基于Transformer的实时语义分割网络及应用北大核心CSCD

为提升机器人对电缆隧道场景的环境感知能力,提出了一种适用于电缆隧道场景的实时语义分割网络。使用Transformer结构提取图像全局语义信息,同时使用卷积神经网络捕获图像局部细节信息,将二者结合增强图像分割精度。同时,针对机器人以及隧道特点,将语义分割结果转化为机器人前方目标信息以及机器人偏离情况信息,辅助机器人导航避障。实验结果表明,所提出的网络在公共数据集Cityscapes、CamVid上平均交叉联合度量分别为77.2%、76.8%,相比BiSeNet分别提高了8.8%、8.1%,并能较好地适应于实际电缆隧道环境中,提供有效的场景感知信息,实现自主避障。     

网络安全态势感知方法研究

安全防护是网络安全领域的关键问题之一。网络安全态势感知是一种实现安全防护的新兴技术,其核心思想是提取并理解态势信息,预测安全趋势,全面把握网络安全状态,及时制定决策,将被动检测转换为主动防御,提高网络的安全防护能力和应急响应能力,恢复网络系统弹性。对态势感知技术进行了介绍,分析了网络安全态势感知的3个阶段,分别梳理了这3个阶段的研究成果,归纳了一些常用的研究方法及其实现的功能,总结了网络安全态势感知方法的应用。     

人工智能视听感知机器人虚拟仿真实验平台设计与应用

针对实体机器人价格昂贵、应用困难等问题,文中设计一种人工智能视听感知机器人虚拟仿真实验平台。该平台旨在培养学生运用人工智能技术去设计与开发基于视听觉感知信息控制机器人的能力,拓展学生跨学科知识,提升多专业综合应用能力和自主编程创新能力。通过将自主学习元素融入平台实验设计过程,教会学生运用汉字、语音、手势等方法控制虚拟与实体机器人,实现人工智能技术“理解-部署-调试-应用”一体化。文中对实验平台在实际教学中的应用进行详细介绍,并通过学生反馈给出实验平台的综合评价。     

基于双解码路径DD-UNet的脑肿瘤图像分割算法

针对医学图像中病灶区域尺度不一、边界模糊和周围组织强度不均匀所导致的分割精度降低问题,提出了一种基于双解码器的脑肿瘤图像分割模型。为了增强特征的表征力,提出了高阶微分残差模块并使用不同空洞率的扩张卷积用于提取特征编码,提高了网络模型的分割性能;引入上下文语义信息感知模块(multi scale dilation, MSD),从不同的目标尺度中提取更多的精细信息,提高了对结构细节信息的捕获能力,同时减少了编解码器之间的特征差异;在空间解码路径中使用选择性聚合空间注意力模块(spatial aggregation attention module, SAAM),增加了对有效空间特征的权重比例,减少了无效的特征干扰。在脑肿瘤数据集上进行了实验验证,实验结果表明,所提算法的Dice系数、平均交并比、敏感性、特异性、准确率等指标分别为：93.35%、90.71%、91.15%、99.94%、96.75%。     

基于6G网络的通信感知一体化

6G实现智能化需要感知技术从环境中获取并利用信息。通过感知提供的环境知识获取信道重建信息,有助于提升通信效率,6G有望在系统中集成通信与感知。但是,通信感知一体化在实际应用中仍存在关键挑战,如空口设计、联合波形优化、硬件失真及共享等。对通信感知一体化无线网络使能的多节点感知场景下的环境重建进行研究,提出了基于散射群组假设的多站多态感知架构。并引入散射群跟踪方案,以重构通信信道的参数及状态。最后通过实测数据验证了分米级感知精度和度级信道重构。     

态势感知技术在新型电力系统运行中的应用

文中阐述了态势感知技术在新型电力系统中的应用。首先,介绍了新型电力系统的概念和技术特点,然后详细阐述了态势感知技术的定义、分类和原理,并探讨了态势感知技术在电力系统中的应用,包括状态感知、安全感知、故障诊断和预测分析,旨在为电力系统管理人员和研究者提供参考,促进态势感知技术在新型电力系统中的进一步应用和发展。     

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。     

单像素高效感知方法概述

资源受限平台的高效率视觉感知是信息领域的瓶颈难题。不同于传统阵列探测成像,单像素成像基于压缩感知原理将多维图像编码为一维采集数据,有效提升了数据压缩率,且灵敏度高、工作波段宽,逐渐成为研究热点。然而,单像素成像重建的图像中仍包含大量对高层语义理解无关的信息,导致传输、存储、计算的资源浪费。单像素感知是一种直接从一维采集数据解耦高级语义推断结果的新型感知技术,无需重建多维图像,相较传统先成像-后感知的技术路径大幅提升了感知效率,在遥感探测、智慧交通、生物医学、国防军事等众多领域具有广阔的应用前景。文中重点梳理了单像素感知技术的发展历程,详细介绍了单像素感知技术的方法架构以及在视觉应用中的研究进展,最后对其未来发展趋势进行了展望。     

基于站点价值能力深入挖掘5G网络潜力的研究

本文重点研究了一套基于站点价值的开通前后多维评估体系,并制定了一套完整的4/5G系统间多频协同切换策略,并成功全面推广,充分挖掘网络潜力的同时也不断提升用户使用感知。     

5G边缘感知性能提升研究

5G网络发展初期,网络未达到连续覆盖,5G边缘感知问题突出。同时,为了提升5G分流比,用户需要尽可能驻留在5G网络上,随之边缘用户感知将会进一步下降。针对这一问题,本文通过边缘感知问题发现识别和边缘感知性能优化提升两项举措开展5G边缘感知提升策略研究,利用策略部署提升5G边缘用户性能感知。部署后,边缘用户感知提升明显。