检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

工业物联网中数字孪生辅助任务卸载算法

电子与信息学报 2024年第4期46卷 1296-1305页

作者：唐伦单贞贞文明艳李荔陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对工业物联网(IIoT)设备资源有限和边缘服务器资源动态变化导致的任务协同计算效率低等问题,该文提出一种工业物联网中数字孪生(DT)辅助任务卸载算法。首先,该算法构建了云-边-端3层数字孪生辅助任务卸载框架,在所创建的数字孪生层中... 详细信息

针对工业物联网(IIoT)设备资源有限和边缘服务器资源动态变化导致的任务协同计算效率低等问题,该文提出一种工业物联网中数字孪生(DT)辅助任务卸载算法。首先,该算法构建了云-边-端3层数字孪生辅助任务卸载框架,在所创建的数字孪生层中生成近似最佳的任务卸载策略。其次,在任务计算时间和能量的约束下,从时延的角度研究了计算卸载过程中用户关联和任务划分的联合优化问题,建立了最小化任务卸载时间和服务失败惩罚的优化模型。最后,提出一种基于深度多智能体参数化Q网络(DMAPQN)的用户关联和任务划分算法,通过每个智能体不断地探索和学习,以获取近似最佳的用户关联和任务划分策略,并将该策略下发至物理实体网络中执行。仿真结果表明,所提任务卸载算法有效降低了任务协同计算时间,同时为每个计算任务提供近似最佳的卸载策略。

关键词：工业物联网数字孪生边缘关联任务划分深度强化学习

数字孪生辅助联邦学习中的边缘选择和资源分配联合优化

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第4期46卷 1343-1352页

作者：唐伦文明艳单贞贞陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

在基于联邦学习的智能驾驶中,智能网联汽车(ICV)的资源限制和可能出现的设备故障会导致联邦学习训练精度下降、时延和能耗增加等问题。为此该文提出数字孪生辅助联邦学习中的边缘选择和资源分配优化方案。该方案首先提出数字孪生辅助联... 详细信息

在基于联邦学习的智能驾驶中,智能网联汽车(ICV)的资源限制和可能出现的设备故障会导致联邦学习训练精度下降、时延和能耗增加等问题。为此该文提出数字孪生辅助联邦学习中的边缘选择和资源分配优化方案。该方案首先提出数字孪生辅助联邦学习机制,使得ICV能够选择在本地或利用其数字孪生体参与联邦学习。其次,通过构建数字孪生辅助联邦学习的计算和通信模型,建立以最小化累积训练时延和能耗为目标的边缘选择和资源分配联合优化问题,并将其转化为部分可观测的马尔可夫决策过程。最后,提出基于多智能体参数化Q网络(MPDQN)的边缘选择和资源分配算法,用于学习近似最优的边缘选择和资源分配策略,以实现联邦学习累积时延和能耗最小化。仿真结果表明,所提算法在保证模型精度的同时,有效降低联邦学习累积训练时延和能耗。

关键词：智能驾驶联邦学习数字孪生深度强化学习

基于数字孪生的多自动驾驶车辆分布式协同路径规划算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第6期46卷 2525-2532页

作者：唐伦戴军成章超张鸿鹏陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心... 详细信息

针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心化的联邦强化学习方法(CWDFRL)来实现多AVs的路径规划。首先将单个AVs的路径规划问题建模成在驾驶行为约束下的最小化平均任务完成时间问题,并将其转化成马尔可夫决策过程(MDP),使用深度确定性策略梯度算法(DDPG)进行求解;然后使用联邦学习(FL)保证车辆之间的协同合作,针对集中式的FL中存在的全局模型更新质量低的问题,使用基于可信度的动态节点选择的去中心化FL训练方法改善了全局模型聚合质量低的问题;最后使用DT辅助去中心化联邦强化学习(DFRL)模型的训练,利用孪生体可以从DT环境中学习的优点,快速将训练好的模型直接部署到现实世界的AVs上。仿真结果表明,与现有的方法相比,所提训练框架可以得到一个较高的奖励,有效地提高了车辆对其本身速度的利用率,与此同时还降低了车辆群体的平均任务完成时间和碰撞概率。

关键词：数字孪生自动驾驶去中心化联邦强化学习路径规划

一种基于时间序列分解和时空信息提取的云服务器异常检测模型

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第6期46卷 2638-2646页

作者：唐伦赵禹辰薛呈呈陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和... 详细信息

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型。首先,提出带时空信息提取模块的双向Wasserstein生成对抗网络算法(BiWGAN-GTN),该算法在具有梯度惩罚的双向Wasserstein生成对抗网络(BiWGAN-GP)算法的基础上,将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN),实现对数据空时信息的提取;其次,提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常,以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性。最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标。利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解,然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练。在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性。实验结果表明,MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法。

关键词：云服务器异常检测时间序列分解生成对抗网络时空信息提取模块

在线全文

学校读者我要写书评

暂无评论

小样本学习驱动的无线频谱状态感知

电子与信息学报 2024年第4期46卷 1231-1239页

作者：申滨李月王欣王紫昕重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类... 详细信息

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类的无线频谱状态感知方法。首先,对捕获的稀疏频谱观测数据插值,构建频谱状态地图,作为频谱状态分类器的输入数据。其次,针对频谱数据类别分布不稳定、数据量严重不足的问题,基于小样本学习方法,利用嵌入模块和度量模块协同工作,以实现快速精确的频谱状态分类。具体地,利用嵌入模块将频谱数据映射到嵌入空间,提取频谱数据中的隐含特征;在度量模块的设计中,分别提出基于原型和基于样例的两种类别表示方式,通过计算待分类样本与类别之间的相似度判断待分类样本类别。最后,为了确保分类模型克服测试样本数量少导致过拟合问题,设置A-way B-shot任务训练模型。仿真结果表明,与传统机器学习方法相比,本文模型可以在低信噪比条件下进行精准分类;同时,在测试集样本数很少的情况下,或者在测试集中出现在训练集从未见到的新类时,所训练的模型也可以精准快速判别无线频谱的场景类别。

关键词：频谱状态感知频谱状态地图插值小样本学习

基于双模态图像融合的无人机光学小目标检测算法

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年

作者：常凯旋黄建华孙希延罗键包世涛黄焕生桂林电子科技大学信息与通信学院桂林电子科技大学广西精密导航技术与应用重点实验室

针对无人机小目标检测精度低、误检率较高的问题，提出了一种基于双模态图像融合的无人机小目标检测算法。本文首先设计了基于前端、中端和后端融合策略的红外与可见光图像融合基础框架。其次基于后端融合策略和YOLOv8目标检测框架，构... 详细信息

针对无人机小目标检测精度低、误检率较高的问题，提出了一种基于双模态图像融合的无人机小目标检测算法。本文首先设计了基于前端、中端和后端融合策略的红外与可见光图像融合基础框架。其次基于后端融合策略和YOLOv8目标检测框架，构建了双通道图像融合检测算法。算法通过双路特征融合模块融合红外与可见光图像的特征，并在颈部网络层引入BRA模块增强模型识别小目标的能力。实验结果表明，在DroneVehicle数据集上，本文方法与单一基于YOLOv8的红外和可见光图像检测结果相比，平均精度均值（mAP）分别提升了14.78%和12.99%，相较于PSFusion融合检测方法，mAP提升了7.1%。

关键词：小目标检测无人机图像处理图像融合 YOLOv8

SAR图像舰船目标检测的轻量化和特征增强研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

西安电子科技大学学报 2024年第2期51卷 96-106页

作者：龚峻扬付卫红方厚章西安电子科技大学通信工程学院陕西西安710071 西安电子科技大学计算机科学技术学院陕西西安710071

针对合成孔径雷达(SAR)图像中的舰船目标的准确率易受近岸杂波的影响,且现有检测算法复杂度高,在嵌入式设备上的部署难度大的问题,提出一种适用于嵌入式设备的轻量化高精度SAR图像舰船目标检测算法CA-Shuffle-YOLO。基于YOLO v5目标检... 详细信息

针对合成孔径雷达(SAR)图像中的舰船目标的准确率易受近岸杂波的影响,且现有检测算法复杂度高,在嵌入式设备上的部署难度大的问题,提出一种适用于嵌入式设备的轻量化高精度SAR图像舰船目标检测算法CA-Shuffle-YOLO。基于YOLO v5目标检测算法,对骨干网络进行轻量化及特征精细化提取两个方面的改进,引入轻量化模块以降低网络的计算复杂度,提高推理速度,并引入协同注意力机制模块增强算法对近岸船舶目标的细节信息的提取能力。在特征融合网络中采用加权特征融合以及跨模块融合,增强模型对SAR舰船目标的细节信息的融合能力,同时,利用深度卷积模块降低计算复杂度,提高实时性。通过在SSDD舰船目标检测数据集上的测试及对比实验的结果,表明CA-Shuffle-YOLO的检测准确率约为97.4%,检测帧率为206 FPS,所需运算复杂度为6.1 GFlops,相比原始的YOLO v5,所提方法的检测帧率提升了60 FPS,所需运算复杂度降低为原来的12%。

关键词：合成孔径雷达目标检测卷积神经网络特征提取

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

一种侦干探多功能一体化微系统设计

系统工程与电子技术 2024年第3期46卷 868-881页

作者：肖国尧廖桂生柯华锋李帅全英汇西安电子科技大学电子工程学院陕西西安710071 西安电子科技大学雷达信号处理全国重点实验室陕西西安710071 中国空间技术研究院通信与导航卫星总体部北京100094

在无人机载、弹载综合电子应用领域,基于传统分立器件设计的信号处理系统面临日益突显的资源受限问题。因此,针对无人机载、弹载综合电子系统的多功能、小型化、高性能应用的迫切需求,提出一种侦干探多功能一体化信号处理微系统集成设... 详细信息

在无人机载、弹载综合电子应用领域,基于传统分立器件设计的信号处理系统面临日益突显的资源受限问题。因此,针对无人机载、弹载综合电子系统的多功能、小型化、高性能应用的迫切需求,提出一种侦干探多功能一体化信号处理微系统集成设计技术。基于三维堆叠等先进封装技术,将射频直采数模/模数转换器、可编程逻辑器件、处理器、大容量易失型存储器、非易失性存储器以及阻容等诸多元件进行共封装设计集成,构成可同时完成侦察、干扰、探测功能信号处理的微系统,并构建多功能应用场景,完成软硬件测试验证。该微系统不仅在体积、重量、性能、集成度等方面具有一定优越性,而且大大简化了信号处理系统的复杂电路设计,更便于系统的标准化、通用化和软件化,具有较大的应用前景。

关键词：多功能微系统异质异构三维堆叠侦干探一体化

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

意图驱动网络服务韧性机制研究

西安电子科技大学学报 2024年第1期51卷 60-71页

作者：李鹏程宋延博杨春刚李富强西安电子科技大学杭州研究院浙江杭州311200 西安电子科技大学通信工程学院陕西西安710071 中国电子科技集团公司第二十研究所中国电子科技集团公司数据链技术重点实验室陕西西安710068

软件定义网络、网络功能虚拟化和意图驱动网络等新技术的出现,促使网络朝着服务化、定制化和智能化等方向快速发展。然而,规模巨大且复杂的网络形态导致网络管理存在失效,同时网络攻击事件频繁发生。因此,提高网络服务韧性,确保网络服... 详细信息

软件定义网络、网络功能虚拟化和意图驱动网络等新技术的出现,促使网络朝着服务化、定制化和智能化等方向快速发展。然而,规模巨大且复杂的网络形态导致网络管理存在失效,同时网络攻击事件频繁发生。因此,提高网络服务韧性,确保网络服务能够持续保障,变得非常重要。意图驱动网络能实现从用户意图到网络韧性策略生成及其下发的全过程的自动部署,为网络有效应对各类挑战提供更加灵活的手段,极大地改善了网络管理效率,并提高了网络服务韧性。基于此,提出一种意图驱动网络服务韧性控制环路架构及其实现架构。首先,通过将信念-愿望-意图推理逻辑引入韧性推理机制,使网络具有预防功能、防御功能、恢复功能以及适应功能,能够在网络攻击发生前期及时地作出响应,并根据具体环境灵活调整韧性策略,以应对突发的网络攻击,持续保障网络服务。最后,以分布式拒绝服务攻击作为用例,验证所述的意图驱动网络服务韧性机制在保障网络服务韧性方面的有效性。

关键词：意图驱动网络网络服务韧性信念-愿望-意图推理服务持续保障

维普期刊数据库博看期刊