检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于纯自注意力机制的毫米波雷达手势识别

系统工程与电子技术 2024年第3期46卷 859-867页

作者：张春杰王冠博陈奇邓志安哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 先进船舶通信与信息技术工业和信息化部重点实验室黑龙江哈尔滨150001

在构建智慧控制,万物互联的背景下,通过手势远程控制设备,进行人机交互逐渐成为研究热点。对此,提出了一种以毫米波雷达为传感器,采用基于纯自注意力机制模型实现手势识别的方法。首先,采集正面视角的13类手势的时序回波数据。接着,对... 详细信息

在构建智慧控制,万物互联的背景下,通过手势远程控制设备,进行人机交互逐渐成为研究热点。对此,提出了一种以毫米波雷达为传感器,采用基于纯自注意力机制模型实现手势识别的方法。首先,采集正面视角的13类手势的时序回波数据。接着,对数据进行三维快速傅里叶变换(three-dimension fast Fourier transform,3D-FFT)、动目标显示(moving target indication,MTI)、恒虚警率(constant false alarm rate,CFAR)检测操作并进行固定种类特征提取,将这些特征传入基于纯自注意力机制网络的雷达特征变换(radar feature transformer,RFT)网络。最后,基于实测数据完成了数据特征提取、网络训练、手势识别等步骤。实验结果表明,所提方法在测试集上准确率达到95.38%,网络训练时间短,模型复杂度低,泛化性好,为现有研究提供了新的研究思路。

关键词：毫米波雷达手势识别自注意力机制噪声抑制

基于改进PointPillars的激光雷达三维目标检测

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年第8期61卷 225-234页

作者：田枫刘超刘芳姜文文徐昕赵玲东北石油大学计算机与信息技术学院黑龙江大庆163318

针对目前基于点云的三维目标检测算法中小目标检测效果差的问题,提出了基于改进PointPillars模型的三维目标检测方法。首先,改进了PointPillars模型中的pillar特征网络,提出了一个新的pillar编码模块,在编码网络中引入了平均池化和注意... 详细信息

针对目前基于点云的三维目标检测算法中小目标检测效果差的问题,提出了基于改进PointPillars模型的三维目标检测方法。首先,改进了PointPillars模型中的pillar特征网络,提出了一个新的pillar编码模块,在编码网络中引入了平均池化和注意力池化,充分考虑了每个pillar模块的局部详细几何信息,提高了每个pillar模块的特征表示能力,从而提升了模型的小目标检测性能。其次,基于ConvNeXt改进了骨干网络中的二维卷积下采样模块,使模型在网络特征提取阶段能够提取丰富的上下文语义信息和全局特征,从而增强了算法的特征提取能力。在公开数据集KITTI上进行验证,实验结果表明,所提方法具有更高的检测精度,相较于原网络,改进后的算法的平均检测精度提升了3.63个百分点,证明了该方法的有效性。

关键词：三维目标检测 PointPillars 小目标检测注意力池化 ConvNeXt

在线全文

学校读者我要写书评

暂无评论

一种针对驻留转换雷达的信号分选算法

系统工程与电子技术 2024年第6期46卷 1925-1934页

作者：张春杰青松邓志安刘俞辰哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 先进船舶通信与信息技术工业和信息化部重点实验室黑龙江哈尔滨150001 国网黑龙江省电力有限公司哈尔滨供电公司黑龙江哈尔滨150001

复杂电磁环境下驻留转换雷达的信号分选是制约电子侦察技术发展的瓶颈,由于其复杂多变的成形规律,信号子周期难以被检测;脉冲重复周期调制类型不明,脉冲序列无法成功提取;提取的多个子周期脉冲序列无法合并为一部雷达信号,造成虚警。针... 详细信息

复杂电磁环境下驻留转换雷达的信号分选是制约电子侦察技术发展的瓶颈,由于其复杂多变的成形规律,信号子周期难以被检测;脉冲重复周期调制类型不明,脉冲序列无法成功提取;提取的多个子周期脉冲序列无法合并为一部雷达信号,造成虚警。针对以上问题,提出一种针对驻留转换雷达的信号分选算法,利用双门限提高子周期检测概率,通过霍夫变换结合迭代自组织聚类判断信号是否属于驻留转换雷达,改进搜索算法以提取脉冲序列,依据排列熵指标将多脉冲序列合并为一部驻留转换雷达信号。仿真实验结果表明,所提算法在25%脉冲丢失率的复杂电磁环境下,可以将三部驻留转换雷达信号成功分选。

关键词：驻留转换信号分选霍夫变换脉冲序列搜索排列熵

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

基于特征强化U⁃Net的地震速度反演方法

石油地球物理勘探 2024年第2期59卷 185-194页

作者：张岩孟德聪宋利伟董宏丽东北石油大学计算机与信息技术学院黑龙江大庆163318 东北石油大学人工智能能源研究院黑龙江大庆163318 东北石油大学物理与电子工程学院黑龙江大庆163318

基于深度神经网络的地震速度反演方法面临的挑战是:时间域地震数据与空间域模型信息间语义映射的弱对应关系导致多解性;神经网络将地震数据映射到速度模型过程中缺少有效引导,易受噪声干扰,影响反演精度。为此,提出一种基于特征强化U‑Ne... 详细信息

基于深度神经网络的地震速度反演方法面临的挑战是:时间域地震数据与空间域模型信息间语义映射的弱对应关系导致多解性;神经网络将地震数据映射到速度模型过程中缺少有效引导,易受噪声干扰,影响反演精度。为此,提出一种基于特征强化U‑Net的地震速度反演方法。首先,通过多炮地震数据特征叠加使输入网络的地震时间序列信号与对应速度模型之间的空间关系更加明确;其次,基于多尺度特征融合的思想设计具有不同尺寸卷积核的模块,以增强网络对有效特征的学习能力;然后,利用注意力门引导网络,增强网络重点关注的特征;最后,结合瓶颈残差和预激活的思想,在网络中加入预激活瓶颈残差,避免梯度消失和网络退化。实验表明,该方法在地震速度反演方面具有更高的精度,并在抗噪声测试中效果较好,具有一定的泛化能力。

关键词：地震速度反演深度学习注意力多尺度特征融合特征强化

基于多层优选卷积的水声信号样本自动标注方法

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

哈尔滨工程大学学报 2024年第4期45卷 758-763页

作者：王红滨张帅何鸣陈夏可哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001 黑龙江科技大学计算机科学与信息工程学院黑龙江哈尔滨150022

针对深度学习在水声研究领域的应用中面临大数据量要求和现有样本量限制的问题,本文提出了一种多层优选卷积网络模型。通过基于相似度的优选方法选出最佳卷积核,以提取更具代表性的特征。利用探索层特征融合策略,叠加多层卷积输出,获取... 详细信息

针对深度学习在水声研究领域的应用中面临大数据量要求和现有样本量限制的问题,本文提出了一种多层优选卷积网络模型。通过基于相似度的优选方法选出最佳卷积核,以提取更具代表性的特征。利用探索层特征融合策略,叠加多层卷积输出,获取更全面的特征信息。采用约减策略优化模型,有效缩短运算时间。通过优选、特征融合和注意力机制,有效解决此类问题。实验结果表明,该模型在数据集上取得的最好的标注准确率为高基线模型1.12%;同时运行时间减少了43.5%。因此,该模型的使用提高了水声信号标注的准确率和效率。

关键词：水声信号自动标注声纹识别多层优选卷积模型时间优化注意力机制特征融合

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

基于相似度加速的自适应聚类联邦学习

通信学报 2024年第3期45卷 197-207页

作者：朱素霞顾玢珂孙广路哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 黑龙江省智能信息处理及应用重点实验室黑龙江哈尔滨150080

为了解决联邦学习过程中数据异质性导致模型性能下降的问题,考虑对联邦模型个性化,提出了一种新的基于相似度加速的自适应聚类联邦学习(ACFL)算法,基于客户端本地更新的几何特性和客户端联邦时的正向反馈实现自适应加速聚类,将客户端划... 详细信息

为了解决联邦学习过程中数据异质性导致模型性能下降的问题,考虑对联邦模型个性化,提出了一种新的基于相似度加速的自适应聚类联邦学习(ACFL)算法,基于客户端本地更新的几何特性和客户端联邦时的正向反馈实现自适应加速聚类,将客户端划分到不同任务簇,同簇中数据分布相似的客户端协同实现聚类联邦学习(CFL),从而提升模型性能。该算法不需要先验确定类簇数量和迭代划分客户端,在避免现有基于聚类的联邦算法计算成本过高、收敛速度慢等问题的同时保证了模型性能。在常用数据集上使用深度卷积神经网络验证了ACFL的有效性。结果表明,所提算法性能与聚类联邦学习算法相当,优于传统的迭代联邦聚类算法(IFCA),且具有更快的收敛速度。

关键词：联邦学习个性化聚类几何特性正向反馈

基于电子鼻和BP神经网络对‘黑珍珠’鲜食玉米产地的区分和识别

在线全文

学校读者我要写书评

暂无评论

食品工业科技 2024年第13期45卷 239-245页

作者：马洪江郝曦煜高铭于有强杨书恒刘士伟马喜山王文鑫段盛林王雪黑龙江北纬四十七绿色有机食品有限公司黑龙江齐齐哈尔161532 黑龙江飞鹤乳业有限公司北京100016 中国食品发酵工业研究院有限公司北京100015

以‘黑珍珠’鲜食玉米为研究对象,采用电子鼻技术分别测定了黑龙江、陕西两大产区共计200个鲜食玉米样品的气味传感器响应值原始数据,通过主成分分析(Principal component analysis,PCA)、判别因子分析(Discriminant function analysis,... 详细信息

以‘黑珍珠’鲜食玉米为研究对象,采用电子鼻技术分别测定了黑龙江、陕西两大产区共计200个鲜食玉米样品的气味传感器响应值原始数据,通过主成分分析(Principal component analysis,PCA)、判别因子分析(Discriminant function analysis,DFA)对不同产地鲜食玉米的挥发性风味进行了区分,采用软独立建模分析(Soft independent modeling class analogy,SIMCA)建立了黑龙江‘黑珍珠’鲜食玉米的判定模型,并通过Pytorch软件建立了反向传播神经网络(Back propagation neural network,BP神经网络)模型,对不同产地的‘黑珍珠’鲜食玉米进行鉴别区分。结果表明,不同产地的‘黑珍珠’鲜食玉米的挥发性风味虽有相似之处但具有明显的产地特征,SIMCA模型可实现对未知样品是否来自黑龙江产区的有效识别(正确率为97%),BP神经网络模型则可对未知产地的‘黑珍珠’鲜食玉米样品进行产地预测及鉴别,平均正确率达99.44%。采用电子鼻技术结合BP神经网络模型可以准确的区分和识别‘黑珍珠’鲜食玉米产地。

关键词：鲜食玉米电子鼻主成分分析软独立建模 BP神经网络产地鉴别

基于空间金字塔注意力机制残差网络的高光谱图像分类

在线全文

学校读者我要写书评

暂无评论

液晶与显示 2024年第6期39卷 833-843页

作者：刘和宋璎珞胡龙湘刘国辉王侃王爱丽国网黑龙江省电力有限公司综合信息中心黑龙江哈尔滨150010 哈尔滨理工大学测控技术与通信工程学院黑龙江省激光光谱技术及应用重点实验室黑龙江哈尔滨150080

为了提取高光谱图像的空间-光谱联合特征,本文提出了一种基于改进的空间金字塔注意力机制残差网络的高光谱图像分类模型。首先采用主成分分析法去除光谱冗余,结合空间金字塔注意力机制,改进残差网络的高光谱图像分类模型获取精细化特征... 详细信息

为了提取高光谱图像的空间-光谱联合特征,本文提出了一种基于改进的空间金字塔注意力机制残差网络的高光谱图像分类模型。首先采用主成分分析法去除光谱冗余,结合空间金字塔注意力机制,改进残差网络的高光谱图像分类模型获取精细化特征。然后利用空间金字塔注意力模型实现多尺度联合特征关注,提升对联合特征的敏感性,并有效地强调并聚焦空间和光谱信息,实现信息交互。最后经过Softmax分类器获得分类标签。本文提出的方法在MUUFL和Tento数据集上进行了实验,结果表明,本文算法的总体分类精度分别达到了94.08%和98.32%。相比于其他高光谱分类模型,本文模型的收敛速度较快,在分类性能上取得了明显的提升,获得了更高的地物分类精度。

关键词：高光谱图像分类注意力机制空间-光谱特征

基于YOLOv8-LGA的遥感图像目标检测算法

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

光电子·激光 2024年

作者：刘勇吕丰顺李学琨左世余黑龙江大学黑龙江东部节水设备有限公司

针对遥感图像背景复杂、小目标分布密集、目标尺度多样、易受环境因素影响等问题，本文提出一种改进YOLOv8的遥感目标检测算法：YOLOv8-LGA。首先，在主干网中引入LSK（large selective kernel）注意力模块。通过捕获和突出显示各种空... 详细信息

针对遥感图像背景复杂、小目标分布密集、目标尺度多样、易受环境因素影响等问题，本文提出一种改进YOLOv8的遥感目标检测算法：YOLOv8-LGA。首先，在主干网中引入LSK（large selective kernel）注意力模块。通过捕获和突出显示各种空间信息，来增强特征选择。其次，使用GhostConv重构空间金字塔池化模块，利用其冗余特性来弥补最大池化层丢失细节信息的问题。然后，提出ABFPN（asymptotic bifurcated feature pyramid network）结构，巧妙地合并来自多个层级的特征，同时减少原网络在双向路径传播和交互过程中，造成的信息丢失情况。最后，在DOTAv1.0数据集上进行了实验验证。实验结果表明，YOLOv8-LGA模型的识别准确率为81.6%，召回率为68.8%，mAP为73.6%，比YOLOv8高出2.3%、0.3%和1.6%。

关键词：遥感图像卷积神经网络 YOLOv8 目标检测