首页期刊导航|无线电工程
期刊信息/Journal information
无线电工程
中国电子科技集团公司第五十四研究所
无线电工程

中国电子科技集团公司第五十四研究所

屈永欣

月刊

1003-3106

gch4954@163.com

0311-86924962

050081

河北省石家庄市中山西路590号

无线电工程/Journal Radio Engineering 北大核心
查看更多>>《无线电工程》（月刊）创刊于1971年，由中国电子科技集团公司第五十四研究所主办，国内外公开发行。本刊坚持学术性与技术性相结合，以跟踪遥感遥测遥控学科发展、交流测控领域学术与技术应用成果为主要报道内容，突出高科技并兼顾其他相关专业。《中文核心期刊要目总览》收录期刊，多次荣获工业和信息化部编辑质量优秀奖、出版质量优秀奖，河北省出版物印刷优质产品（一等品）。
正式出版
收录年代

    专题:空间数据智能

    乔少杰袁冠吴涛何兵...
    2733-2734页
      原文链接:
    • 万方数据

    空间数据智能中的轨迹大数据分析:多源融合与前沿进展

    李任杰韩楠李庆相东升...
    2735-2743页
    查看更多>>摘要：随着移动设备和传感器技术的快速发展,轨迹大数据已成为空间数据智能研究的关键数据源之一.该领域的研究涵盖多源轨迹数据的获取、融合、分析以及模式挖掘与知识发现的完整流程,在智慧城市、交通管理和位置服务等方面展现出巨大潜力.然而,轨迹数据的复杂性和多样性带来了处理、分析和利用方面的诸多挑战.对轨迹数据的获取与预处理、数据存储、模式识别、预测分析等核心方法进行了系统讨论,总结了其在各类应用场景中的最新进展.探讨了当前研究中存在的主要挑战,对未来的研究方向进行展望,为相关领域提供有价值的参考.

    空间数据智能轨迹大数据数据分析

      原文链接:
    • 万方数据
    • 维普

    群体智能驱动的时空轨迹预测技术综述

    潘乐盈韩楠罗娜樊瀚林...
    2744-2753页
    查看更多>>摘要：时空轨迹预测在交通管理和城市规划中至关重要,但传统模型受数据稀疏性、噪声污染和非线性关系的限制,群体智能驱动的时空轨迹预测技术能够克服传统模型的不足,实现高精度、实时性的预测.对当前群体智能技术研究中常用的群体数据源进行综述,介绍了群体智能的核心优化算法,如粒子群优化和蚁群优化,同时介绍了时空轨迹的表示方式;总结基于概率和基于机器学习的时空轨迹预测方法,概述了群体智能驱动的轨迹预测技术路线;讨论群体智能在当前时空轨迹预测领域的主要应用场景,包括交通路径规划、自然环境监测与操作风险预警等,展望群体智能驱动下的时空轨迹预测技术在认知增强、自治系统和去中心化学习等领域的应用潜力.

    群体智能轨迹预测时空轨迹群体数据挖掘

      原文链接:
    • 万方数据
    • 维普

    基于Dense Teacher的半监督双阶段遥感目标检测方法

    李雨秋薛健吕科王泳...
    2754-2764页
    查看更多>>摘要：针对遥感图像中的有向物体检测任务,提出了一种基于半监督学习的密集区域卷积神经网络(Dense Region Convolutional Neural Network,D-RCNN)框架,以减少对大规模标注数据的依赖并提高检测精度.在该框架中,利用教师-学生模型通过稠密伪标签生成与一致性损失进行训练,结合伪标签学习与数据扰动,提升模型对无标注数据的有效利用率.针对长尾分布问题,引入了 Seesaw Loss以动态调整各类别权重,进一步优化模型性能.在DOTA数据集上进行的实验表明,D-RCNN在1％、2％、5％标注率下的检测精度AP5.分别较完全监督方法提升了 7.21％、8.02％和2.84％.在低标注率条件下,D-RCNN在多个主要类别上表现出显著的性能优势,验证了其在遥感场景下的有效性.

    半监督学习遥感图像有向物体检测伪标签学习一致性训练

      原文链接:
    • 万方数据
    • 维普

    基于U-Net医学图像智能分割的网络结构演变

    刘紫权史旭阳胡海马远萍...
    2765-2779页
    查看更多>>摘要：随着医疗需求的持续增长,深度学习技术在医学图像自动分割领域展现出巨大的潜力.空间数据智能的发展为医学图像的精确分割提供了新的解决思路.U-Net作为医学图像分割领域最具影响力的网络架构,自2015年提出以来在各类医学影像任务中得到了广泛应用,其独特的编码器-解码器结构设计不仅为后续研究奠定了基础范式,更催生了大量改进网络.系统梳理了 U-Net架构的重要发展里程碑:ResUNet通过残差连接解决了深层网络训练困难的问题,Attention-UNet引入自适应注意力机制提升了在跳跃连接中的特征选择精确度,而TransUNet和Swin-UNet则代表了将现代Transformer引入医学图像分割的2个关键阶段,展现了卷积神经网络(Convolutional Neural Network,CNN)与Transformer融合的巨大潜力.通过分析这些代表性网络的架构创新和性能突破,揭示了医学图像分割技术从纯CNN架构向CNN-Transformer混合架构演进的发展趋势.此外,探讨了现有技术面临的挑战,对未来空间数据智能的发展方向提供了见解,为该领域的进一步研究提供了参考.

    深度学习U-Net医学图像分割神经网络结构

      原文链接:
    • 万方数据
    • 维普

    基于核支持向量机的电力系统暂态稳定评估模型

    刘艳杜成康吴春杨燕...
    2780-2788页
    查看更多>>摘要：随着计算机技术的发展,诸多领域开始向智能化方向转型,空间数据智能技术的应用日益受到关注.电力系统是整个电网运行的重要组成部分,也是电子元器件和电子设备的工作空间,如何对电力系统的稳定性进行评估是保证其稳定运行的关键.针对电力系统的暂态评估问题,融合空间数据智能技术,对样本数据进行数据采集和特征提取模型的构建.利用支持向量机(Support Vector Machine,SVM)算法提高电力系统性能,引入核函数和马氏距离对SVM算法进行优化,建立了基于核SVM(Kernel SVM,KSVM)的电力系统暂态评估模型.在电力系统数据集上进行实验,结果表明所提模型KSVM精确率为95.62％,比卷积神经网络算法高11.36％.

    电力系统暂态支持向量机核函数马氏距离

      原文链接:
    • 万方数据
    • 维普

    基于YOLOv5-CBAM模型的划痕智能检测

    朱哲维李珂匡璐曹国栋...
    2789-2799页
    查看更多>>摘要：带钢作为现代钢铁产业的核心产品,划痕检测对于确保产品质量、提升生产效率和降低成本至关重要,广泛应用于汽车制造、金属加工、电子产品生产等领域.然而,划痕形态各异且易受光照、背景和噪声等因素影响,使得检测任务极具挑战性.近年来,随着空间数据智能技术的不断进步,基于深度学习的目标检测算法(如Faster R-CNN、SSD、YOLO等)在检测任务中表现出色,通过自动学习、特征检测和精准目标定位,在复杂背景下也能准确检测.基于YOLOv5模型进行了算法结构的改进,将空间金字塔池化(Spatial Pyramid Pooling,SPP)模块替换为快速空间金字塔池化(Spatial Pyramid Pooling-Fast,SPPF)模块,引入注意力机制,改进现有的目标检测算法,提升划痕检测的准确性和鲁棒性.结合卷积块注意力机制模块(Convolutional Block Attention Module,CBAM)构建了 YOLOv5-CBAM模型.CBAM通过关注通道和空间维度上的信息,使模型更精准地聚焦于划痕区域,提升了检测效果.实验结果显示,YOLOv5-CBAM模型在各类交并比(Intersection over Union,IoU)阈值下相较于YOLOv5,精确率、召回率和mAP@0.5有着较好的表现,分别提升了5.6％、9.1％和5.9％.随着空间数据智能技术的不断进步,未来有望为划痕检测提供更多创新思路和解决方案.

    划痕检测YOLOv5卷积块注意力机制模块模型构建与训练

      原文链接:
    • 万方数据
    • 维普

    跨域图像空间数据少样本学习研究

    岳灵李晓宁韩楠秦启平...
    2800-2819页
    查看更多>>摘要：跨域图像空间数据少样本学习(Few-Shot Learning,FSL)是近年来机器学习研究领域的热点,旨在利用少量的有标签图像空间源域数据训练一个可靠的模型对分布差异大的图像目标域数据进行分类.概述了近年来主要的跨域图像空间数据FSL模型,根据模型解决问题的主要思想,将其分类为数据引入法、特征增强法、参数控制法以及混合法.将数据引入法细分为基于单源域数据、基于多源域数据和基于目标域数据;将特征增强法细分为特征转换和特征融合;将混合法细分为不同方法的结合使用和不同类型损失函数的结合使用,并总结了不同方法的原理、优点与不足.对当前跨域图像空间FSL常用的数据集、基准进行了详细介绍,在主流基准上对经典模型的实验结果进行对比与分析.对当前跨域图像空间数据FSL面临的挑战进行总结,指出未来可能的发展方向.

    少样本学习跨域少样本学习图像空间特征增强

      原文链接:
    • 万方数据
    • 维普

    基于脑电与面部特征拼接融合的驾驶疲劳识别研究

    郭寒英王诗麟刘双侨董文安...
    2820-2830页
    查看更多>>摘要：使用面部特征和脑电(Electroencephalogram,EEG)特征识别驾驶员的疲劳状态,对驾驶员进行疲劳提醒,可以有效降低事故发生概率.为解决单一面部特征或EEG特征识别精度不高的问题,提出一种基于EEG与面部特征拼接融合的疲劳识别方法.提取EEG信号的时域、频域、非线性特征和面部特征,通过特征层信息融合的方法进行特征拼接.为提高面部特征识别速度,提出了一种改进的YOLOv5_mobilenet模型.在此基础上,将拼接后的融合特征通过六大机器学习模型进行精度识别,并选择准确性、F1_score、精确率和召回率进行分析、评价.使用公开的数据集来验证所提出的方法,结果表明,改进的YOLOv5_mobilenet模型在各个特征表现均高于现有模型;不同的机器学习模型评价结果显示,与单一的疲劳特征识别相比融合特征表现更好,因此,基于EEG与面部特征拼接的融合特征用于驾驶疲劳识别是可行的.

    脑电信号特征面部图像特征特征融合疲劳识别机器学习

      原文链接:
    • 万方数据
    • 维普

    专题:面向6G海量接入的智能通信技术(2)

    李兴旺李春国
    2831-2832页
      原文链接:
    • 万方数据