全部分类/
科学普及/
现代电子技术

现代电子技术

2026年07期

本刊以电子技术为主体，探讨和报道信息产业及电子行业中新技术，新器件，新应用的学术论文及成果；提供国内外最新的电子技术发展动态及产品市场信息；为企业的新产品，新技术，新成果在产业及行业内的推广架起一座金桥。

扫码免费借阅

目录

快速导航

通信与信息工程 | 噪声背景下基于累加排列熵加权的雷达目标检测方法

通信与信息工程 | 噪声背景下基于累加排列熵加权的雷达目标检测方法

摘要：当脉冲数较少时，由于频谱泄漏的原因，噪声背景下传统基于FFT的雷达目标检测方法的性能会明显下降。针对这个问题，文中结合相参处理与排列熵特征，提出基于累加排列熵加权的雷达目标检测方法。首先分析频谱泄漏现象、原因及加窗减少泄漏方法;然后对累加排列熵加权方法原理及检测统计量构建进行阐述;最后分别仿真所提方法在不同噪声功率水平下检测门限变化情况和在不同脉冲数下的检测性能。仿真分析表明：所提方法能够保持恒虚警特性，且其检测性能优于传统基于FFT的雷达目标检测方法，并在脉冲数较少时优势明显;该方法也可用于杂波与目标在多普勒域可分的情况中。
通信与信息工程 | 基于动态资源分配的C-V2X拥塞控制策略

通信与信息工程 | 基于动态资源分配的C-V2X拥塞控制策略

摘要：蜂窝车联网(C-V2X)技术作为下一代智能交通系统的重要组成部分，提升了车辆间的通信效率和安全性。然而，现有的消息访问机制在高密度条件下容易产生冲突并导致传输失效。鉴于此，文中提出一种D-SPS的信道资源分配策略，专注于高密度情况下的拥塞控制。该策略根据车道路段进行带状分簇，并依据集群内节点密度进行通信资源的动态分配，在一定程度上缓解了各车道节点密度在特定时间段分布不均匀导致的拥塞问题。另外，在上述策略的基础上，进一步完善车道簇头选举策略，以降低选举开销，提高集群稳定性。建模计算和数值比较结果表明，所提出的优化策略能够较为有效地降低当前Mode2机制的信道拥塞，并且在高密度数据交互场景下，对安全信标的传输时效性和高比特率信息的包投递率性能有着较为不错的提升。
通信与信息工程 | 基于自适应空间通道收缩网络的自动调制识别算法

通信与信息工程 | 基于自适应空间通道收缩网络的自动调制识别算法

摘要：针对自动调制识别算法在低信噪比下特征学习不充分的问题,提出一种自适应空间通道收缩网络自动调制识别算法。该算法主要由自适应空间通道收缩（ASCS)模块、多尺度卷积(MC)模块、残差模块(Residual）、多头注意力（MHA）模块组成。通过自适应空间通道收缩模块在空间和通道维度进行特征提取，使用改进软阈值函数对特征进行收缩处理，减少噪声特征，保留有用特征，从而提升网络的特征处理能力。综合分析实验结果表明：改进的软阈值函数能较好地处理特征；提出的自动调制识别算法在公开数据集RML2016.10a上的平均识别准确率为 62.94% ，在RML2016.10b上的平均识别准确率为 64.79% ，相较于现有的自动调制识别算法，能达到较高的精度，为低信噪比下的特征学习提供了一种有效方法。
通信与信息工程 | 基于隐马尔科夫模型和LSTM的蜂窝网联无人机轨迹识别技术研究

通信与信息工程 | 基于隐马尔科夫模型和LSTM的蜂窝网联无人机轨迹识别技术研究

摘要：针对重点区域电磁环境的复杂性和特殊性，及蜂窝网联无人机较强的隐蔽性和难以被传统探测手段发现等问题，提出一种全新的基于隐马尔科夫模型和长短时记忆(LSTM)神经网络的无人机轨迹识别方法。蜂窝用户在工作时与附近的蜂窝基站进行通信活动会产生大量的信令数据，从这些信令数据中提取位置信息进行轨迹运动学分析，得到速度、起终点距离等特征参数，并与该区域内的路网数据进行基于隐马尔科夫模型的道路匹配，使用动态时间规整(DTW)算法计算轨迹与道路的相似性特征并对比后，将这些特征作为LSTM的输入数据进行训练，从而识别出在重点安防区域的众多蜂窝网络用户中的可疑无人机用户。实验结果显示，在定位误差为 20m 的情况下，选取有无相似度特征的不同输入情况下二分类和六分类输出结果，所提方法对无人机终端轨迹和其他交通类型终端轨迹分类的识别准确率均达到了 90% 以上，为无人机探测领域的发展提供了一种新思路。
通信与信息工程 | 利用CNN-LSTM融合模型实现GNSS诱导式欺骗干扰检测

通信与信息工程 | 利用CNN-LSTM融合模型实现GNSS诱导式欺骗干扰检测

摘要：卫星导航接收机应对诱导式欺骗的能力有限，并且所使用的传统检测方法面临实时性难度高和预设判别阈值适应能力差等问题。针对现有方法的不足，文中提出一种基于CNN-LSTM的融合神经网络检测方法。首先，分析诱导拉偏阶段的相关峰混叠特性;然后，以ResNet-18作为卷积神经网络的骨干网络，提取码相位域与多普勒域的空间特征，通过长短期记忆网络跟踪连续帧的时序依赖关系，检测欺骗信号的诱导行为。为了模拟诱导式欺骗过程，构建了相关模糊函数(CAF)序列化数据集验证该融合模型的检测性能。实验结果表明，该方法对于诱导式欺骗的检测准确率达 98% 以上，较传统单一模型提升 2% ，且检测时间与模型复杂度均能够满足民用接收机的要求，为卫星导航抗欺骗应用提供了一种有效方法。
信号分析与图像处理 | 基于关键点特征提取与融合的人体姿态检测模型

信号分析与图像处理 | 基于关键点特征提取与融合的人体姿态检测模型

摘要：针对不同场景下人体关键点特征提取能力和融合能力不足的问题，文中提出一种改进的YOLOv1ln-Pose模型。该模型使用PKIBlock替换原有的Bottleneck结构，以增强关键点特征的提取能力。同时，设计多膨胀率的空间金字塔卷积模块，以提高特征提取时的灵活性和表达能力。最后，引入CAF Block网络，进一步提升多尺度特征的融合效果。实验结果表明，所提算法在COCO2017数据集上的精确率、召回率，、mAP@0.5、mAP@0.5:0.9 相较于原模型分别提高了 3.1% 、2.9%.3.5% 和 1.2% 。在实际推理中关键点位置估计误差和漏检情况显著减少，具有较好的应用价值。
信号分析与图像处理 | 等离子鞘套包覆临近空间高速日标逆合成孔径雷达成像方法

信号分析与图像处理 | 等离子鞘套包覆临近空间高速日标逆合成孔径雷达成像方法

摘要：等离子鞘套包覆空间高速目标ISAR成像时，速度引起的雷达回波脉内走动会造成ISAR成像结果出现距离维散焦问题。针对这一问题，文中通过研究等离子鞘套反射特性和速度场分布，建立了等离子鞘套包覆下高速目标回波模型，揭示了等离子鞘套流场引起空间高速目标ISAR成像结果距离维散焦的机理。提出一种基于CEEMDAN和FRFT的多分量线性调频参数估计方法，获得目标表面不同位置等离子体流场速度参数，并基于等离子体流场速度设计了含有速度补偿因子的匹配滤波算法，实现等离子鞘套包覆目标ISAR成像。仿真结果验证了提出方法的有效性，可以实现等离子鞘套下ISAR成像结果距离维散焦抑制。
信号分析与图像处理 | 基于改进YOLOv10的全天候无人机航拍图像检测算法

信号分析与图像处理 | 基于改进YOLOv10的全天候无人机航拍图像检测算法

摘要：针对已有无人机航拍图像检测算法场景单一且检测精度不高的问题，文中提出一种基于改进YOLOv10的全天候无人机航拍图像检测算法(FEMFF-YOLO）。首先构建一个全天候无人机航拍图像数据集(DNV),以评估目标检测模型在多时段、多天气条件下的鲁棒性与泛化能力;其次使用能够更高效提取特征的FasterNet结构替换原模型主干;最后采用重参数化异构多尺度模块RepHMS强化模型的多尺度特征融合能力。实验结果表明:FEMFF-YOLO算法在DNV数据集上的精确率达到了 72.8% ，平均精度均值 mAP(a0.5) 达到了 63.8% ，召回率达到了 57.9% ，与基础YOLOv10算法相比，精确率提升了3.9%,mAP@0.5 提升了 3.3% ，召回率提升了 2.3% ，验证了所提方法对无人机航拍目标检测的有效性。
信号分析与图像处理 | 基于改进最佳缝合线的海上低照度图像拼接方法

信号分析与图像处理 | 基于改进最佳缝合线的海上低照度图像拼接方法

摘要：针对海上低照度图像因光照不均、噪声增加和大视差导致的图像拼接伪影与接缝问题，文中提出一种基于改进最佳缝合线的海上低照度图像拼接方法。首先，引入线点一致性匹配策略来翘曲图像，通过优化网格变形以准确地对齐图像重叠区域;其次，通过考虑色差、梯度差和纹理复杂度来改进最佳缝合线算法的能量函数，以减轻重叠区域的伪影；再使用动态规划搜索算法在重叠区域寻找最佳缝合线；最后，基于梯度动态调整渐入渐出融合算法的融合权重，消除可见的接缝，从而实现海上低照度图像拼接的平滑过渡。在6组海上低照度图像上的拼接结果表明：所提算法与改进前的最佳缝合线算法相比，缝合线的质量误差平均降低了 51.48% ，拼接质量明显提高。改进的最佳缝合线算法能够避免伪影和拼接缝的产生，实现平滑的海上低照度图像拼接。
信号分析与图像处理 | 高斯边缘增强的自监督单目深度估计

信号分析与图像处理 | 高斯边缘增强的自监督单目深度估计

摘要：基于编码器-解码器的自监督单目深度估计方法常因上采样操作导致深度图边缘模糊。现有方案多在解码阶段或损失函数中引入边缘约束，存在高频信息衰减后的后验优化局限。因此，文中提出一种源头增强的高斯边缘增强机制。首先在预处理阶段显式构建高斯差分金字塔，解耦输入图像的多尺度边缘先验；然后设计自适应边缘注入模块，在编码器前端实现几何特征与语义特征的动态融合；最后结合边缘引导的 ASPP++ 模块强化上下文感知。在KITTI数据集上的实验结果表明，所提方法的RMSE、AbsRel和SqRel指标相较当下主流方法分别降低 14.83%,8.92% 和 28.08% ，并显著优于BTS、DIFFNet等最新SOTA方法。可视化结果验证了所提方法在复杂轮廓与弱纹理区域卓越的深度不连续性建模能力。
网络与信息安全 | 动态信誉驱动的联邦学习恶意攻击检测与隐私保护协同优化方法

网络与信息安全 | 动态信誉驱动的联邦学习恶意攻击检测与隐私保护协同优化方法

摘要：联邦学习的开放部署面临恶意攻击和隐私泄露的多重挑战，传统方法常孤立优化单一指标，导致恶意攻击检测与隐私保护失衡，难以应对复合攻击的威胁。因此，文中提出一种动态信誉驱动的联邦学习恶意攻击检测与隐私保护协同优化方法。基于动态信誉评估模块设计，突破分治式防御的性能瓶颈。设计融合多维动态指标的信誉评估机制，综合计算客户端的实时训练损失偏离度、训练时延异常性以及历史行为可信度，动态迭代更新其信誉评分。对于信誉值因多次恶意行为惩罚而持续低于预设阈值的客户端，系统将执行隔离机制。分层差分隐私机制依据客户端的实时信誉等级，实现差异化隐私预算分配和隐私保护强度的自适应调整，在有效抑制恶意梯度影响的同时，平衡正常数据的模型贡献与隐私安全。实验结果表明，相比传统检测算法，所提方法在恶意检测精准性与隐私保护方面展现出显著优势，是一种可靠的方法。
网络与信息安全 | 融合静态和动态信息特征的代码漏洞检测研究

网络与信息安全 | 融合静态和动态信息特征的代码漏洞检测研究

摘要：针对基于DL的学习程序表示的解决方案存在无法捕获深度且精确的程序语义信息导致预测时产生的假阳性问题，文中提出对比学习与Mamba结合的模型(CL-Mamba)。该模型通过融合抽象语法树、数据流图、控制流图等静态信息与符号执行路径的动态信息，结合对比学习和Mamba架构，优化了代码语义表示与上下文理解能力。同时，采用无监督主动学习技术来确定收集动态符号执行轨迹的重要路径子集，减少符号执行的开销。实验在三个数据集上验证了模型性能，并与多种方法进行对比,证明了其在改善假阳性问题和提升检测精度方面具有显著优势，是一种高效的软件安全分析工具。
网络与信息安全 | 基于模型融合的物联网设备识别方法

网络与信息安全 | 基于模型融合的物联网设备识别方法

摘要：针对现有网络设备识别技术时序特征提取不足和单一模型识别精度有限的问题，文中提出一种基于自适应模型融合的物联网设备识别方案。该方法采用Pyshark工具从流量数据中提取时间戳、端口号、协议类型及载荷等关键信息，通过卷积神经网络(CNN)捕获静态特征，并利用时间戳信息增强时序数据表达，结合长短期记忆(LSTM)网络提取时序特征。创新性地引入自适应融合机制，动态优化CNN与LSTM的权重分配，采用Stacking集成策略实现特征融合，最终完成流量分类与设备识别。在Aalto公开数据集上的识别准确率提升至 97% ，较现有方法具有明显优势，为高效识别物联网设备提供了一种可靠方法。
网络与信息安全 | 基于机器学习的网络攻防实验设计与实现

网络与信息安全 | 基于机器学习的网络攻防实验设计与实现

摘要：针对西部地区网络安全与人工智能人才匮乏等问题，文中设计并实施了一套融合机器学习技术的网络攻防实验教学方案，旨在提高学生智能网络攻防设计与实操能力。首先，通过Apache的DDoS攻击检测实验，采用K近邻、支持向量机、随机森林等6种机器学习算法，系统地为学生介绍了从数据预处理、特征选择到模型训练的全过程，使学生掌握基于机器学习的网络攻击检测技术。其次，通过网络流特征选择实验，使学生能够学会如何优化机器学习算法来提高网络攻击检测的准确性和效率，增强了学生应对复杂网络安全威胁的能力。该教学实验在网络攻防实验平台上部署了机器学习环境，通过实战练习培养学生的智能化网络攻防思维，能够有效提高学生应对网络安全问题的处理能力，为西部高校网络安全人才的培养提供了重要支撑。
测控与自动化技术 | 基于DAEPARGRU的飞行自标实时航迹预测方法

测控与自动化技术 | 基于DAEPARGRU的飞行自标实时航迹预测方法

摘要：由于现有航迹预测方法存在针对性不强、动态调整难度大，难以保证实时预测精度的问题，文中提出一种基于DAE_PARGRU的飞行目标实时航迹预测方法。首先，针对当前飞行目标的特性，筛选历史侦测航迹和对应的理论航迹，采用去噪自编码器网络确定实测数据的噪声特点后，完成当前目标理论航迹的加噪处理，生成更契合实际运用场景的离线训练数据；其次，通过典型门控循环单元网络的并行搭建及损失函数的优化设计，完成预制模型的构建，并采用离线训练数据完成预制模型的离线训练；然后，以实时数据完成模型迁移学习和模型参数的微调；最后，以流数据集方式输入模型，完成飞行目标航迹的实时预测，在综合实测值和预测值完成预测结果输出的同时，采用并行监控、动态调整的方式提高预测的准确性。仿真实验结果表明，所提方法具有更稳定的性能、更便捷的调整能力、更强的针对性和更高的预测效率，与此同时，通过预测算法的模块化实现，也使其能够在实际场景中发挥数据补全、落点预测等功能。
测控与自动化技术 | 基于自适应特征模态分解的RFID欠定源数估计方法

测控与自动化技术 | 基于自适应特征模态分解的RFID欠定源数估计方法

摘要：由于RFID的标签信号在同一频段容易造成同频干扰问题，而减小干扰的有效途径是盲源分离技术，其实现的必要条件之一是准确估计源信号的个数。文中提出一种基于自适应特征模态分解的源数量估计方法，以解决同频标签信号在欠定条件下源数估计不准确的问题。首先，通过Newton-Raphson优化算法对模态个数和滤波器大小进行组合优化；接着，利用最优组合参数对观测信号进行特征模态分解，将多组模态分量组合得到新的模态函数；然后，对其协方差矩阵进行奇异值分解;最后，通过奇异值分解得到源数的估计值。仿真结果表明，该方法提高了信源数目的估计准确率，具有良好的自适应性和稳定性。
测控与自动化技术 | 融合道路曲率信息的智能驾驶车辆路径跟踪控制

测控与自动化技术 | 融合道路曲率信息的智能驾驶车辆路径跟踪控制

摘要：针对智能驾驶汽车在高速状态下进入曲率突变弯道时，容易出现路径跟踪偏差增大和行驶平稳性下降的问题，文中提出一种基于道路曲率变化的自适应纵横向路径跟踪策略。首先，构建车辆动力学模型和包含道路特征的预瞄跟踪模型;其次，针对传统误差模型中预瞄距离固定不变的问题，根据道路曲率变化与车速变化，设计了一种变论域模糊策略实时调整预瞄距离;然后，采用积分滑模控制算法进行车辆横向控制器设计，并基于道路曲率信息采用五次多项式设计车辆的纵向速度调节策略;最后，通过Matlab/Simulink与Carsim在大曲率双移线工况下进行联合仿真。实验结果表明，在路径跟踪过程中，所提控制策略能够结合道路曲率变化与实时车速，自适应动态调整预瞄距离参数，从而提升车辆路径跟踪精度和动态行驶稳定性，保证车辆行驶安全。
测控与自动化技术 | 基于毫米波雷达和相机融合的3D目标检测研究

测控与自动化技术 | 基于毫米波雷达和相机融合的3D目标检测研究

摘要：针对传感器融合过程中由于点云的稀疏性，在小目标低反射物体区域缺乏足够几何信息，导致图像与雷达点云特征难以对齐，影响雷达与相机信息的有效融合，文中提出一种基于毫米波雷达和相机融合的3D目标检测算法（RE-BEVDepth）。该方法从两方面进行改进优化：一是利用PointPillrs模型获取毫米波雷达点云的特征信息并映射至伪图像上，对伪图像特征提取后与BEVDepth模型获取的图像特征在BEV空间下融合;二是简化Backbone网络，对从毫米波雷达生成的伪图像进行高层次特征提取，获取鸟瞰图视角(BEV)特征。在nuScenes数据集上的实验结果表明，所提算法的平均精度均值 (mAP) 较BEVDepth提升 6.99% ，且模型推理时间减少 6.14ms ，证明了该算法具有更精准的感知能力，进一步满足了自动驾驶技术在环境感知中的检测要求。
测控与自动化技术 | 基于弹丸底部形变重构的应变传感器最优布局

测控与自动化技术 | 基于弹丸底部形变重构的应变传感器最优布局

摘要：针对现有弹底应变等参数采集不能反映弹底全响应的问题，通过应变能密度和最大、均方根误差最小以及模态置信准则构建目标函数，结合NSGA-Ⅱ遗传算法得到一种最优的传感器布设点位，用少量点位数据来最大程度获取全场信息,提取优选点位的数值并使用模态叠加法重构弹底应变与位移，通过对比重构值与仿真理论值，验证了文中NSGA-Ⅱ遗传算法目标函数构建的有效性。其中，NSGA-Ⅱ布设选点方法的重构精度为 92.7% ，并与有效独立(EI)法、模态动能法(MKE)及驱动点残差法的有效独立法(EI-DPR)布设方法进行了对比，EI布设选点方法的重构精度为 90.6% ，MKE布设选点方法的重构精度为 91.2% ，,EI-DPR布设选点方法的重构精度约为 90.8% 。NSGA-Ⅱ方法得到了更为准确的传感器信息。
电子技术及应用 | 基于加权互补四元数的姿态检测与实现

电子技术及应用 | 基于加权互补四元数的姿态检测与实现

摘要：为了更好地监护失能老人，设计了一种基于MPU6050传感器的跌倒检测系统。该系统结合了惯性传感器技术和智能算法，能够实时监测失能老人的运动状态并识别跌倒事件。系统使用STC8H8K64U芯片为主控，集成了MPU6050传感器、OLED显示屏、蜂鸣器为一体的跌倒检测系统。通过姿态信息采集和跌倒报警功能，实现了可靠的姿态检测和预警系统。在姿态数据处理上采用了融合互补滤波四元数法，提高了人体姿态变化的数学处理性能，且采用加权互补四元数融合法将三个方向角合成单一方向角，提高了姿态数据的稳定性和准确性。实验结果表明，该系统操作简单，数据可靠，安全稳定，可以有效解决老年人看护问题。
电子技术及应用 | 基于稀疏度优化的SA-OMP的谐波和间谐波检测方法

电子技术及应用 | 基于稀疏度优化的SA-OMP的谐波和间谐波检测方法

摘要：针对传统匹配追踪类算法去噪中存在的问题，文中提出一种结合模拟退火(SA)算法和正交匹配追踪(OMP)算法对稀疏度k优化的谐波和间谐波信号检测方法。在OMP算法中引入SA来优化稀疏度搜索过程，通过SA的随机搜索和退火机制，动态搜索最优稀疏度，使信号在特定稀疏变换基下的稀疏表示达到重构误差和稀疏性的平衡，避免了固定 k 值导致的过拟合(保留过多噪声)或欠拟合(丢失信号关键成分)问题。仿真结果表明：所提算法能够在噪声干扰情况下准确检测出各次谐波和间谐波分量，幅值和相位的最大检测误差分别为 0.8% 和 0.021 4rad 。SA-OMP重构的信号与原始信号吻合度很高，不仅在信噪比方面比传统OMP算法有大幅提高，MSE和相对误差也都有所提高，即使在信噪比低至 10dB 的情况下，MSE和相对误差也能分别达到0.041和0.18，其去噪效果明显，为谐波和间谐波检测提供了一种有效方法。
电子技术及应用 | 基于提示学习的模态缺失下多模态联合表征方法研究

电子技术及应用 | 基于提示学习的模态缺失下多模态联合表征方法研究

摘要：在多模态学习任务中，因隐私限制、设备故障和采集成本等因素导致的模态缺失问题，严重影响模型性能和实用性。为此，文中提出一种双机制联合的多模态联合表征学习架构，以提升模型在模态缺失场景下的鲁棒性与泛化能力。所提方法融合基于查询提示的分层协同机制与条件化注意力路由机制，前者引入跨模态查询向量，在每一特征层级中引导信息融合，通过分层聚合实现对局部与全局语义的协同建模,缓解模态间异质性带来的对齐困难;后者则依据模态缺失情况引入条件化路由策略，对注意力计算路径进行条件化选择，使模型在模态缺失时可跳过缺失模态的冗余计算，从而有效避免特征污染，同时将微调参数控制在预训练模型参数总量的 3% 左右，显著降低训练成本。在UPMCFood-101、HatefulMemes与MM-IMDb等公开数据集上的广泛实验表明，所提方法在不同模态缺失情形下与现有主流方法相比，在Hateful Memes数据集的AUROC指标最高提升约 8% ，在UPMC Food-101数据集的准确率指标最高提升约 3.6% ,在 MM-IMDb数据集的 Macro ?F_l 指标最高提升约 3% 。验证了所提机制在应对模态缺失方面的有效性及协同增益。该方法具备良好的可扩展性与资源适应性，为多模态模型在资源受限或信息不完整环境中的部署与优化提供了新的解决路径。
电子技术及应用 | 基于超声波技术的矿浆粒度智能化监测系统

电子技术及应用 | 基于超声波技术的矿浆粒度智能化监测系统

摘要：矿浆粒度是矿物加工过程中关键的控制指标。针对现有激光衍射、图像分析与传统沉降筛分法等粒度检测方法普遍存在无法在线实时监测、易受矿浆浓度及光学特性干扰、取样误差大等问题，文中提出一种基于超声波的矿浆粒度检测技术，利用超声波在矿浆中传播时的衰减与散射特性，提取与颗粒粒径分布相关的信号特征，实现矿浆粒度的非接触、在线实时监测。在此基础上，系统集成了国产LoRA模组TP1107与TP2210网关，构建星型无线传感网络，结合SIMS扩频与FSK调制的联合扩频方案，实现了低功耗、多节点、远距离的数据传输。网关端通过Air780EPSCat.1蜂窝通信模组与MQTT协议,将粒度数据实时上传至云平台，支持远程监控与智能分析。测试结果表明：悬浮物粒径检测精度高、实时性强,LoRA以及4G模组数据无线传输稳定，为矿浆粒度监测系统提供了可靠的技术支撑。该系统具备部署灵活、功耗低、适应性强的特点，适用于复杂矿浆环境下的智能监测与工业应用推广。
电子技术及应用 | 基于施密特正交化和互信息的扬声器与传声器位置联合优化

电子技术及应用 | 基于施密特正交化和互信息的扬声器与传声器位置联合优化

摘要：为了进一步优化扬声器和传声器的布放位置，文中提出一种基于施密特正交化和互信息的扬声器与传声器位置联合优化方法。第一步使用施密特正交化方法选择扬声器位置，使得被选扬声器传递阻抗矢量的线性最大化;第二步使用互信息最大化方法选取传声器位置，使得被选扬声器位置是声场信息未被感知的位置。仿真实验结果表明，该方法在 1600Hz 以下频段所需扬声器数量较经验插值法减少3个以上，且信号失真比(SDR)与经验插值法相近，显著优于随机和规则放置方式；在 800Hz 频率下，所提方法的归一化平方误差较随机和规则放置方式降低约 30% ，声压分布与期望声场高度吻合，验证了其高效性与稳定性。该方法有良好的声场控制效果并且能够减少扬声器和传声器的使用数量，为声场控制系统的高效部署提供了一种实用方案。
智能交通与导航 | 基于改进YOLOv8n-seg的非机动车道场景实例分割算法

智能交通与导航 | 基于改进YOLOv8n-seg的非机动车道场景实例分割算法

摘要：针对非机动车道环境复杂、车道上物体遮挡严重和类别分布不均衡等问题,文中提出一种改进YOLOv8n-seg的非机动车道场景实例分割算法(DCC-YOLOv8n-seg)。首先，在网络中引入动态高效注意力模块(DEAB)，通过细节增强卷积与内容引导注意力机制，实现像素级别的动态聚焦；其次，引入轻量级上采样算子(CARAFE)，增大感受野的同时，通过动态调整上采样核，能够更好捕获不同尺度的语义信息；接着，为了进一步提升模型在复杂环境中的检测性能，在主干网络嵌入了卷积注意力模块(CBAM），通过对特征图进行通道维度和空间维度的加权，提升模型对遮挡区域及关键目标的关注能力；最后，设计了CIoU和FocalLoss相结合的损失函数，优化边界框回归精度，有效应对类别不均衡问题。在自建数据集上的实验结果显示，改进后算法的精确率和掩膜平均精度均值 (mAP_mask@0.5) 分别达到 76.8% 和 52.1% ，较原始算法YOLOv8n-seg分别提升 3.2% 和 0.9% ，并且模型在路边车辆密集及多目标遮挡的场景下，表现出较强的鲁棒性，为自动驾驶车辆的城市道路环境感知与智能停车决策提供了新的技术支持。
智能交通与导航 | 对于小目标行人和密集行人的目标检测

智能交通与导航 | 对于小目标行人和密集行人的目标检测

摘要：针对当前智能车辆感知技术中行人检测方法存在检测精度低、对小目标和密集行人检测能力差以及检测实时性不高等问题，文中提出一种基于YOLOv8的行人检测方法和模型轻量化方法。该方法将主干网络替换为Swin-Transformer，通过增加高分辨率特征图来提升模型对小目标行人检测的敏感度;在Neck层嵌入改进的显式视觉中心，使模型捕捉更多的长远程特征依赖信息，构建一个通道空间注意力机制（CSNA-Model)，并将其与坐标注意力结合，强化模型对通道和空间关键信息的学习能力；基于EIoU改进损失函数，提高预测框生成位置的精确度。在构建的行人数据集上对改进模型进行实验与分析，结果表明，改进模型的检测精度优于原YOLOv8模型，其中 AP@0.5 值由 83.8% 提高至 88.9% AP@0.5:0.95 值由51.6% 提高至 55.2% ，并且改进模型在处理小目标行人和密集行人的检测任务中表现更出色。
智能交通与导航 | 基于HRM-YOLO的交通标志检测算法

智能交通与导航 | 基于HRM-YOLO的交通标志检测算法

摘要：交通标志检测技术是自动驾驶和智能交通管理中的一项重要应用，然而在复杂环境下容易出现漏检、误检等问题。针对上述问题，文中提出一种基于YOLOv10改进的HRM-YOLO交通标志检测算法。首先，为了提升在不同目标尺度下模型的感知能力，设计了一个混合池化增强模块(HPE-SPPF)；其次，设计了一个感受野信息融合模块(RFIF)，通过跨尺度感受野的交互机制增强多粒度信息捕获能力;然后，设计了一个轻量级的特征聚合模块(C2f-OMSA），在有效保留原始信息的同时提供了跨层级的多视角目标线索；最后，引入Wise-IoU Δ_v3 损失函数替换CIoU损失函数，通过提高边界框定位的精准度，进而提升模型的鲁棒性和检测精度。在CCTSDB 2021和TT100K交通标志数据集上的实验结果表明，HRM-YOLO在精确率、召回率和 mAP@0.5 等指标上相比基础模型均取得了提升，验证了算法在实际应用中的有效性。

过往期刊

更多

猜你喜欢

泸州市图书馆电子阅览室