期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
考虑需求变化的指挥信息系统韧性优化研究 被引量:2
1
作者 岳地久 李建华 +1 位作者 王刚 王哲 《空军工程大学学报》 CSCD 北大核心 2023年第4期92-101,共10页
现有指挥信息系统韧性研究忽略了需求变化对其韧性过程的影响,无法反映系统遭受攻击后的韧性能力与任务需求的关系。引入正常功能水平、最低功能水平和预期功能水平3个变量,提出需求显著上升、需求基本持平和需求显著下降3种韧性模式;... 现有指挥信息系统韧性研究忽略了需求变化对其韧性过程的影响,无法反映系统遭受攻击后的韧性能力与任务需求的关系。引入正常功能水平、最低功能水平和预期功能水平3个变量,提出需求显著上升、需求基本持平和需求显著下降3种韧性模式;针对韧性过程中功能水平下降和自适应恢复2个阶段,提出抵抗力增强和冗余度提升策略,定义措施效果函数,建立韧性优化模型,运用分组背包问题的近似动态规划算法求解;以某区域联合防空指挥信息系统为例,进行仿真实验,验证需求变化对指挥信息系统韧性优化的影响。结果表明,为适应复杂恶劣战场环境下不同场景作战需求,指挥信息系统应选用合理的韧性模式,并统筹考虑敌方攻击强度、经费预算和应对策略等相关因素。 展开更多
关键词 韧性优化 指挥信息系统 背包问题
在线阅读 下载PDF
改进YOLOv5的合成孔径雷达图像舰船目标检测方法 被引量:9
2
作者 贺翥祯 李敏 +1 位作者 苟瑶 杨爱涛 《系统工程与电子技术》 EI CSCD 北大核心 2023年第12期3743-3753,共11页
针对合成孔径雷达图像目标检测易受噪声和背景干扰影响,以及多尺度条件下检测性能下降的问题,在兼顾网络规模和检测精度的基础上,提出了一种改进的合成孔径雷达舰船目标检测算法。使用坐标注意力机制,在确保轻量化的同时抑制了噪声与干... 针对合成孔径雷达图像目标检测易受噪声和背景干扰影响,以及多尺度条件下检测性能下降的问题,在兼顾网络规模和检测精度的基础上,提出了一种改进的合成孔径雷达舰船目标检测算法。使用坐标注意力机制,在确保轻量化的同时抑制了噪声与干扰,以提高网络的特征提取能力;融入加权双向特征金字塔结构以实现多尺度特征融合,设计了一种新的预测框损失函数以改善检测精度,同时加快算法收敛,从而实现了对合成孔径雷达图像舰船目标的快速准确识别。实验验证表明,所提算法在合成孔径雷达舰船检测数据集(synthetic aperture radar ship detection dataset,SSDD)上的平均精度均值达到96.7%,相比于YOLOv5s提高1.9%,训练时收敛速度更快,且保持了网络轻量化的特点,在实际应用中具有良好前景。 展开更多
关键词 合成孔径雷达 目标检测 YOLOv5 注意力机制 多尺度融合
在线阅读 下载PDF
抑制多用户干扰的串行反馈干扰抑制算法研究 被引量:4
3
作者 苏国瑞 林浩坤 +3 位作者 蒲涛 郑吉林 谭业腾 牟卫峰 《量子电子学报》 CAS CSCD 北大核心 2021年第6期880-888,共9页
在多用户光码分多址(OCDMA)传输系统中,多用户干扰(MAI)严重影响系统传输性能。针对系统中多用户干扰来源于各用户码字不完全正交的特点,采用码字的自、互相关函数表达接收信号与系统损伤,引入将多用户干扰看作可重构的“有效信息”的... 在多用户光码分多址(OCDMA)传输系统中,多用户干扰(MAI)严重影响系统传输性能。针对系统中多用户干扰来源于各用户码字不完全正交的特点,采用码字的自、互相关函数表达接收信号与系统损伤,引入将多用户干扰看作可重构的“有效信息”的新思路,提出了一种基于数字信号处理技术的串行反馈干扰抑制算法。搭建了2用户同步接入频谱幅度编码光码分多址(SAC-OCDMA)传输系统仿真平台,验证了该算法抑制多用户干扰的有效性。仿真结果表明:相较于光阈值器件,采用串行反馈干扰抑制算法抑制多用户干扰的效果更好,系统传输性能的改善更大,引入的功率代价仅为2.3 dB。 展开更多
关键词 光通信 光码分多址系统 多用户干扰 串行反馈干扰抑制算法
在线阅读 下载PDF
基于双向约束的生成对抗网络 被引量:1
4
作者 苟瑶 李敏 +3 位作者 杜卫东 何玉杰 吴肇青 宋雨 《软件学报》 EI CSCD 北大核心 2023年第9期4195-4209,共15页
提高生成样本的质量和多样性一直是生成对抗网络(generative adversarial network, GAN)领域主要挑战任务之一.为此,提出了一种双向约束生成对抗网络(bidirectional constraint generative adversarial network, BCGAN).与传统GAN变体相... 提高生成样本的质量和多样性一直是生成对抗网络(generative adversarial network, GAN)领域主要挑战任务之一.为此,提出了一种双向约束生成对抗网络(bidirectional constraint generative adversarial network, BCGAN).与传统GAN变体相比,该网络在架构设计上增加了一个生成器模块,两个生成器分别从两个不同方向逼近真实样本的数据分布.然后根据BCGAN的网络架构,设计了新的损失函数,并对其进行了理论分析及证明.在BCGAN的训练过程中,一方面通过增加两个生成样本数据分布之间的距离来丰富生成样本的多样性,另一方面通过减小鉴别器对两个生成样本数据分布之间的差异来稳定训练过程,提高生成样本的质量.最后,在1个合成数据集和3个不同公开挑战数据集上进行了实验.一系列实验证明,较其他生成方法相比,所提方法对真实数据分布具有更强的拟合能力,能够有效提升生成样本的质量和多样性.此外,所提方法的训练过程更加平滑稳定. 展开更多
关键词 生成对抗网络 双向约束 样本多样性 数据分布
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部