析了经典光功率、信道间隔和探测方式对系统噪声和密钥率的影响。结果表明,在近距离传输时,FWM噪声占主导地位,在传输距离大于10 km时,XPM噪声大于RS和FWM噪声。系统总噪声与经典光功率正相关,与波分复用信道间隔反相关。零差和外差检测下,随着传输距离的增加,安全密钥率整体变化趋势接近,零差检测方式具有更大的极限传输距离。该研究工作可为实用化量子-经典信号共纤传输CVQKD系统的优化设计提供参考。

基于近红外光谱结合数据增强CNN算法的白芷产地溯源方法

目的在中药产地溯源领域,基于近红外光谱结合数据增强卷积神经网络(CNN)算法建立样本量不均衡的白芷产地分类模型具有很大的理论研究价值与实际应用价值。方法研究采集95份白芷样本,采用12500~4000 cm^(-1)波段对不同白芷样品进行近红外光谱采集。本研究所使用的白芷近红外光谱数据集,存在样本量小、样本产地类别分布不均衡等问题。本研究提出了3种数据增强算法,包含光谱平移、光谱增噪和光谱组合来提升模型泛化能力,并使用Focal Loss作为损失函数来训练CNN模型解决样本不平衡的问题。结果将3种数据增强算法应用于支持向量机(SVM)模型,对光谱数据添加信噪比为20的高斯噪声效果最好,能够将模型正确率提高至84.2%;在样本不平衡的情况下,通过应用Focal Loss作为损失函数来训练CNN模型,实现了高达94.7%的正确率。结论通过红外光谱技术结合数据增强的CNN算法为白芷产地溯源提供了快速、无损的检测手段及可靠的数据分析方法,为中药材产地溯源提供新的方法参考。