基于C-V2X的车路协同自动驾驶关键技术与应用

随着车联网技术的演进,自动驾驶在单车智能的基础上,又有了新的发展形态——车路协同自动驾驶。通过“人-车-路-云”深度融合形成的一体化复杂信息物理系统（cyber physical system,CPS）,可以与自动驾驶车辆实现协同感知、协同决策规划甚至协同控制,提升自动驾驶安全性,帮助克服各类复杂交通环境。首先介绍了车路协同的复杂信息物理系统的概念内涵和总体架构,并提出了车路协同自动驾驶的一系列典型应用场景、技术原理、C-V2X(cellular vehicle-to-everything)性能要求、车路协同系统功能与性能要求,可以为下一阶段智能网联汽车与智能交通的深度融合发展提供参考和解决思路。     

车联网新型基础设施跨域协同部署研究

基础设施是实现车联网产业融合创新发展的必要支撑,其可靠通信、精准感知和实时计算等能力可赋能智能网联汽车、智能交通、信息通信发展。在研究车联网新型基础设施的范畴与发展现状的基础上,分析了车联网新型基础设施建设与服务在跨域协同方面的挑战。结合国内外发展趋势,提出了“物理分立、逻辑协同”的车联网基础设施系统架构,并提出了进一步的发展建议。     

地方高校电气类专业产教多维融合改革

产教融合作为地方应用型高校培养工程创新人才的有效途径日益得到重视。在实施产教融合过程中,由于学校和企业利益着眼点、管理体制的差异,导致产业企业在应用型人才工程实践能力、工程创新能力培养过程中的参与深度不足、效果不佳的问题。针对上述不足,本文以江苏省地方应用型高校—南京工程学院的电气类产教融合模式探索为例,通过建立互利共赢的多元协同育人机制,实施匹配工程场景项目化教学改革,施行全程贯穿的工程创新训练,以期提升产教融合的育人效果,为产教深度融合提供借鉴。     

基于改进蝴蝶算法的协同干扰资源分配方法

针对协同对抗下雷达干扰资源的管理决策问题开展研究,提出了一种基于改进蝴蝶算法的干扰资源分配方法。首先,用模糊综合评价的方法量化影响辐射源威胁等级和干扰效能的因素;然后,确定目标函数并计算干扰效能矩阵,建立干扰资源分配模型;最后,把自适应启发项和劣解接纳操作引入蝴蝶算法(BOA)对模型求解。仿真结果表明：引入改进项提高BOA探索能力和搜索效率,有效解决算法局部收敛的缺陷。对比四种经典算法和两种改进BOA算法,该算法在收敛精度和算法稳定性方面均更优,制定的干扰资源分配方案可信度更高。     

一种基于态势的多传感器任务规划调度方法

分析了一种基于态势的多传感器任务规划调度方法。首先,根据传感器探测能力、目标预测轨迹,生成多传感器协同探测任务,并分解合并形成若干个探测子任务;然后,基于构建的协同探测效能函数,对每个探测任务进行传感器资源分配,通过特殊降维处理,实现传感器与目标分配方案的快速生成;最后,仿真分析了协同探测任务调度算法模型。特别地,针对传感器、目标规模都较大时,提出了一种经过改进的多传感器协同探测目标资源分配方案快速生成的优化方法,可满足多传感器协同探测任务高实时高可靠分配调度要求。     

AccFed:物联网中基于模型分割的联邦学习加速

随着物联网(IoT)的快速发展,人工智能(AI)与边缘计算(EC)的深度融合形成了边缘智能(Edge AI)。但由于IoT设备计算与通信资源有限,并且这些设备通常具有隐私保护的需求,那么在保护隐私的同时,如何加速Edge AI仍然是一个挑战。联邦学习(FL)作为一种新兴的分布式学习范式,在隐私保护和提升模型性能等方面,具有巨大的潜力,但是通信及本地训练效率低。为了解决上述难题,该文提出一种FL加速框架AccFed。首先,根据网络状态的不同,提出一种基于模型分割的端边云协同训练算法,加速FL本地训练;然后,设计一种多轮迭代再聚合的模型聚合算法,加速FL聚合;最后实验结果表明,AccFed在训练精度、收敛速度、训练时间等方面均优于对照组。     

校企协同研究生创新人才培养模式探索

在国家新基建战略以及双碳目标背景下,契合新工科理念,本文提出电气类硕士研究生创新人才培养三大新要求：立德树人、学科交叉、科研服务产业。文章阐述了通过充分发挥协同育人机制,优化课程体系,强化工程实践,科研服务产业发展, 形成了“521”研究生创新人才培养模式(5个培养阶段; 2类教育贯穿始终;1套管理制度),构建了校企无缝对接研究生实践创新能力培养有效机制,取得了持续有效的人才培养效果。     

面向鲁棒频谱感知的模糊K-means++算法

恶意用户通过向数据融合中心发送伪造的频谱感知数据,解决自身频谱资源短缺问题,但会极大地降低频谱感知系统的检测概率。为了解决此问题,提出了基于模糊K means++的数据融合算法。该算法首先引入模糊处理机制处理样本的数据特征值,以此来增加样本间的差异性;然后将模糊处理后的数据发送到融合中心,融合中心采用离群点挖掘的方法排除恶意用户,并对保留下来的用户进行融合,使样本向量具有鲁棒性;最后运用K means++算法对样本向量进行聚类。该算法利用轮盘法选择聚类中心,可有效抵御恶意用户的攻击,提高系统感知性能;无需知晓信号与噪声的分布等一些先验信息,也避免了繁杂的门限推导。从仿真结果可以看出,该算法对抵御恶意用户攻击具有突出的效果,有效提升了协同频谱感知系统的稳定性和鲁棒性。     

多功能射频综合系统中的电磁协同北大核心CSCD

限定时空条件下,射频综合系统有效发挥多功能效应的实质是实现系统多功能协同高效运行,而制约其协同高效运行的瓶颈是特定时空条件下可用的电磁资源。电磁资源的高效利用依赖电磁协同,是按照任务要求及限定条件,在时间、频率、空间、能量多个维度寻求构建电磁协同自组织结构的最优解,并确定具体任务时空下有序运行自组织结构的驱动方式,按照求解出的电磁资源动态分配结果,执行任务,使系统电磁效应在任务牵引下受控。电磁协同服务于多功能射频综合系统融合,可以有效利用、管理战场电磁环境,高效提升多功能射频综合系统的运行效率。本文从多功能射频综合系统融合运行之瓶颈、电磁协同概念和电磁协同方法三个方面论述电磁协同的核心要点,期望为实现多功能射频综合系统融合运行提供可行的技术途径。