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

    遥感大数据的地理环境构建及目标保障技术综述

    眭海刚周宁魏天怡
    2505-2519页
    查看更多>>摘要：地理环境构建及目标保障在安全政策制定、突发事件应急、国土防护和灾害监测等事件中发挥着重要的作用.随着卫星、无人机和地面传感网等空天地传感器的迅猛发展,遥感大数据正成为地理构建、目标保障的重要数据来源.围绕遥感大数据的发展现状,从遥感大数据的获取技术与手段着手,探索卫星遥感全球高精度定位与测图、重点地区空天遥感三维地理环境构建、遥感影像全要素解译和遥感目标检索等关键技术.根据遥感大数据在不同情景下的实践与应用,简要介绍了遥感大数据的典型案例,如突发事件应急响应、遥感自然灾害监测与评估.结合当今社会的发展与战略背景,对遥感大数据的应用前景进行了总结与展望.

    遥感大数据地理环境构建目标动态检测目标定位

      原文链接:
    • 维普
    • 万方数据

    基于注意力多尺度特征融合的频谱感知方法

    王琳张世龙王树彬
    2520-2526页
    查看更多>>摘要：随着无线通信和物联网(Internet of Things,IoT)设备的迅速增长,频谱资源短缺和电磁环境复杂性成为通信系统面临的挑战.频谱感知作为频谱管理的一项关键技术,使频谱资源短缺问题得到了缓解.卷积神经网络(Convolutional Neural Network,CNN)作为深度学习的代表,近年来在频谱感知任务中表现出色.为解决CNN实现频谱感知任务时感受野受限、多尺度信息融合和空间信息捕获等方面存在局限性的问题,提出了一种注意力多尺度特征融合CNN(Attention-Multi-Scale Feature Extraction-CNN,AMFE-CNN)模型,包含多尺度特征提取和注意力模块.多尺度特征提取利用膨胀卷积获取更大的时频感受野,注意力模块通过多重卷积和池化操作关注时频图的空间信息.实验结果表明,该模型在频谱感知任务中表现出色,提高了检测性能和泛化能力.

    频谱感知注意力机制多尺度特征融合卷积神经网络

      原文链接:
    • 维普
    • 万方数据

    认知无线电频谱感知技术研究综述

    张航领周顺勇胡琴陆欢...
    2527-2536页
    查看更多>>摘要：频谱感知技术可以优化频谱资源的利用、提高通信质量、实现智能无线网络,能有效缓解移动通信和物联网对高速、高质量无线连接的需求与有限频谱资源间的矛盾.鉴于此,对传统的频谱感知技术进行了综述;归纳了基于深度学习的频谱感知检测方法,对这些方法的优势和不足进行了深入分析;梳理了智能反射面(Intelligent Reflecting Surface,IRS)与频谱感知相结合的技术;探讨了频谱感知检测技术现阶段面临的问题和未来发展趋势.

    频谱感知能量检测深度学习智能反射面

      原文链接:
    • 维普
    • 万方数据

    基于图检测方法的语音信号检测

    陈杰伟闫坤陈启博章芮宁...
    2537-2546页
    查看更多>>摘要：大部分检测方法针对平稳信号设计,使用单一统计模型分析检测性能,面对语音信号及复杂环境噪声时,效果常因模型失配而变差.为探索具有较高鲁棒性的语音信号检测方法,将语音信号与不同环境噪声混合并将其映射为图,设计基于图结构的语音信号检测方法.通过实验比较该方法与传统M2M4方法的性能.对比受试者工作特征(Receiver Operating Characteristic,ROC)曲线和曲线下面积(Area Under Curve,AUC)值,图检测方法均优于M2M4方法的检测性能.在不同实验条件下,基于图检测方法的信号检测具有更优的检测性能.

    信号检测图检测方法语音信号受试者工作特征曲线

      原文链接:
    • 维普
    • 万方数据

    基于知识蒸馏的视频描述轻量化模型及性能优化

    陈凯唐振华崔振雷李健泽...
    2547-2557页
    查看更多>>摘要：视频描述生成是利用计算机视觉和自然语言处理技术将视频内容转化为文字描述的过程,具有广泛的应用场景,包括信号识别与解码、网络视频会议、视频监控和安防、视频翻译和内容检索等.基于深度学习的视频描述生成模型在性能方面取得了显著突破.这些模型的计算量和复杂度往往较高,难以在计算资源有限的移动通信终端上部署和应用.为了解决这一问题,提出了 2种轻量化模型,分别用于通用视频描述生成和密集视频描述生成任务.以UniVL模型为基准,通过实验确定了满足视频描述任务的最小模型架构.为进一步减小模型的大小,提出了自适应嵌入的压缩策略,根据不同视频数据集类型进行模型压缩.采用了不同层信息的知识蒸馏技术对所提出的轻量化模型进行优化训练,与教师模型进行充分的信息交互,提高轻量化模型的性能.实验结果表明,与基准模型相比,所提出的轻量化模型的参数量能够降低75％,性能指标下降不超过10％.

    视频描述生成模型压缩轻量化知识蒸馏预训练模型

      原文链接:
    • 维普
    • 万方数据

    轻量级红外目标检测算法研究

    张上陈永麟王恒涛黄俊锋...
    2558-2565页
    查看更多>>摘要：针对红外图像分辨率差、对比度低、信噪比低、视觉效果模糊等检测难点,提出一种基于YOLOv5的轻量化红外目标检测(Lightweight Infrared Target Detector-YOLO,LITD-YOLO)算法.LITD-YOLO算法重新设计网络结构,针对红外目标成像特征,将特征提取网络与特征融合网络结构重构.提高小感受野权重,重建浅层特征和深层特征之间的多尺度融合关系,提高浅层网络语义信息表征能力权重,增强对红外小目标的检测能力.引入Varifocal loss以实现交并比感知分类评分(Intersection over Union-Aware Classification Score,IACS)回归,使模型对密集目标的检测能力进一步加强.使用SIoU作为边框损失函数,用于提升预测框的准确度,同时加速模型收敛.实验结果表明,在FLIR和OSU数据集下模型检测精度分别提高至88.5％、99.7％,模型体积仅3.9 MB,参数量和算法复杂度大幅降低;与主流算法相比,LITD-YOLO在各项指标上均取得了不错的进步,在检测精度、模型体积和推理速度等方面具有先进性,能满足对红外目标的高质量检测.

    目标检测模型轻量化YOLOv5VarifocallossSIoU

      原文链接:
    • 维普
    • 万方数据

    基于YOLOv8s的城市背景烟火检测算法

    于泳波袁栋梁孙振朱灵茜...
    2566-2575页
    查看更多>>摘要：针对目前城市背景烟火检测方法存在检测精度不高,易出现误检、漏检和耗时长等问题,提出一种基于YOLOv8s改进的烟火检测算法.引入加权双向特征金字塔(Bi-directional Feature Pyramid Network,BiFPN)增强特征融合,在BiFPN的基础上融合P2特征层提升小目标检测能力,同时添加基于跨空间学习的高效多尺度注意力(Efficient Multi-scale Attention,EMA)模块,突出目标特征同时抑制背景环境的干扰;为了有效利用特征图的语义信息,引入轻量级通用上采样算子——Content-Aware Re Assembly of Features(CARAFE);基于多尺度卷积注意力(Multi-scale Convolutional Attention,MCA)模块设计了一个轻量化的检测头并提升了检测精度;引入分组卷积空间金字塔池化SPPFCSPC_Group模块,在扩大感受野的同时具有更好的特征提取能力.实验结果表明,改进的YOLOv8s算法在基准模型的基础上计算量减少了 25％、参数量减少了37.6％、模型权重大小减少了 33.2％,平均精度均值(mean Average Precision,mAP)提升了 3.4％,基本满足烟火检测的需求.

    烟火检测双向特征金字塔YOLOv8s多尺度卷积注意力

      原文链接:
    • 维普
    • 万方数据

    基于多头注意力融合的场景文本识别

    黄俊炀陈宏辉王嘉宝陈平平...
    2576-2584页
    查看更多>>摘要：场景文本识别(Scene Text Recognition,STR)使计算机能够获取自然场景图像中的文本信息.在STR的研究中识别准确性始终是关注重点.对于计算资源受限的边缘设备,模型的参数量和计算效率也同样重要.针对该问题,提出了基于多头注意力融合的自然场景文本识别(Scene Text Recognition Based on Multi-Head Attention Fusion,MAF)算法.通过利用多头注意力(Multi-Head Attention,MHA)机制设计了视觉编码器,实现对规则和不规则场景文本图像的视觉特征深度提取.为了增强模型对字符间间距变化和语义相似性的感知能力,提出了增强位置编码以及结合输入上下文和置换模型的语义编码器.通过MHA将视觉和语义特征信息融合,提高在复杂环境背景下的文本字符识别准确率.实验结果表明,MAF的参数量仅为7.6×106,FLOPS为1.0×109,在真实STR数据集上的平均识别准确率达到95.6％,有效平衡了识别任务的准确性和计算效率,具有一定的应用潜力.

    计算机视觉场景文本识别注意力机制特征信息关联

      原文链接:
    • 维普
    • 万方数据

    基于级联注意力和边界预测改进的轻量Segformer语义分割

    高延海刘永帅
    2585-2593页
    查看更多>>摘要：针对Segformer网络中无法有效聚合和使用多尺度信息并且边界模糊的问题,提出了基于级联注意力和边界预测的语义分割网络.在Segformer的解码器部分,通过使用级联注意力,有效聚合了多尺度特征信息并通过聚合多尺度特征进行边界预测,对语义分割任务进行辅助.在梯度更新部分,加入梯度手术,减少因添加辅助任务导致的任务之间出现的梯度冲突对训练的干扰问题,加快模型收敛速度.在ADE20k数据集和Cityscapes数据集上进行实验,通过增加了 2.69 M参数和24.67 G的计算量,提高了网络2.38％的平均交并比,证明了所提方法的有效性.

    Segformer级联注意力辅助任务边界预测梯度手术

      原文链接:
    • 维普
    • 万方数据

    小样本深度学习在目标识别分类领域的应用前景研究

    高静冯金顺董少然郭新苍...
    2594-2601页
    查看更多>>摘要：近年来,深度学习技术在大数据训练模型上取得了显著成就.但由于领域的特殊性,很难获取到大量标注/无标注样本,人工标注数据会耗费大量的人力,限制了其在该领域的应用和推广.而小样本目标识别分类只需要少量的标注样本数据,即可实现在有限样本条件下对典型目标的识别分类.以目标识别分类为主要应用领域,对基于数据增强、迁移学习和度量学习3种常用的提升小样本目标识别分类性能算法的研究现状进行了介绍,并阐述了算法的优缺点.对小样本学习仍旧面临的一些挑战和未来研究方向的展望进行了梳理和总结.

    小样本目标识别分类数据增强迁移学习度量学习

      原文链接:
    • 维普
    • 万方数据