检索结果-南通市图书馆

基于全局位置信息和残差特征融合的SAR船舶检测算法

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2024年第3期46卷 839-848页

作者：方小宇黄丽佳中国科学院空天信息创新研究院北京100190 中国科学院空间信息处理与应用系统技术重点实验室北京100190 中国科学院大学电子电气与通信工程学院北京100049

针对合成孔径雷达(synthetic aperture radar,SAR)图像船舶目标尺度不一且易受海面、地面杂波和相干斑噪声的影响,难以提取目标多维特征且特征融合过程中易产生语义歧义,造成船舶目标检测率低,虚警率高的问题,提出一个基于全局位置信息... 详细信息

针对合成孔径雷达(synthetic aperture radar,SAR)图像船舶目标尺度不一且易受海面、地面杂波和相干斑噪声的影响,难以提取目标多维特征且特征融合过程中易产生语义歧义,造成船舶目标检测率低,虚警率高的问题,提出一个基于全局位置信息和残差特征融合的SAR船舶目标检测算法。基于Faster区域卷积神经网络(region convolutional neural network,R-CNN)目标检测算法,在特征提取网络和特征融合网络中进行改进:在特征提取网络中使用高宽注意力机制提取目标在图像中的全局位置信息,增强目标的多维特征提取能力;在特征融合网络中使用带有残差连接的双向特征金字塔网络削弱特征融合过程中的语义歧义,降低复杂背景下的船舶目标虚警率,同时进行不同层级的多尺度特征双向融合,增强高低层特征的联系,提升多尺度船舶目标的检测能力。在SAR船舶数据集上达到98.2%的均值平均精度,超过部分算法2.4%以上。实验表明,所提算法有效提取了目标的多维特征,显著缓解了语义歧义问题,具有较好的检测能力和泛化能力。

关键词：合成孔径雷达船舶检测注意力机制特征金字塔网络残差连接

多网络控制器FC-AE-1553动态带宽调度机制

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年第9期50卷 2963-2974页

作者：李心茹张馨月李铮何锋北京航空航天大学电子信息工程学院北京100191 中国科学院空天信息创新研究院北京100190 中国科学院空间信息处理与应用系统技术重点实验室北京100190

由于航电系统通信需求的日趋复杂化,对基于FC-AE-1553组网的通信系统需要采用多网络控制器(NC)构建分布式网络环境,如何实施多个控制器之间的控制权分配,并解决跨域业务冲突的问题是其中的关键。为实现多NC协同调度,提出了一种主从NC协... 详细信息

由于航电系统通信需求的日趋复杂化,对基于FC-AE-1553组网的通信系统需要采用多网络控制器(NC)构建分布式网络环境,如何实施多个控制器之间的控制权分配,并解决跨域业务冲突的问题是其中的关键。为实现多NC协同调度,提出了一种主从NC协作的多NC动态带宽调度机制,采用并发通信方式提高网络带宽利用率,同时提升各类业务的传输保障能力。对于周期性业务采用固定时隙进行传输,对于强时效性突发业务采用抢占式带宽分配,对于一般突发业务按照“先跨域后域内”分别进行带宽分配。通过OMNeT++搭建FC-AE-1553网络仿真平台,结果表明:该调度机制可以满足多NC条件下不同类型通信业务的协同带宽分配和调度,对于周期性业务和强时效性突发业务,可以保障其实时性通信要求;对于一般突发业务,在网络负载不超过57%时也能为其提供合适的带宽进行传输。与单NC集中式相比,当网络负载大于0.5或跨域/域内业务比值大于0.8时,多NC控制具有较明显的时延优势。

关键词： FC-AE-1553 多网络控制系统动态调度控制权分配跨域传输

在线全文

学校读者我要写书评

暂无评论

基于结构化字典学习的判别稀疏微波成像方法

系统工程与电子技术 2024年

作者：孟洋周国如李洁张冰尘 1.中国科学院空天信息创新研究院 2.中国科学院空间信息处理与应用系统技术重点实验室 3.中国科学院大学电子电气与通信工程学院中国科学院空天信息创新研究院中国科学院空间信息处理与应用系统技术重点实验室中国科学院大学电子电气与通信工程学院

基于字典学习的合成孔径雷达（synthetic aperture radar，SAR）稀疏微波成像方法面对多类别目标时，字典中存在冗余信息导致成像准确性降低，针对此问题提出了一种基于结构化字典学习（structured dictionary learning，SDL）的判别稀... 详细信息

基于字典学习的合成孔径雷达（synthetic aperture radar，SAR）稀疏微波成像方法面对多类别目标时，字典中存在冗余信息导致成像准确性降低，针对此问题提出了一种基于结构化字典学习（structured dictionary learning，SDL）的判别稀疏微波成像方法。首先，利用SDL面向多类别目标训练获得包含多个子字典的结构化字典，每个子字典对应特定类别目标；其次，结合结构化字典构建判别稀疏微波成像模型，处理过程中根据不同子字典对目标的表征误差进行判别；最后根据判别结果选择对应类别子字典进行成像。实验结果表明，与现有的成像方法相比本文算法在降采样的条件下能够更好地抑制伪影模糊，提高成像的准确性。

关键词：结构化字典学习合成孔径雷达稀疏微波成像稀疏表征

结合足迹和相位信息的SAR高层建筑三维重建

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统工程与电子技术 2024年

作者：刘宁李芳芳李新武洪文中国科学院空天信息创新研究院中国科学院空间信息处理与应用系统技术重点实验室中国科学院大学电子电气与通信工程学院中国科学院数字地球重点实验室

针对城区高层建筑形式多样、分布密集导致的相邻建筑区分和叠掩区长度提取困难的问题，提出了一种结合足迹和相位信息的高分辨率合成孔径雷达高层建筑三维重建方法。引入外部足迹信息与二次散射亮线配准，得到合成孔径雷达图像上完整、... 详细信息

针对城区高层建筑形式多样、分布密集导致的相邻建筑区分和叠掩区长度提取困难的问题，提出了一种结合足迹和相位信息的高分辨率合成孔径雷达高层建筑三维重建方法。引入外部足迹信息与二次散射亮线配准，得到合成孔径雷达图像上完整、准确的建筑足迹，实现复杂情况下的相邻高层建筑区分。基于建筑足迹与干涉相位、足迹方向与干涉条纹方向的关系，准确提取各足迹边叠掩区长度，获得建筑高度。最后，提取足迹缺失的高层建筑参数。根据各建筑足迹和高度实现高层建筑三维重建。实验结果表明，本文方法具有较好的高层建筑三维重建能力。

关键词：建筑足迹干涉合成孔径雷达高分辨率合成孔径雷达高层建筑三维重建

结构光照明显微成像技术在集成电路掩模检测中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光学学报 2024年第11期44卷 179-186页

作者：魏鑫刘泽旭张子怡陈韫懿杨文河曹晶林楠上海大学微电子学院上海200444 中国科学院上海光学精密机械研究所强场激光物理国家重点实验室上海201800 超强激光科学与技术重点实验室(中国科学院) 上海201800

针对集成电路成熟制程下的掩模检测需求,设计了一种适用于该应用场景的透射式结构光照明显微(SIM)检测系统。SIM技术在频率域内利用空间混频将物体的高频信息载入到光学系统的探测通带,从而使分辨率突破衍射极限。采用数字微镜器件(DMD... 详细信息

针对集成电路成熟制程下的掩模检测需求,设计了一种适用于该应用场景的透射式结构光照明显微(SIM)检测系统。SIM技术在频率域内利用空间混频将物体的高频信息载入到光学系统的探测通带,从而使分辨率突破衍射极限。采用数字微镜器件(DMD)控制干涉光束的空间分布强度和相位,利用四方向照明(0°、45°、90°和135°,每个方向上分别有三个相位)提高各向同性的分辨率,并可选取级次较高的衍射光在样品表面产生高频结构光,进一步提高样品的空间分辨率。相较于大数值孔径的光学检测系统,该系统结构简单、灵活度高、分辨率提高潜力大。实验验证系统使用不同级次衍射光的成像能力,并简要分析影响SIM分辨率的因素,为基于该系统的优化和改良提供理论依据。

关键词：显微光学系统衍射光栅图像重构技术空间光调制器

空间外差遥感数据光谱-干涉图双向校正算法研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第4期44卷 963-968页

作者：王新强王祯梁秋裕熊伟李志伟叶松甘永莹王方原桂林电子科技大学光电工程学院广西桂林541004 中国科学院安徽光学精密机械研究所安徽合肥230031 广西光电信息处理重点实验室广西桂林541004 中国科学院通用光学定标与表征技术重点实验室安徽合肥230031

空间外差光谱技术(SHS)作为新型高光谱分析技术,被广泛应用于大气检测、卫星遥感等领域,但由于空间外差光谱仪的制作不理想或工作环境的变化都会改变仪器参数而引入误差,使干涉图数据不准确,需要进行误差校正。在卫星平台下,由于与地面... 详细信息

空间外差光谱技术(SHS)作为新型高光谱分析技术,被广泛应用于大气检测、卫星遥感等领域,但由于空间外差光谱仪的制作不理想或工作环境的变化都会改变仪器参数而引入误差,使干涉图数据不准确,需要进行误差校正。在卫星平台下,由于与地面环境的巨大差异,导致地面测定的校正参数对空间外差干涉图数据不再适用,特别是调制项误差(相位误差和非均匀误差)的改变,极大影响了光谱的准确性。针对空间外差遥感数据的调制项误差,从光谱与干涉图两个方面入手,进行误差分离与原因分析,认为空间外差遥感数据误差主要来源于CCD尺寸伸缩导致的光谱频率变化和CCD响应改变导致的干涉图强度变化,提出了光谱-干涉图双向校正方法。校正测试数据选取高分五号搭载检测仪(GMI)实测的12条O 2吸收光谱。取其中一条作为标定光谱,以SCIATRAN仿真的无误差光谱为基准,与标定光谱进行对比,分析两者在光谱维的频率偏差,通过特征峰频率确定两者的频率变换关系。然后根据变换关系将仿真光谱进行频率拉伸,使拉伸后的仿真光谱与实测光谱谱峰重合,计算拉伸仿真光谱与实测光谱干涉图,将两者干涉图相比得到干涉图强度的变化关系。最后将干涉图强度变化关系用于其余11条光谱的校正,得到校正后光谱。为了衡量校正效果,以校正前后光谱的标准差、均方误差和信噪比作为评价指标。结果显示标准差、均方误差都明显降低,同时信噪比显著增大,且标准差基本都在0.07以下,信噪比基本能达到20以上。其中校正效果最好的实测光谱,标准差减少了0.3767,信噪比提高了25.1016,均方误差降低了0.1587,校正效果较差的实测光谱,标准差减少了0.2296,信噪比提高了9.6328,均方误差降低了0.1049。因此所提出的光谱-干涉图双向校正方法对空间外差遥感数据的误差校正起到较好的效果,且处理过程简单,为同类数据的处理提供了一种新思路。

关键词：空间外差遥感误差校正光谱谱峰频率干涉图强度幅值

在线全文

学校读者我要写书评

暂无评论

容错深度学习加速器跨层优化

计算机研究与发展 2024年第6期61卷 1370-1387页

作者：张青刘成刘波黄海同王颖李华伟李晓维处理器芯片全国重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学北京100049 北京控制工程研究所北京100094

容错深度学习加速器是保障高可靠深度学习的基石,也是深度学习应用于安全关键领域如宇航、机器人等面临的一个关键环节.然而,深度学习计算和访存都非常密集,传统基于冗余计算的容错方法直接应用于深度学习加速器的容错设计会导致严重的... 详细信息

容错深度学习加速器是保障高可靠深度学习的基石,也是深度学习应用于安全关键领域如宇航、机器人等面临的一个关键环节.然而,深度学习计算和访存都非常密集,传统基于冗余计算的容错方法直接应用于深度学习加速器的容错设计会导致严重的功耗、芯片面积等硬件资源开销.为此,从神经元计算任务和神经元的数据位宽2个维度挖掘深度学习模型对于故障的敏感度差异,并利用这些差异从架构和电路层分别对于敏感的部分提供更多的保护以降低容错代价.同时,利用深度学习自身的容错特性,通过限制量化缩小电路层需要保护的电路逻辑规模.最后,利用贝叶斯优化协同优化算法、架构和电路的跨层设计参数,在保障深度学习可靠性、精度以及性能的前提下,最小化硬件资源开销.

关键词：跨层优化容错深度学习加速器脆弱因子异构架构选择性冗余

在线全文

学校读者我要写书评

暂无评论

基于光学频率上转换的中红外探测研究进展

激光与光电子学进展 2024年

作者：郭旭刘鹏翔付俏俏祁峰李伟李惟帆中国科学院沈阳自动化研究所辽宁省太赫兹成像感知重点实验室中国科学院光电信息处理重点实验室中国科学院大学

中红外波段在环境遥感、天文观测、生物医学诊断和分子光谱等前沿领域具有重要的应用价值。高水平的中红外探测技术是实现上述应用的核心基础技术之一。随着窄禁带半导体和热敏材料等工艺的进步，中红外探测器性能得到了长足的发展。然... 详细信息

中红外波段在环境遥感、天文观测、生物医学诊断和分子光谱等前沿领域具有重要的应用价值。高水平的中红外探测技术是实现上述应用的核心基础技术之一。随着窄禁带半导体和热敏材料等工艺的进步，中红外探测器性能得到了长足的发展。然而，与相邻波段的铟镓砷/硅基探测器相比，当前的中红外探测器在雪崩/计数和面阵等方面还明显地落后。将中红外光通过频率上转换，利用成熟的近红外/可见光器件实现高水平分析和感知，逐渐成为一种间接探测新范式，与传统的直接探测方法形成有效互补。本文梳理了国内外中红外上转换探测技术的主要发展历程，对探测系统“四要素”（非线性晶体、探针光源、待测中红外目标，以及光探测终端）进行了分类，总结了中红外单光子探测、光谱分析和成像等应用大方向的主要进展，最后展望了该探测技术的未来发展趋势。

关键词：中红外探测非线性光学频率上转换非线性晶体光电探测器

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向高密度混部的动态资源分配方法

计算机研究与发展 2024年第9期61卷 2384-2399页

作者：郭静胡存琛包云岗处理器芯片全国重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学北京100190

当前的无服务计算提供商采用了一种灵活度低、固定CPU和内存分配比例的耦合式资源分配策略.随着更多类型应用被部署在无服务计算平台中,该策略已无法满足函数应用的多样化资源需求.由于函数应用的资源分配粒度小、部署密度高,若将CPU与... 详细信息

当前的无服务计算提供商采用了一种灵活度低、固定CPU和内存分配比例的耦合式资源分配策略.随着更多类型应用被部署在无服务计算平台中,该策略已无法满足函数应用的多样化资源需求.由于函数应用的资源分配粒度小、部署密度高,若将CPU与内存资源的分配进行解耦,需解决资源配置空间爆炸问题.提出Semi-Share,一个面向无服务计算的解耦式资源管理系统,为函数寻找最优资源配置的同时降低混部函数之间的干扰.为解决资源配置空间爆炸问题,Semi-Share构建了一个2层资源分配架构,将资源配置空间划分为多个子空间来降低问题复杂度.第1层是函数分组,基于函数的资源使用特征和历史负载信息进行函数分组,根据分组将资源配置空间划分为多个子空间.第2层是资源分配,利用贝叶斯优化和加权打分函数来指导模型在资源配置空间中朝正确的方向搜索,降低时间开销.实验结果显示,Semi-Share相较于被广泛使用的梯度下降搜索法降低了平均85.77%的时间开销,并为函数带来平均42.72%的性能提升;与同样使用贝叶斯优化的耦合式资源分配系统COSE相比,Semi-Share能带来平均32.25%的性能提升.

关键词：无服务计算混部性能保障服务质量资源分配高部署密度