网络多层语义深度挖掘及流媒体缓存策略研究

对网络音视频数据进行多层次语义的深度挖掘,统计分析用户行为,建立一个流行度预测模型,在此基础上提出智能化的代理缓存替换策略.初步模拟实验表明该策略能提高缓存字节命中率,减短客户端的请求延迟时间.     

多智能体协作场景下基于强化学习值分解的计算卸载策略

针对未来网络中出现的多智能设备协作计算场景,提出了一种基于深度强化学习的多智能体联合计算卸载策略.所提策略通过多智能体强化学习值分解方法将多智能体联合动作策略函数拆解到各智能体设备上,达成系统的联合卸载决策,使系统在联合计算卸载任务中能够根据当前时刻智能体设备的计算能力、通信能力等状态和任务的时延需求、通信数据量以及所...     

大功率电视三工器的设计、安装与调试

我台运用模拟CH15频道的宽频带天线,通过三工器使用多频道合成技术,将新增的数字CH31和CH43频道共用进行播出,从而提高了发射塔空间的使用率,降低了设备成本和维护成本.     

宽带无线Mesh网络的应用与挑战

无线Mesh网络作为一种新的网络结构,正在成为下一代无线接入研究中的一个热点。文章首先介绍了无线的网络拓扑结构和一些基本概念、市场应用和研究方向,在此基础上分析了其典型应用场景,讨论了基于IEEE802．16标准Mesh模式的无线Mesh网络关键技术研究内容,详细介绍了多射频多信道的MAC协议研究、有效支持智能天线应用的调度算法研究,和基于博弈论的分布式功率控制研究,这些研究的目的都是为了有效利用先进的物理层技术,减少碰撞阻塞率,提高信道利用率,从而提高系统容量。     

车载激光雷达和视觉传感器融合算法研究

随着交通技术的发展,智能交通工具受到了广泛的关注。其中,车载激光雷达技术是智能驾驶系统的基础,在复杂的交通环境中,某些方面可能会受到环境干扰,导致车载激光雷达控制受损,尤其是对车辆详细信息的判断和数据搜集的准确性降低。针对以上问题,文章开展了基于激光雷达与视觉传感器融合算法的技术研究。     

基于通道注意力机制和多尺度卷积的行人重识别

针对真实环境中由于复杂背景和物体遮挡、角度变换、行人姿态变化带来的行人重识别(person re-identification,person re-ID) 问题,设计了基于通道注意力(efficient channel attention,ECA) 机制和多尺度卷积(poly-scale convolution,PSConv) 的行人重识别模型。首先利用残差网络提取全局特征,在网络末端加入基于ECA机制及PSConv的特征融合模块,将全局特征和该模块提取的全局特征进行融合,之后将新的全局特征进行分割得到局部特征,最后将新的全局特征和分割得到的局部特征融合得到最终特征,并计算损失函数。模型在Market1501和DukeMTMC-reID 数据集上进行实验验证。在Market1501数据集中,Rank-1和平均精度均值分别达到94.3%和85.2%,在DukeMTMC-reID数据集中,上述两参数分别达到86.3%和75.4%。实验结果可知,该模型可应对实际环境中的复杂情况,增强行人特征的辨别力,有效提高行人重识别的准确率和精度。     

基于多尺度一致性与注意力机制的视网膜血管分割网络

针对现有的视网膜血管分割方法存在对微血管和毛细血管的分割能力不足,导致血管断连和末端血管漏分,造成视网膜血管分割性能不佳的问题,本文提出一种基于多尺度一致性与注意力机制的视网膜血管分割网络(multi-scale consistency and attention mechanism U-Net, MCAU-Net)。首先,该网络在瓶颈特征层嵌入注意力细化模块(attention refinement module, ARM),能有效细化瓶颈层冗余的特征,抑制背景等无关像素的权值。其次,将上下文特征融合模块(context fusion module, CFM)与传统的跳跃连接相结合,以此补充在特征提取过程中逐渐丢失的信息,加强网络对微血管和毛细血管的构建能力。最后,基于网络的多尺度输出设计了一种多尺度一致性的训练方式,以增强网络对不同尺度特征的敏感性。在DRIVE和CHASE＿DB1公开数据集上进行的对比实验表明本文网络具有良好的分割性能。     

基于双通道注意力的轻量化PCB缺陷检测研究

印刷电路板 (printed circuit board,PCB)在实际生产过程中存在缺陷样式多种多样、缺陷小、缺陷位置难以定位的问题,而一个巨大的模型难以实现实时检测的要求,且大量的深度可分离卷积层建立的轻量级模型也不能达到足够的精度,为此提出一种基于YOLOv5s的PCB缺陷检测算法。 将原始Backbone的Conv模块跟C3模块用GhostConv替换,在Neck部分则引入了一种新的轻量级卷积技术GSConv,减轻模型大小的同时保持精度,GSConv在模型的准确性和速度之间完成了一个极好的权衡,针对许多注意力模块无法关注全局信息同时模型大的问题,提出了多尺度的轻量化双通道注意力模块(double channel depthwise attention module,DWAM),进一步提高模型精度。通过多组实验, 结果表明,改进算法所有类别的平均mAP为99.14%,且模型的GFLOPs为7.194 G,Params为7.175,原始的YOLOv5s平均mAP为96.86%,GFLOPs为6.89 G,Params为6.596,虽然Params以及GFLOPs有所增大,但是还是满足轻量网络的要求,并且精度相对于YOLOv5s提高了2.25%,且对于每个类别的缺陷识别准确率都有改善,大幅减少计算量和模型参数的同时保证了准确率,满足工业检测生产需求的同时便于移动端部署。     

MLCC装配质量优化研究

针对本所产品中多层陶瓷电容器(MLCC)在经过环境试验后出现的失效问题,通过对失效原因进行分析,结合生产实际情况,进行了技术改进.制作了技术改进前后的试验板,经过环境试验后测试,结果表明,未改进前的试验板中的MLCC出现问题,而改进后的试验板没有发现问题.最后对故障MLCC进行了DPA检查,结果发现MLCC端头出现45°角裂纹.试验结果表明经过技术改进后有效地解决了MLCC装配质量问题,提高了产品装配合格率,达到了预期的效果.     

LTCC基P波段90°功分器的制作

文章以LTCC基P波段90°功分器的设计和制作为例,从无源设计仿真和LTCC工艺阐述了P波段功分器的研制过程。选用了承受功率大、尺寸相对较小的宽边耦合器结构。设计的宽边耦合器采用多层结构,有利于发挥LTCC基板多层、高集成度等优点。其电路物理模型为Broadside-coupled symmetric stripline（BCL）,采用的介质为LTCC,介电常数为5．9,每层介质厚度为0．1mm,导体采用Ag浆。在实物制作过程中,TOP层和Bottom层是采用灌银通孔实现的。最终测试结果与仿真结果吻合较好,在225MHz～400MHz频段内隔离23dB,插损0．5dB,驻波1．1,相平衡度±2．5,功率250W．