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

    基于PM算法和噪声识别模型的探地雷达降噪方法

    吴学礼宋凯史思远甄然...
    2279-2287页
    查看更多>>摘要：针对探地雷达(Ground Penetrating Radar,GPR)因地质或环境因素导致图像出现高密度噪声,有效信号被淹没,进而出现雷达数据读取困难甚至无法识别的问题,提出一种基于Perona-Malik(PM)算法和噪声识别模型(Noise Re-cognition Module,NRM)的降噪方法——PM-NRM.该算法根据GPR数据特点利用改进PM算法加大图像中噪声与背景的数值差异性,使用基于偏微分方程的NRM识别噪点,利用改进中值定理依次对数据中噪点进行恢复,结合迭代条件算法(Iterated Conditional Mode,ICM),以达到降噪的效果.面对高密度噪声数据,同传统的GPR数据降噪方法相比,所提算法在信号单波道拟合度、峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似度(Structural Similarity,SSIM)等客观评价标准中表现较优.实验结果表明,该算法在GPR系统探测工作中具有一定实用价值.

    探地雷达Perona-Malik算法偏微分方程迭代条件算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv8的X光图像违禁品检测

    王海群魏培旭
    2288-2295页
    查看更多>>摘要：针对现有X光图像违禁品检测精度低的问题,提出一种基于改进YOLOv8的X光图像违禁品检测算法.在YOLOv8基础上添加了一个小目标检测头,以增强对小目标物体敏感度,同时使用自适应空间特征融合(Adaptively Spatial Feature Fusion,ASFF)模块自适应调整不同检测层间的权重,避免多尺度层级之间的信息冲突.使用重参数化后的RFB_S模块替换YOLOv8中的快速空间金字塔池化(Spatial Pyramid Pooling-Fast,SPPF)模块,使用大小不同的卷积来获取不同视野特征图信息,避免多重最大池化可能带来的梯度消失问题.在颈部网络和主干网络之间引入高效多尺度注意力(Efficient Multi-scale Attention,EMA)机制,有效区分背景区域和目标区域,加强关键信息的交互.使用可变形卷积替换C2f模块中的普通卷积,利用可变形卷积自适应调整卷积核的形状,更好地捕捉和感知图像中不同尺度的目标特征.该算法在SIXary数据集上测试平均精确度均值(mean Average Precision,mAP)达到92.7％,比原始算法提高了 3.2％.实验结果表明,改进后的算法比原始算法有了较大提升,证明了改进算法的有效性.

    目标检测注意力机制YOLOv8可变形卷积违禁品

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于向量量化的简化DFT滤波信道估计

    张逸帆姜明还冬锐巩帅聪...
    2296-2304页
    查看更多>>摘要：在5G通信系统中,正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术被广泛应用于物理层,而OFDM信道估计算法通常涉及大量的矩阵运算,其中矩阵乘法计算对整个系统的实现复杂度有着重要影响.基于离散傅里叶变换(Discrete Fourier Transform,DFT)滤波的OFDM信道估计算法利用一对DFT/离散傅里叶反变换(Inverse Discrete Fourier Transform,IDFT),在时域上消除最小二乘法(Least Squares,LS)、最小均方误差(Minimum Mean Square Error,MMSE)等基础估计算法结果中的噪声,算法简单有效,但引入的DFT/IDFT导致其实现复杂度显著上升.从DFT滤波中的IDFT入手,提出一种简化的OFDM信道估计实现方法.该方法借助MADDNESS算法,将IDFT的计算过程转化为向量量化(Vector Quantization,VQ)的查表过程,去除了大量的乘法和加法操作,大幅降低了 IDFT过程的计算复杂度.针对MADDNESS算法中质心优化过程的内存开销问题,引入了子采样方法,在降低岭回归算法所需内存开销的同时,保证了系统整体性能几乎无损.仿真结果表明,与采用精确矩阵乘法的IDFT运算相比,所提出的简化方法在信道估计准确度上的性能损失可控制在0.5 dB以内,同时计算复杂度仅为精确算法的8％.

    正交频分复用信道估计向量量化MADDNESS岭回归

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    改进YOLOv7-tiny的轻量化绝缘子缺陷检测算法

    刘修政王波
    2305-2314页
    查看更多>>摘要：针对目前绝缘子缺陷检测方法速度较低、网络复杂度高且小目标缺陷难以准确检测的问题,提出一种轻量化绝缘子缺陷检测模型——P-YOLOv7-tiny.对主干网络的高效层聚合网络(Efficient Layer Aggregation Network,ELAN)模块进行轻量化处理,设计出P-ELAN模块以减少模型参数量,提高模型检测速度;将坐标注意力(Coordinate Attention,CA)机制与原模型结构CSPSPP进行融合,设计出CA-CSPSPPS模块使模型更加关注绝缘子缺陷特征,提高对缺陷的检测准确率;采用定位损失函数(WIoUv3 Loss)计算损失,将较小的梯度增益分配给低质量的锚框以减少有害梯度,提高模型的定位性能.实验结果表明,P-YOLOv7-tiny可以快速准确地检测缺陷,其中mAP@0.5达到了 98.3％,召回率达到了 95.3％,模型参数量为3.1 M,计算量为7.0GFLOPs.相较原模型YOLOv7-tiny,所提模型适合部署到边缘设备对绝缘子缺陷进行实时检测.

    绝缘子缺陷检测轻量化YOLOv7

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于时间模式注意力机制和改进TCN的PM2.5浓度预测方法

    周卓辉杨欢刘小芳
    2315-2324页
    查看更多>>摘要：针对现在PM2.5浓度预测模的预测精度不高和泛化能力差的问题,提出一种结合时间模式注意力机制和改进时间卷积网络(Temporal Pattern Attention and Temporal Convolutional Network,TPA-TCN)的 PM2.5 浓度预测模型.通过对气象数据和空气污染物监测站点数据进行时空分析,选择具有高相关性的邻近站点作为辅助变量.引入TPA机制,在PM2.5数据时间序列的每个时间步上计算注意力权重,改进TCN的残差结构,提高模型的训练速度和鲁棒性.使用自回归(Au-toregressive,AR)算法优化模型的线性提取能力.实验结果表明,该模型在PM2.5预测对比实验任务中表现优异,具备更高的预测精度和更强的泛化能力.

    PM2.5预测时间卷积网络时间模式注意力机制

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于神经网络与改进马尔可夫链中压背景噪声建模研究

    谢志远曹通
    2325-2332页
    查看更多>>摘要：在中压电力线通信中,信道噪声构成复杂,需根据不同类型噪声单独分析建模.针对一段特定中压线路的背景噪声,提出了一种基于小波包变换的噪声模型,将得到的小波包系数分别进行神经网络训练和改进马尔可夫链计算转移概率矩阵,得到新的小波包系数重构噪声信号,并进行仿真验证及去噪,同时将2种方法与传统直接神经网络训练比较分析.结果表明,基于改进马尔可夫链方法所建噪声比传统马尔可夫链方法更加准确,基于小波包变换的神经网络方法所建噪声与原噪声相似度更高,去噪效果更好,且优于传统神经网络训练方法,为进一步研究中压电力线通信提供了可行性方案.

    中压电力线通信小波包变换神经网络马尔可夫链

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于长边稀疏采样的AV1参考像素选择算法

    黄婉溦汪家华刘昌沭陈建...
    2333-2338页
    查看更多>>摘要：开放媒体联盟开发的第一代视频编码标准(Alliance for Open Media Video 1,AVI)作为新一代的开放式视频编码技术,以其高压缩效率和高质量视频输出等优势成为在线视频领域的主流编解码标准之一.旨在优化帧内预测编码技术以降低编码运行的计算复杂度,从而节约视频编码时间.为此,提出了长边采样(Long-side Sampling,LS)和长边稀疏采样(Long-side Sparse Sampling,LSS)的参考像素选择方法,根据块的划分方式规律地提取关键参考像素,以改进直流(Direct Current,DC)预测和亮度预测色度(Chroma from Luma,CfL)预测技术的性能.实验结果表明,LSS可以规避运算中的除法操作且减少大量加法计算量,在全I帧(All Intra,AI)和随机接入(Random Access,RA)配置下,相较原始算法平均编码时间减少11％和13％,同时节省0.03％和0.04％的Bjøntegaard Delta Bit Rate(BDBR).

    视频编码开放媒体联盟开发的第一代视频编码标准帧内预测直流预测亮度预测色度

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于边缘优先填充的自适应深度图像修复方法

    孙梦欣牟琦夏蕾李洪安...
    2339-2346页
    查看更多>>摘要：针对传统深度图像空洞修复方法引起的物体边缘扭曲、模糊以及修复较大空洞速度缓慢的问题,提出了一种基于边缘优先填充的自适应深度图像修复方法.该方法利用多通道检测提取RGBD图像边缘,经过去除空洞虚假边缘和无用细节信息处理,生成物体的显著性边缘;将此边缘引入到图像修复过程中,优先填充空洞区域的边缘位置,有效解决边缘模糊虚化问题,使修复后的深度图像边缘结构清晰;在曲率驱动扩散(Curvature Driven Diffusion,CDD)模型的扩散项中引入梯度引导函数,使模型在空洞的平坦区域和边缘区域自适应地选择不同的扩散方向和扩散强度,实现对较大空洞区域的准确填充.实验结果表明,所提方法在RGBZ数据集上与其他方法进行比较,峰值信噪比(Peak Signal to Noise Ratio,PSNR)和平均结构相似性(Mean Structural Similarity,MSSIM)分别提高了 8～13 dB、0.009 9～0.021 4,在提高迭代效率的同时有效修复了较大空洞,保持了较为清晰完整的物体边缘轮廓信息.

    深度图像空洞修复边缘提取曲率驱动扩散模型自适应扩散

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于YOLO框架的轻量化SAR图像舰船检测方法研究

    唐志勇魏雪云江蒋伟陈思远...
    2347-2354页
    查看更多>>摘要：针对现有的目标检测算法对合成孔径雷达(Synthetic Aperture Radar,SAR)图像中的舰船目标检测精度低、速度慢的问题,提出了一种基于YOLO框架的轻量化SAR图像舰船检测算法.基于YOLO框架,用Ghost模块和高效通道注意力(Efficient Channel Attention,ECA)机制来改进ShuffleNetV2网络构建新的骨干网络,以降低内存访问成本,提高特征提取能力;将颈部网络中的C3模块引入多尺度金字塔切分注意力(Pyramid Split Attention,PSA)模块,充分提取不同尺度特征图的空间信息,加强多尺度特征融合能力;用轻量级GSConv卷积消除模型冗余特征,在保持检测精度的同时降低模型参数量.实验结果表明,在公开数据集SSDD上,所提模型的平均精度达到94.8％,参数量为3.10 M,模型权重大小为6.4 MB,满足SAR图像舰船实时检测的需求.

    合成孔径雷达舰船检测轻量化网络YOLO特征增强

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于对抗残差网络的复杂海况舰船目标类型识别技术研究

    张博轩王少博赵天白罗恒光...
    2355-2361页
    查看更多>>摘要：近年来随着深度学习理论在水声领域的应用,水中目标识别技术研究取得了巨大进步.然而在工程应用实践中,应用传统的特征提取和分类器方法拼接得到的识别模型难以维持实验室性能,复杂多变的海洋信道使声信号在传感器接收前发生剧烈畸变,导致识别算法出现特征失配和过拟合问题,算法性能急剧下降.针对以上问题,提出了一种对抗残差网络(Adversarial Residual Neural Network,ARNN)模型,利用梯度反向层(Gravity Reversal Layer,GRL)结构和双标签对抗训练的方式补偿了不同水文条件下信道传播之间的差异性,使算法更能够聚焦到能够表征目标本质的特征上,具有更强的鲁棒性和更高的识别率.为验证其有效性,设计了2次实验,分别利用在南海不同海域、不同水文条件下多次采集的舰船目标机械辐射噪声信号,制作训练样本集和测试样本集以训练和测试算法模型.结果表明,相较于支持向量机(Support Vector Machine,SVM)、卷积神经网络(Convolutional Neural Network,CNN)、残差网络(Residual Neural Network,ResNet)等传统网络模型,提出的ARNN模型可以有效缓解特征失配和过拟合问题,使模型具备不同水文条件下的可移植能力,解决人工智能技术在水中目标识别工程应用中的关键问题.

    水中目标识别特征失配过拟合对抗训练梯度反向层

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据