低空无人机可以扩展通信网络的覆盖范围,并增强其通信和感知功能。近年6G、低空飞行技术、低空经济发展较为迅速,通信感知一体化(Integrated Sensing and Communication,ISAC)中的低空无人机相关理论与技术成为研究热点,带来了新的机遇...低空无人机可以扩展通信网络的覆盖范围,并增强其通信和感知功能。近年6G、低空飞行技术、低空经济发展较为迅速,通信感知一体化(Integrated Sensing and Communication,ISAC)中的低空无人机相关理论与技术成为研究热点,带来了新的机遇和挑战。梳理并归纳了面向6G的ISAC低空无人机研究成果。首先介绍ISAC低空无人机领域的研究背景,然后梳理了近几年来国内外对ISAC低空无人机领域的相关研究,从波形设计、雷达成像、干扰管理、资源管理与轨迹设计、人工智能技术应用5个方面展开综述,最后对低空无人机的ISAC技术未来发展趋势及相关挑战进行展望。展开更多
现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该...现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该方法在嵌入层融合字粒度、词粒度表示向量以扩充特征内容;其次,在改进双向门控循环单元网络基础上,结合降噪自编码器和注意力机制设计一种特征提取混合模型Bi-GRU-DAE-Attention,实现特征降噪和语义增强;最后,将鲁棒性强的特征向量输入到分类器中实现用户画像生成。实验表明,该用户画像生成方法在医疗和互联网两个画像数据集上的分类准确率高于其他基线方法,并通过消融实验验证了各个模块的有效性。展开更多
视觉即时定位与建图(visual simultaneous localization and mapping,VSLAM)技术利用视觉传感器分析图像信息,使机器人在未知环境中实现自主定位和实时三维地图构建,是机器人导航和自动驾驶等任务的关键。为了给研究人员提供有价值的参...视觉即时定位与建图(visual simultaneous localization and mapping,VSLAM)技术利用视觉传感器分析图像信息,使机器人在未知环境中实现自主定位和实时三维地图构建,是机器人导航和自动驾驶等任务的关键。为了给研究人员提供有价值的参考,梳理了VSLAM的研究现状和最新进展。首先,深入探讨了机器人视觉SLAM算法,根据不同的传感器类型,概述了六种主流的视觉SLAM算法。对这些算法的基本原理进行系统分析,并对其中的经典算法进行了精炼总结。进一步地,将视觉SLAM算法分类为基于特征、基于直接法和基于学习的算法三大类,并详细探讨了各自的优缺点。最后,展望了视觉SLAM技术未来的发展方向,重点关注了深度学习、多传感器融合及实时性能优化等关键研究领域。展开更多
文摘低空无人机可以扩展通信网络的覆盖范围,并增强其通信和感知功能。近年6G、低空飞行技术、低空经济发展较为迅速,通信感知一体化(Integrated Sensing and Communication,ISAC)中的低空无人机相关理论与技术成为研究热点,带来了新的机遇和挑战。梳理并归纳了面向6G的ISAC低空无人机研究成果。首先介绍ISAC低空无人机领域的研究背景,然后梳理了近几年来国内外对ISAC低空无人机领域的相关研究,从波形设计、雷达成像、干扰管理、资源管理与轨迹设计、人工智能技术应用5个方面展开综述,最后对低空无人机的ISAC技术未来发展趋势及相关挑战进行展望。
文摘现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该方法在嵌入层融合字粒度、词粒度表示向量以扩充特征内容;其次,在改进双向门控循环单元网络基础上,结合降噪自编码器和注意力机制设计一种特征提取混合模型Bi-GRU-DAE-Attention,实现特征降噪和语义增强;最后,将鲁棒性强的特征向量输入到分类器中实现用户画像生成。实验表明,该用户画像生成方法在医疗和互联网两个画像数据集上的分类准确率高于其他基线方法,并通过消融实验验证了各个模块的有效性。
文摘视觉即时定位与建图(visual simultaneous localization and mapping,VSLAM)技术利用视觉传感器分析图像信息,使机器人在未知环境中实现自主定位和实时三维地图构建,是机器人导航和自动驾驶等任务的关键。为了给研究人员提供有价值的参考,梳理了VSLAM的研究现状和最新进展。首先,深入探讨了机器人视觉SLAM算法,根据不同的传感器类型,概述了六种主流的视觉SLAM算法。对这些算法的基本原理进行系统分析,并对其中的经典算法进行了精炼总结。进一步地,将视觉SLAM算法分类为基于特征、基于直接法和基于学习的算法三大类,并详细探讨了各自的优缺点。最后,展望了视觉SLAM技术未来的发展方向,重点关注了深度学习、多传感器融合及实时性能优化等关键研究领域。
