首页期刊导航|杭州电子科技大学学报
期刊信息/Journal information
杭州电子科技大学学报
杭州电子科技大学学报

孙玲玲

双月刊

1001-9146

hztx2003@sohu.com

0571-85179834 85066039

310006

浙江省杭州市延安路472号

杭州电子科技大学学报/Journal Journal of Hangzhou Dianzi University
查看更多>>本学报在电子界、教育界广泛征稿。有健全的编委会，有较强的编辑力量，向广大科技爱好者推荐和传播最新科研成果。
正式出版
收录年代

    基于前导图像和多语义特征融合网络的P波段突发信号调制方式识别

    胡鑫沈雷吴尚张如栩...
    1-10页
    查看更多>>摘要：本文提出了一种基于信号前导图像和多语义特征融合网络的P波段突发信号调制方式识别算法.该算法充分利用了P波段突发信号的前导特征,解决了低信噪比环境下信号信息段特征难以区分的问题,同时,避免了传统信号前导自相关识别算法对信号前导先验信息的依赖以及频偏影响.该算法首先利用信号前导频谱完成图像化构造,利用不同突发信号前导规律码字所形成的频谱特征进行区分;其次,所提多语义特征融合网络既充分利用了低层残差网络提取信号的前导频谱边缘轮廓等纹理特征,又融合了高层残差网络提取信号频谱抽象复杂的高级语义特征,以此解决了残差网络仅利用高级抽象语义特征而忽视低级特征的问题,提高了突发信号调制方式识别性能.实验结果表明,相较于信号前导自相关算法、信号信息段频谱图像与 ResNet50 网络的识别算法以及信号信息段时频图与 ResNet50 网络的识别算法,在-15 dB信噪比环境下,提出算法识别性能分别提升了 20.88%、30.83%、60.39%.

    P波段突发信号前导图像化构造残差网络特征融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于双摄像头信息互补的牛只体尺测量算法

    蓝雷斌沈雷方一昊黄安祥...
    11-19页
    查看更多>>摘要：目前基于计算机视觉的畜禽体尺测量方法主要是采用图像处理技术对单一的畜禽完整侧身图像进行分析处理,计算所需测点坐标,根据标定参数计算出畜禽的体尺数据.但是此类方法对于畜禽侧身图像的质量要求比较严苛,当图像中畜禽的局部侧身部位缺失时,会导致此类体尺测量方法难以应用.本文提出一种基于双摄像头信息互补的视觉三角身高测量算法和相似三角体直长测量算法.首先通过正上方摄像头与侧方摄像头的双视角图像信息互补来弥补单幅二维图像中缺少景深信息的不足,同时使用 YOLOV5 算法和凸包角点检测算法从牛背俯视图进行肩胛-尾尻测点提取.视觉三角身高测量算法通过上方摄像头获得牛只肩胛部位与侧方摄像头的相对水平距离,结合侧方摄像头中辅助标尺下端坐标的实际高度,基于相似三角形原理计算牛只身高.相似三角体直长测量算法利用牛只身高数据计算正上方摄像头画面中对应牛背的景深,然后结合景深信息、肩胛测点和尾尻测点之间的欧氏距离、上方摄像头对地空间分辨率,来计算牛只体直长.所提算法解决了不能获取到完整牛只侧身图像情况下的体尺测量问题.对30 头牛进行体尺测量,正常情况下牛只身高测量平均误差为 2.25%,体直长测量平均误差为3.33%;在相对拥挤情况下牛只身高测量平均误差为 3.03%,体直长测量平均误差为 3.68%.

    体尺测量双摄像头信息互补测点提取

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于ResMO-Dense-YOLO的牛只检测算法

    黄安祥沈雷蓝雷斌方一昊...
    20-27,49页
    查看更多>>摘要：牛只目标检测是基于深度学习的牛只个体注册与牛只识别的前提,不同实际场景下光照、色彩与牛只品种的差异使得牛只图像低层特征多样化,而高层特征中语义信息若不能完全匹配多样化的低层特征,则无法得到较好的检测精度.为解决检测模型高层特征语义不足问题,本文提出了新的牛只特征提取骨干网络 ResMO-Backbone 与特征融合网络 Dense-Neck,进而提出了基于ResMO-Dense-YOLO的牛只检测算法.在骨干网络中利用 ResMO 模块多语义层面关注牛只高层特征的特性丰富语义信息,结合SPPF结构和多层卷积结构扩大感受野,使得模型更好地提取牛只的高层特征;然后提出基于 DenseBlock 的特征金字塔和基于 DenseBlock 的路径聚合网络级联的 Neck网络Dense-Neck,利用DenseBlock对特征多次复用的特性,结合特征金字塔与路径聚合网络多尺度融合的特性进一步融合牛只的低层特征位置信息与高层特征语义信息,提高模型检测精度.本文的模型与 FLYOLOv3、SSD、YOLOv5s 等目标检测模型相比,在实验室采集的奶牛通道、奶牛牛舍和肉牛牛舍数据集中平均精确率分别提高 40.1％、30.3％、4.0％,召回率分别提高34.9％、23.1％、6.8％,mAP提高了 49.2％、35.3％、5.0％.

    YOLOv5牛只检测多头注意力稠密连接

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于两类q元函数的极小线性码

    何童童亓延峰
    28-32页
    查看更多>>摘要：线性码在通信和计算科学中有重要应用,也是密码理论与技术的重要工具.极小线性码作为一类特殊的线性码可应用于秘密共享、安全两方计算中,如何构造出新的具有好的性质的极小线性码是编码理论和应用的重要问题.本文考虑使用q元函数来构造线性码,选取特殊的q元函数构造了两类线性码,此类函数在一些固定重量的向量上满足某些性质.通过极小线性码的充要条件,证明了这两类线性码是极小线性码.

    线性码极小线性码q元函数重量

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于关键集合校验辅助的极化码SCLF译码算法

    孙荷郭锐
    33-39页
    查看更多>>摘要：为了降低 SCLF 译码算法的复杂度,提出了一种基于关键集合校验辅助的极化码 SCLF(Parity Check Successive Cancellation List Flip,PC-SCLF)译码算法.该算法关键集合的信息位进行奇偶校验,当关键集合的信息位不满足奇偶校验时,提前终止本轮译码,减少后续无效的译码过程,降低了译码复杂度.仿真结果表明,PC-SCLF 译码算法的性能和现有的化码 SCLF 译码算法相比略有提升,且译码复杂度降低了 5.37%～23.6%.

    极化码串行抵消列表翻转关键集合奇偶校验循环冗余校验

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进自适应遗传算法的结构化剪枝方法

    袁沁孙闽红滕旭阳朱万乾...
    40-49页
    查看更多>>摘要：网络剪枝是当前深度神经网络模型压缩的主要方法之一.针对现有的基于遗传算法的网络剪枝方法效率较低的问题,提出了一种基于改进自适应遗传算法的结构化剪枝方法.首先设计了新的适应度函数,平衡了模型损失值和参数量对最终结果的影响;其次,利用自适应的交叉概率和变异概率来代替固定的超参数,提高了剪枝效率和模型准确率;最后,通过实验验证了方法的可行性,得到了精度更高、参数量更少的网络模型.

    深度学习模型压缩网络剪枝遗传算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于信号特征值直方图和L-ResNet的直扩信号用户数估计

    宋艺天刘顺兰沈雷
    50-58页
    查看更多>>摘要：针对目前在扩频通信系统中,直接序列扩频信号用户数估计在各个用户载波频率未知以及低信噪比环境下性能较差的问题,提出了一种基于信号特征值直方图和 L-ResNet(Local Binary Patterns-Residual Network)的用户数估计方法.首先将收到的直接序列扩频信号构造为数据矩阵,利用信号矩阵的协方差矩阵的特征值构造特征值直方图.此方法利用特征值的大小以及梯度来放大不同用户数目的特征值直方图区分度,将用户数估计问题转化为分类问题.然后采用L-ResNet网络以区分不同用户数目的特征值直方图,引入 Local Binary Patterns(LBP)来约束网络模型的损失,增大不同类别的特征值直方图在梯度上的区分度,从而提高网络模型的直扩信号用户数估计性能.最后,实验结果表明,基于信号特征值直方图和 L-ResNet的直扩信号用户数估计性能优于特征值门限、相邻特征值之比的导数(DRAE)方法.

    扩频通信用户数估计神经网络直方图

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于DCNN的OTFS系统分数多普勒信道估计方法

    孙文胜许崇旸
    59-66页
    查看更多>>摘要：当OTFS调制被用于实际数据传输时,多普勒分辨率通常较低,这会导致分数多普勒频移的出现,致使接收的符号在衰落信道中遭受多普勒间干扰,从而降低信道估计的准确性.为此,提出一种基于深度学习的 OTFS系统分数多普勒信道估计方法.该方法首先使用互相关算法对分数多普勒信道进行初步估计,然后搭建并训练深度卷积神经网络用于初步信道估计结果的优化,从而达到有效提升 OTFS分数多普勒信道估计精度的目的.仿真实验表明:新提出的方法结合了传统算法和深度学习的优势,可实现了约 6dB的性能增益,有效提升了对于 OTFS分数多普勒信道估计的精确性;同时该方法能够有效应对信道失配的情况,在多种高移动性场景下的性能差异低于 30%,具备一定程度的鲁棒性.

    OTFS分数多普勒信道估计DCNN

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一个广义(3+1)维Kadomtsev-Petviashvili方程的Lump解

    叶叙希虞静
    67-72页
    查看更多>>摘要：从一个Hirota双线性方程出发,利用变换u=2(lnf)x,得到一个变系数的广义(3+1)维Kadomtsev-Petviashvili(GKP)方程,并借助 Maple软件,得到了该(3+1)维 GKP方程的 Lump 解,同时绘制了解的立体图和等高线图.

    (3+1)维GKP方程Lump解Hirota双线性方法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    非均匀三次B样条曲线插值的双边尺度化Jacobi-PIA算法

    徐赛伍李亚娟邓重阳
    73-77,84页
    查看更多>>摘要：提出了非均匀三次 B 样条曲线插值的双边尺度化 Jacobi-PIA 算法.该算法将双边尺度化Jacobi迭代法与渐进迭代逼近方法相结合,最终得到一系列逐次逼近给定数据点的非均匀三次 B样条曲线.数值算例表明,双边尺度化Jacobi-PIA算法的收敛速度优于Jacobi-PIA算法.

    非均匀三次B样条双边尺度化渐进迭代逼近

      原文链接:
    • NETL
    • NSTL
    • 万方数据