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

中国电子科技集团公司第五十四研究所

康 峰

双月刊

1003-3114

ctibjb@163.com

0311-86924954

050081

河北省石家庄市中山西路589号

无线电通信技术/Journal Radio Communications Technology北大核心
查看更多>>《无线电通信技术》（双月刊）创刊于1972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。坚持学术性与技术性相结合，以跟踪报道通信技术领域的最新学术与技术应用成果为主要内容，并兼顾其他相关综合电子信息技术。2020年度《信息通信领域高质量科技期刊分级目录》收录期刊。
正式出版
收录年代

    基于ARIMA-PSO-LSTM的太阳能预测

    沈露露黄晋浩花敏周雯...
    771-778页
    查看更多>>摘要：太阳能是新兴的可再生能源之一，可将其转化为电能以供无线传感器网络(Wireless Sensor Networks，WSN)使用，对太阳能进行预测可以有效地利用能量，从而达到节省能源、维持网络持续稳定运行的目的。提出了一种新的组合预测模型来预测太阳能辐照强度，其中改进的粒子群优化(Particle Swarm Optimization，PSO)算法被引入寻找长短期记忆(Long Short Term Memory，LSTM)神经网络模型的最优参数。选取自回归差分移动平均(Auto-Regressive In-tegrated Moving Average，ARIMA)模型来预测太阳辐照数据中的线性分量;采用PSO算法来优化LSTM神经网络模型的超参数，有助于提高模型预测的精度和鲁棒性;采用优化的LSTM神经网络模型来预测数据中的非线性分量;最后将两个模型的预测结果进行叠加。实验结果表明，新的组合模型比ARIMA、LSTM等模型，具有更高的预测精度。

    自回归差分移动平均模型长短期记忆神经网络模型粒子群优化算法能量预测算法

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

    面向复杂场景的森林防火监测技术研究

    曹丽英杨玉竹李树龙孙淼...
    779-788页
    查看更多>>摘要：为解决森林防火工作中监测预警不及时、不准确的问题，基于YOLOv8模型提出了一种面向复杂场景的监测技术，实现了森林火情的快速准确监测。在Backbone部分引入动态蛇形卷积(Dynamic Snake Convolution，DySConv)模块和全局注意力机制(Global Attention Mechanism，GAM)模块，显著增强了模型的特征提取能力，提升了烟火特征的表现力。采用WIoU(Wise Intersection over Union)损失函数，增强网络对普通质量锚框的关注度，从而提供更准确的目标检测评估。通过将DyHead模块集成到检测头中，增强了检测头的尺寸、空间和任务感知能力，优化了整体性能。为了对模型性能进行严格评估，设计了消融实验和主流模型对比实验，结果表明，提出的方法是有效的，该方法的权重大小为 14。4 MB，平均精度均值(mean Average Precision，mAP)@。5:。95 达到 80。3％。相较于 YOLOv8，mAP@5:。95 提高了 8。7％。该模型可为远程火情监控与预警提供技术支持，在森林防火工作中具备实用价值和现实意义。

    森林火情深度学习目标检测YOLOv8

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

    基于ERes-ECAM的动物声纹识别

    侯卫民孙艺菲刘峻滔
    789-798页
    查看更多>>摘要：声纹识别技术不仅在人类身份验证领域广泛应用，在动物种类识别方面也取得一定进展。现有模型存在特征表达能力不足的问题，同时，在保证性能的前提下，模型的时间复杂度和推理速度有待优化。提出用于发声动物嵌入学习的改进的残差块连接改进的上下文感知掩蔽(Enhanced Res2block connected Enhanced Context Aware Masking，ERes-ECAM)新型架构，采用了稠密连接的时延神经网络(Densely-connected Time Delay Neural Network，D-TDNN)作为骨干，为了解决模糊不相关噪声问题的同时能够提取更多有效的关键信息，在D-TDNN层中采用多粒度池化方法的改进的上下文感知掩蔽(Enhanced Context Aware Masking，ECAM)模块，前端连接残差模块，通过局部特征融合(Local Feature Fusion，LFF)的方式，将残差块内提取的特征进行融合来提取局部信息，提升了声纹验证系统的准确性和鲁棒性。在Anim-Celeb和Pig-Celeb两个测试集中分别实验，实验结果表明，所提架构的等错误率(Equal Error Rate，EER)分别达到6。88％和7。24％，同时，对动物种类和猪只种类识别准确率达到了 93。12％和92。76％。

    深度学习声纹识别上下文感知掩码局部特征融合动物种类识别

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

    基于深度流形学习的人脸年龄识别

    张会影圣文顺金鑫
    799-806页
    查看更多>>摘要：现有的人脸年龄识别方法大多利用深度学习框架提取人脸特征来识别年龄，但深度学习方法提取的高维人脸特征往往包含大量的冗余信息，不利于人脸年龄的识别。为了提高人脸年龄识别算法的精度和鲁棒性，提出了一种基于深度流形学习(Deep Manifold Learning，DML)的算法，采用深度学习提取人脸特征，通过流形学习选择具有判别性的人脸特征，将深度学习提取的高维人脸特征嵌入到低维的判别子空间上识别年龄。在公开的人脸数据库MORPH和FG-NET上对DML算法进行了实验，结果表明DML方案平均绝对误差(Mean Absolute Error，MAE)大幅度降低，不同误差值下识别累积评分(Cumulative Score，CS)明显提高，显著优于当前流行的人脸年龄识别方法。

    年龄识别流形学习深度学习卷积神经网络特征提取平均绝对误差

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

    基于类型辅助引导的代码注释生成模型

    刘利吕韦岑汪洋
    807-814页
    查看更多>>摘要：代码注释生成方法通常基于结构-序列(Structure-Sequence，Struct2Seq)框架，但忽略了代码注释的类型信息，例如操作符、字符串等。由于类型信息之间的层次具有依赖性，将类型信息引入已有的Struct2Seq框架并不适用。为了解决上述问题，提出一种基于类型辅助引导的代码注释生成(Code Comment Generation based on Type-assisted Guid-ance，CCG-TG)模型，将源代码视为带有类型信息的n元树。该模型包含一个关联类型编码器和一个限制类型解码器，可以对源代码进行自适应总结。此外，提出一种多级强化学习(Multi-level Reinforcement Learning，MRL)方法来优化所提模型的训练过程。在多个数据集上进行实验，与多种基准模型对比，证明所提CCG-TG模型在所有评价指标上的性能最优。

    代码注释生成类型信息结构序列框架类型辅助引导强化学习

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

    基于深度强化学习的基站动态开关研究

    王瑜范燕琳孙洋洋熊建胜...
    815-822页
    查看更多>>摘要：随着5G移动互联网的快速发展，为了满足用户不断增长的流量需求，5G基站大规模部署，导致能耗急剧增加。针对以上问题，通过采用流量预测与深度强化学习相结合的方法，建立基站动态开关模型。具体而言，该模型通过密集卷积神经网络(Densely Connected Convolutional Networks，DenseNet)对基站流量进行预测;进一步地，基于精确的移动流量预测，将基站开关控制问题建模为一个马尔科夫决策过程(Markov Decision Process，MDP)，然后通过强化学习方法进行求解。此外，强化学习的reward函数设计在优化基站开关成本时综合考虑了多方面的因素，包括能耗和用户服务质量(Quality of Service，QoS)下降成本，目标是在降低能耗的前提下，最小化长期的基站能量消耗。最终通过对真实数据集的大量实验验证，提出的模型与当前使用的基站常开策略相比，能够节约37％的能量消耗，且节能效果也优于传统启发式算法。

    基站蜂窝网络动态开关流量预测深度Q网络

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

    基于Tv-SECOND的自动驾驶场景下的3D目标检测

    魏海跃杨奎河毕江峰
    823-830页
    查看更多>>摘要：针对自动驾驶场景中复杂环境下的3D目标检测任务，特别是远距离和遮挡条件下，为提高模型的检测准确率，在SECOND的基础上提出了Tv-SECOND两阶段算法。该算法提出一种基于Transformer架构的提案框特征提取模块，并在传统体素特征编码基础上提出可变形的体素特征编码模块。在KITT1数据集上进行测试，结果显示，所提出的算法相比SECOND在远距离和遮挡严重的情况下分别提高了 7。49％、9。72％。同时与其他先进的两阶段方法相比，检测精度有不同程度的提升，证明了 Tv-SECOND算法的有效性。新算法能够建立特征之间的依赖关系，聚合周边广域的上下文信息，增强模型的学习推理能力，有效提升了模型在远距离和遮挡的情况下的检测性能。

    自动驾驶3D目标检测TransformerSECOND

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

    《无线电通信技术》2023年度十佳论文

    封2页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据