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

    全频谱深度认知理论与方法

    黄赛冯志勇王文远路长鑫...
    1589-1601页
    查看更多>>摘要:深入研究了全频谱认知与智能利用领域,强调了现有认知无线电理论和无线电监测技术在特定环境中的优势,指出在面对宽带、瞬变、未知、复杂的电磁环境时存在"认不深"的问题.为解决这一挑战,提出了多维度的深度频谱认知作为未来的发展方向,从信号多维特征与个体本征属性双重维度对辐射源目标进行精准认知.通过探索辐射源目标信号的多域特征,构建辐射源完备表征数据库,实现通信终端的本征属性认知,可以更全面地理解和利用频谱资源.分析了调制域、协议域中信号的调制识别以及协议解析等研究现状;高速目标信号识别和空域定向认知的发展瓶颈及主要研究方向.提供了较为全面的理论和方法,为未来多维度的电磁环境感知和频谱利用奠定了基础.

    全频谱深度认知信号识别通信协议解析空域定向认知

    基于YOLOv5s微光环境下的多模态识别网络

    吴学礼赵俊棋刘雨涵甄然...
    1602-1613页
    查看更多>>摘要:近些年来,在目标检测以及图像分割等领域涌现了许多先进的算法.在能见度较差的微光场景下如夜晚、大雾天气等场景中,视频图像具有像素声高、对比度低、无彩色信息等特点,算法的检测性能受到明显限制.与目前主流的RGB相机相比,毫米波雷达对上述复杂环境具有一定的免疫能力,可以在不利条件下辅助RGB相机进行目标检测工作.以单阶段目标检测器中实时性较高的YOLOv5s为基础,结合毫米波雷达的特性,提出了用于微光环境下目标检测的多模态识别网络.与现有的传感器融合方法相比,多模态识别网络有几个关键优势.系统以基于学习的方式融合了2种模态,只需要少量新场景的标记图像和雷达数据,因为其可以充分利用已经开源的大型图像数据集进行大批量的训练.这一突出特性使新系统能够适应高度复杂的现实环境.由于使用了高度计算效率的融合方法,系统是非常轻量级的,因此适用于各个复杂场景下的实时应用.为了评估系统的性能,制作了一个小批量的雷达和摄像机融合数据集,包含普通光照和不同强度微光光照条件下的多模态数据.实验结果表明,微光场景下多模态识别网络的平均精度达到76.6%,相比Faster R-CNN算法和YOLOv7算法,全类平均精度(mean Average Precision,mAP)提高了 16.8%和9.3%,且误检、漏检率低,达到了在微光环境下完成目标检测任务的要求.

    多模态识别网络毫米波雷达目标检测YOLOv5s微光场景

    基于改进YOLOv8的PCB焊点语义分割方法

    卢子册刘小芳王德伟
    1614-1621页
    查看更多>>摘要:针对具有相似灰度值的印制电路板(Printed Circuit Board,PCB)焊点在检测分割过程中的误检和漏检问题,提出改进YOLOv8的PCB焊锡语义分割模型.在主干网络引入坐标注意力(Coordinate Attention,CA)机制,准确定位焊点空间位置,提升模型捕捉焊点空间信息能力;使用双向特征金字塔网络(Bi-directional Feature Pyramid Network,BiFPN)替换路径聚合网络(Path Aggregation Network,PANet)特征金字塔,更好地捕捉目标的边界信息,并在原有基础上增加一个分割层.引入EIoU损失函数,提供更精细的评估结果并提高泛化能力.通过对比实验得出,所提算法的平均像素精度(mean Pixel Accuracy,mPA)达到 90.37%,平均交并比(mean Intersection over Union,mIoU)达到 83.76%,每秒推理图片张数(Frames Per Second,FPS)达到43,实现了 PCB板更精准的焊点分割.

    YOLOv8语义分割坐标注意力机制双向特征金字塔网络EIoU损失函数

    无人机集群通信技术:最新进展及发展动向

    李苗何茂霖罗俊松宁进...
    1622-1633页
    查看更多>>摘要:无人机(Unmanned Aerial Vehicle,UAV)集群通信已经成为无人机技术领域备受关注的研究方向.尽管在这方面已经取得了一定的进展,但不可忽视的是仍存在一些尚未深入探讨的通信问题.因此针对无人机集群通信的研究对于提高无人机集群的协同能力、感知能力、决策和规划能力,增强系统的鲁棒性和安全性,推动技术发展和应用创新具有重要意义.介绍了无人机集群的概念及其优点;对当前的无人机集群研究现状进行了详尽的分析;详细介绍了近年来与无人机集群通信相关的应用场景,深入探讨了这些典型应用中需要解决的关键技术;对未来无人机集群通信技术的发展趋势进行了前瞻性展望.

    无人机集群通信集群应用信号增强移动边缘计算联邦学习物理层安全

    基于新型组网的无人机巡检任务处理优化方案

    解冬东迟猛程卫平冯传奋...
    1634-1642页
    查看更多>>摘要:考虑用户移动性,特别是在无人机巡检场景下,由于多接入边缘计算(Multi-access Edge Computing,MEC)节点服务范围小,大概率发生任务迁移.任务迁移将增加任务处理的时延和成本.为了降低任务迁移概率,提出了一种新的MEC组网架构——MEC POOL.在此基础上,构建了 MEC POOL组网架构下的任务处理效益模型,将任务处理效益最优问题转换成受限条件下最优解问题.为了解决上述最优解问题,设计了一种基于任务处理效益最优的粒子群算法.实验结果表明,在发生任务迁移的场景下,MEC POOL组网方案相比MEC传统组网方案,任务处理效益和任务处理时延效益均可提升10%以上.对于多用户场景,平均任务处理效益提升8%以上,平均任务处理时延减少10%以上.

    无人机巡检任务处理多接入边缘计算新型组网

    基于DRSN的通信信号调制方式识别方法

    竹杭杰郭建新张雨帅朱锐...
    1643-1651页
    查看更多>>摘要:针对现有的通信信号调制方式识别方法在低信噪比(Signal to Noise Ratio,SNR)条件下存在的识别率较低、调制类型较少和信道类型不够丰富等问题,提出了一种基于深度残差收缩网络(Deep Residual Shrinkage Network,DRSN)的通信信号调制方式识别方法.根据调制识别领域的特点,构建改进的深度残差收缩网络模型,充分利用该网络的注意力机制和软阈值化进行降噪处理,提高模型在低SNR条件下的调制识别能力.实验结果表明,相比残差网络(Residual Net-work,ResNet)、卷积长短时深度神经网络(Convolutional Long-short-term Deep Neural Network,CLDNN)和卷积门控循环深度神经网络(Convolutional Gated recurrent Deep Neural Network,CGDNN)模型,所提方法在低SNR和5种信道类型条件下对26种调制信号的识别中有效地降低了噪声的影响,在4 dB以上时识别率达到了 91.70%,10 dB时识别率在98%以上,取得了较好的识别表现.

    通信信号调制识别深度残差收缩网络注意力机制软阈值化

    一种基于ResNet的雷达弱小目标检测方法

    邱明劼张鹏汪圣利
    1652-1659页
    查看更多>>摘要:为了解决恒虚警率(Constant False Alarm Rate,CFAR)检测算法对雷达弱小目标检测困难的问题,研究了基于卷积神经网络(Convolutional Neural Network,CNN)的目标检测方法.充分利用神经网络在特征提取上的优良性能,提出了一种基于残差网络(Residual Network,ResNet)块的雷达弱小目标检测方法.突破了传统方法仅利用幅度信息进行目标检测的框架,充分挖掘雷达回波数据中目标的相位特征作为神经网络目标分类检测的依据.经实验验证,所提出的方法在目标回波信噪比仅有-7 dB情况下,仍可实现50%以上的发现概率,并且随着信噪比的降低,所提方法的优异性越发明显.

    恒虚警率检测残差网络弱小目标检测

    透射反射双功能RIS辅助的SWIPT系统研究

    贾瑞霞岳殿武陈荥李琦...
    1660-1667页
    查看更多>>摘要:研究了一种透射反射双功能可重构智能表面(Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surface,STAR-RIS)辅助的无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)系统.部署 STAR-RIS以辅助从多天线接入点(Access Point,AP)到多个单天线信息解码接收器(Information Decoding Receiver,IDR)和能量收集接收器(Energy Harvesting Receiver,EHR)的信息或功率传输.目标是通过联合优化其发射预编码矩阵及STAR-RIS的反射和透射系数矩阵,在IDR可实现通信速率和EHRs的能量收集量约束下,使AP的发射功率最小化.然而,这个优化问题是非凸的,变量之间有着复杂的耦合.为了解决这一问题,采用交替优化算法解耦耦合的变量,对发射预编码矩阵及STAR-RIS的反射和透射系数矩阵可以分别使用半正定松弛(Semidefinite Relaxation,SDR)算法和基于惩罚的算法进行优化.仿真结果表明,STAR-RIS系统方案可以获得比传统的仅反射或仅透射RIS更好的性能.

    透射反射双功能可重构智能表面无线携能通信交替优化

    结合图神经网络的小样本图像分类方法

    齐露露俞卫琴
    1668-1675页
    查看更多>>摘要:针对目前在小样本图像分类任务上,现有模型存在特征提取不足、提取的特征信息单一等问题,提出一种结合图神经网络的双特征提取的原型网络(Graph-Based Dual-Encoding Prototype Network,GB-ProtoNet).GB-ProtoNet 采用了双特征提取器结构,通过整合2种不同的神经网络,有效地捕获并融合了样本的全局特征信息和局部特征信息.具体而言,该模型结合了残差网络(Residual Network,ResNet)和基于图谱卷积网络(Graph SAmple and aggreGatE,GraphSAGE)的图神经网络.ResNet能够在多层网络结构中有效地传递和保留信息,从而提取样本的全局特征信息.GraphSAGE擅长处理图结构数据,通过采样和聚合邻居节点的信息,提取出样本的局部特征信息.GB-ProtoNet在训练阶段使用标签平滑交叉熵损失函数计算损失并更新模型参数.该模型在miniImageNet和CUB-2002-2011数据集上进行对比实验,与其他经典模型相比,GB-ProtoNet在5-Way 1-Shot和5-Way 5-Shot两种设置上均取得最佳分类精度.

    小样本学习图像分类图谱卷积网络

    基于图注意力网络的时序知识图谱人机交互模型

    于泳乔少杰陈金勇高林...
    1676-1686页
    查看更多>>摘要:组织和检索信息是人机交互重点关注的话题之一.基于知识图谱(Knowledge Graph,KG)的智能问答系统通过语义解析用户问题,检索知识并回答问题,已成为一种信息检索的有效途径,是人机交互的典型应用.时序知识图谱(Temporal Knowledge Graph,TKG)问答系统通过语言模型获取问题中的实体和时间戳,并在大型TKG中检索答案.TKG问答系统包含2个挑战:①给定问题,需检索整个TKG,效率低且易受干扰项的影响;②难以捕获问题中隐含的时间词和时间顺序信息.提出一种基于图注意力网络的时间对比学习(Time Contrast Learning,TCL)模型,将源问题与替换时间词后的对比问题同时训练,使用图注意力网络更新实体邻接子图的节点特征,缩小潜在答案的检索空间.在CRONQUESTIONS数据集上进行大量实验,结果表明TCL比其他基准方法具有更好的性能,相较于最先进的基准方法在Hit@1和Hits@10指标上平均提升3.44%和2.02%.

    智能问答时序知识图谱图注意力网络时间对比学习语言模型