摘要:

摘要:

摘要:

摘要:

摘要:随着人工智能技术与无线通信领域的深度融合,作为一种新兴的通信模式,语义通信聚焦于语义层面的信息传输与交互,凭借其独特优势,显著提升了通信的精确性和可靠性.在低时延、高流通密度的通信应用场景中,语义通信技术突破了传统基于经典信息论的语法通信,为无线通信领域提供了新范式,拓宽了现代通信技术的应用范畴.目前,语义通信技术的发展尚处于起步阶段,其在应用过程中面临的安全问题尚未得到系统梳理和全面分析.为进一步推动语义通信技术的发展与应用,首先对语义通信系统中存在的各类安全威胁进行了分类阐述;然后,详细介绍了语义通信系统中模型安全和数据安全的研究现状;最后,总结了语义通信安全研究所面临的挑战,并对未来发展趋势进行了展望.

摘要:通过测量语音相关的脑电信号变化来研究人脑对于标准语料的反应趋势.有16名被测者分别聆听了120条标准语音,每条8 s,语音之间有1~2 s的间隔且随机播放.提取被测者在聆听过程中的脑电信号,对1~40 Hz频段的脑电信号进行预处理并将其与语音信号进行分析比对.结果显示,被测者听到相同标准语音时有相同的脑电反应趋势.通过相锁值方法对脑电信号和语音信号进行相位差分析,证明了脑电信号与语音质量之间的功能连接性,并且脑电信号区分语音质量的正确率达到99.62％.

摘要:针对现有图像视频恢复增强方法存在的问题,本文提出一种基于语义特征提取的神经网络模型图像及视频质量增强算法.首先提出一种基于语义特征的图像恢复增强框架,然后建立退化模型和重建模型的联合优化.在公开数据集上对所提模型进行验证,并与现有算法进行对比,结果表明:所提方法相比新型超分辨率算法PULSE (Photo Upsampling via Latent Space Exploration,潜空间搜索照片升采样)能够实现RankIQA (Rank Image Quality Assessment,图像质量评价排名)得分50%的提升,并且和原始高清图像、视频质量得分接近;在用户评价方面,有81%的重建结果被认为优于对比算法,表明所提算法具有更高的重构图像和视频质量.

摘要:为了使采摘机器人能够在果园复杂环境下(如不同光照条件、叶子遮挡、密集的苹果群和超远视距等场景)对成熟程度各异的苹果果实进行快速且精确的检测,本文提出一种基于改进YOLOv8的苹果果实检测模型.首先,将EMA注意力机制模块集成到YOLOv8模型中,使模型更加关注待检测果实区域,抑制背景和枝叶遮挡等一般特征信息,提高被遮挡果实的检测准确率;其次,使用提取特征更加高效的三支路DWR模块对原始C2f模块进行替换,通过多尺度特征融合方法提高小目标检测能力;同时结合DAMO-YOLO的思想,对原始YOLOv8颈部进行重构,实现高层语义和低层空间特征的高效融合;最后,使用Inner-SIoU损失函数对模型进行优化,提高识别精度.在复杂的果园环境中,以苹果作为检测对象,实验结果表明:本文所提算法在测试集下的查准率、召回率、mAP_0.5、mAP_0.5~0.95以及F1分数分别达到86.1%、89.2%、94.0%、64.4%和87.6%,改进后的算法在大部分指标上均优于原始模型.在不同数量果实场景下的对比实验结果表明,该方法具有优异的鲁棒性.

摘要:针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通道注意力模块(CAM)由传统的串联连接改为并行连接,并将改进的CBAM (I_CBAM)插入到DenseNet最后一个密集网络中,构建一种I_CBAM-DenseNet模型,再选取小麦7个重要发育时期进行自动识别.为最大化提取小麦的特征信息,将超绿特征(ExG)因子和最大类间方差法(Otsu)相结合对采集到的小麦图像进行分割处理.对比分析了I_CBAM-DenseNet、AlexNet、ResNet、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化.结果表明,采取基于I_CBAM-DenseNet的卷积神经网络建立的模型,准确率达到99.64%,高于对比模型.

摘要:针对运动场景拍摄的图像出现不均匀模糊现象,导致工业环境下的机器视觉任务处理效率低下的问题,提出一种基于多权自适应交互的运动模糊图像复原算法.首先,采用多策略特征提取模块,从模糊图像中提取出浅层和关键的纹理信息并平滑噪声,同时构建残差语义块,深入挖掘图像的深层语义信息.然后,提出双通道自适应权重提取模块,从退化图像中捕获空间及像素的权重信息,并逐步将这些信息补偿到网络中.最后,设计出一种权重特征融合模块,融合网络所提取的多空间权重特征,并结合多项损失函数,进一步改善图像质量.所提算法在标准数据集下的主客观及消融实验结果显示,在标准数据集下的SSIM (结构相似性)和PSNR (峰值信噪比)指标分别达到0.93和31.89,各模块可以较好协调,在复原运动场景下的非均匀模糊图像方面具有显著优势.

摘要:人工智能生成内容(AIGC)技术可为人类提供各种类型的信息生成服务,如何对AIGC进行准确的质量评估,是当前亟待解决的问题.本文主要针对大模型生成图像的质量及其评估指标开展深入研究.首先,从技术方面概述了当前评估AIGC的常见方法,如深度学习方法和计算机视觉方法等,介绍并分析了准确性、相关性、一致性、可解释性等指标在不同类型生成内容评估方面的表现.然后,为了展示评估指标的实际作用,以百度文心一言为例,对其生成的图像进行评估实验:使用直方图和噪点数量等量化指标对生成图像进行客观评估;使用整体协调性和美观性等视觉感官指标对生成图像进行主观评估.最后,综合对比客观评估和主观评估的结果,筛选出色偏、噪点数量、心理预期等AIGC产品质量评估的高可靠性指标.实验结果验证了综合使用主客观评估指标进行AIGC产品评估方法的有效性和可靠性.

摘要:针对风电功率波动性较强和预测精度较低的问题,提出一种改进蜣螂优化算法(Logistic-T-Dung Beetle Optimizer,LTDBO)优化变分模态分解(Variational Mode Decomposition,VMD)参数和LTDBO算法优化长短期记忆网络(Long Short-Term Memory,LSTM)超参数的混合短期风电功率预测模型.首先以平均包络谱峭度作为适应度函数,利用LTDBO算法对VMD分解层数和惩罚因子进行寻优,然后使用VMD对数据清洗后的风电序列进行分解,得到不同频率的平稳的固有模态分量(Intrinsic Mode Function,IMF),并将各IMF输入由LTDBO进行超参数寻优的LSTM进行预测,最后将各IMF预测值进行叠加重构,得到最终结果.实验结果表明:LTDBO算法可以找到VMD和LSTM的最优超参数组合,LTDBO-VMD-LTDBO-LSTM组合模型在风电功率预测领域具有较好的预测精度和鲁棒性.

摘要:路径跟踪精度是智能车辆安全自主行驶的基础.为解决滑模控制系统的抖振问题,提高路径跟踪控制器的控制精度,提出一种引入激活函数的PID积分滑模控制策略(PID Integral Sliding Mode control strategy with Activation Function,PIDSM-AF).首先,以二自由度车辆模型为基础,将车辆的动力学模型拆解为横向偏差模型,建立横向控制模型.然后,采用极值法,建立融合了航向角偏差和横向偏差的积分滑模面.考虑到一般指数趋近律难以消除的系统抖振问题,在改进指数趋近律的基础上引入可调节系统状态接近滑模面时速率的非线性激活函数,设计了一种基于激活函数滑模控制的横向路径跟踪控制器.最后,通过Carsim／Simulink联合仿真对改进的滑模控制器进行双移线路况测试.结果表明,与传统的终端滑模控制器相比,优化后的积分滑模控制器的跟踪精度在低速低附着工况、高速高附着工况下的最大横向偏差分别减少约64％、34.9％,平均横向偏差分别减少约68.4％、59.7％,且优化后的控制器有效地抑制了车辆航向角、前轮转角的抖振超调变化,具有较强的鲁棒性.

摘要:针对存在未知非线性函数的二阶领导-跟随者多智能体系统,提出一种基于事件触发γ滑模控制设计方案.首先,选择一种基于反双曲正弦函数的新型滑模趋近律,以保证多智能体系统在有限时间内达到一致性.其次,设计带有增益缩放因子γ的滑模函数,并引入事件触发机制.通过Lyapunov稳定性分析,证明了提出的控制方法是有效的.该方法不仅可以消除系统中的抖振还可以降低控制过程的采样频率.此外,还证明了触发时间间隔的最小下界,排除了芝诺现象.最后,通过Matlab/Simulink仿真实验,验证了该方法的有效性.

摘要:本文主要解决含未知恒功率负载的升降压变换器无电流传感有限时间控制问题.恒功率负载的负阻抗特性会产生低频振荡,对系统的稳定性造成不利影响.首先,为重构不可测的电感电流和未知功率负载,基于动态回归扩展和混合技术,设计具有有限时间收敛特性的降阶广义参数估计观测器,将状态观测转换为参数估计问题.其次,基于反馈线性化方法,将此非线性系统转化为线性系统,并设计快速终端滑模控制器来稳定系统.随后,结合快速终端滑模控制器与广义参数估计观测器,提出针对此系统的无电流传感有限时间控制器.基于级联系统的有限时间稳定结论,证明闭环系统的有限时间稳定性.最后,通过仿真和实验结果验证所提出的无电流传感有限时间控制的有效性.

摘要:针对背靠背Ω定子横向磁通永磁直线电机(BBΩ-TFPMLM)独特的拓扑结构,运用"磁-热耦合法"对其温度场进行深入研究.首先采用三维有限元法(3D-FEM)对BBΩ-TFPMLM进行建模分析以得到稳态电磁参数.然后利用Workbench将电磁场耦合至温度场,采用磁-热耦合法分析电机各部分的温升,得出电机运行不同时间的温度云图并总结损耗模型的实时温升规律.最后,搭建实验平台进行实验验证,实测额定电流下定子铁心稳态温升为29.21℃、动子铁心稳态温升为11.12℃,温升在合理范围内且样机运行750 s后温度分布的热成像仪测量结果与仿真一致,验证了所提理论的正确性.

摘要:由于空间分辨率有限、物理参数化方案不够完善、泛化性较弱等原因,使得传统业务数值天气模式(NWP)在定量降水预报中存在固有偏差,而深度学习神经网络具有强大的非线性拟合能力、能够自主性学习到任务相关的关键特征、泛化性较高等优势,有望改善现状.为此,本文提出一种基于多要素3D特征提取的短期定量降水预报技术.基于欧洲中期天气预报中心(ECMWF)提供的高分辨率ECMWF-HRES (EC-Hres)模式预报数据,构建3D-QPF (3D-Quantitative Precipitation Forecast)语义分割模型,通过先分类后回归的耦合框架,捕捉多种降水相关要素数据的3D空间特征,得到与降水实况数据间的非线性关系,并增加准确率和召回率损失函数,进一步提升模型对偏态数据的预报效果.实验结果表明,3D-QPF的逐日累积降水预报不仅在晴雨量级(0.1 mm/(24 h))准确率评分稳定增长,在暴雨量级(50 mm/(24 h))的准确率评分也有明显提升,暴雨量级较EC-Hres的TS评分最高提升了15.8%,RMSE优化达到18.71%.经过长期检验,3D-QPF模型与EC-Hres、中国气象局全球模式(CMA-GFS)预报以及2D-Unet和3D-Unet等经典网络模型相比做出了有效的预报订正效果.此外,随着预报时效延长至72 h,模型的优化效果仍能够保持相对稳定.

摘要:本研究于2017年12月—2018年11月进行了针对南京北郊地区气溶胶光学性质研究的外场观测.气溶胶吸收系数和散射系数季节变化由高到低皆为冬季、春季、秋季、夏季,日变化呈双峰型,吸收系数早高峰时间夏季早冬季晚,这是由于不同季节边界层高度和人类生产活动时间发生变化导致的.夏秋两季的平均吸收埃指数(AAE)较高,表明棕碳对气溶胶吸收的贡献较为显著,而春冬两季以黑碳吸收为主.散射埃指数(SAE)春冬季高于夏秋季,气溶胶均以细模态为主,春冬季气溶胶粒径更小.受冬季西北风的影响,西北方向污染物的传输使气溶胶消光系数存在高值.而春夏季东风、东南风方向的本地污染源扩散是导致气溶胶消光系数升高的主要原因.与来自内陆的气团相比,海上的气团传输使气溶胶消光系数降低.当相对湿度小于90%时,气溶胶消光系数与能见度成反比,而当相对湿度大于90%时,能见度普遍小于10 km,与气溶胶消光系数关系不大.春冬季PM_2.5中水溶性组分主要为二次源离子,且气溶胶消光系数与硝酸根离子的相关性高于硫酸根离子的相关性,影响气溶胶消光系数的污染物主要来自交通源.与此相反,夏秋季影响气溶胶消光系数的污染物主要来自煤炭燃烧等固定源.