無(wú)線(xiàn)電工程最新期刊目錄

低空智聯(lián)網(wǎng)空天地協(xié)同技術(shù)研究——關(guān)鍵挑戰(zhàn)與對(duì)策建議————作者：馬新輝;

摘要：低空智聯(lián)網(wǎng)作為支撐低空經(jīng)濟(jì)高質(zhì)量發(fā)展的新型基礎(chǔ)設(shè)施，通過(guò)天基、空基與地基網(wǎng)絡(luò)深度融合的空天地協(xié)同技術(shù)架構(gòu)實(shí)現(xiàn)飛行器智能互聯(lián)與空域高效管控，才能實(shí)現(xiàn)低空經(jīng)濟(jì)的規(guī)�；�發(fā)展。地理空間信息技術(shù)通過(guò)高精度定位、三維建模、時(shí)空數(shù)據(jù)融合和智能分析等為空域管理、低空飛行規(guī)劃、基礎(chǔ)設(shè)施布局規(guī)劃、低空監(jiān)管和服務(wù)提供有效支撐，成為推動(dòng)低空經(jīng)濟(jì)高質(zhì)量發(fā)展的核心引擎。本研究提出以地理信息技術(shù)為關(guān)鍵支撐，融合5G-A通感一體...

GLONASS精密單點(diǎn)定位偽距頻間偏差模型化分析————作者：蘇珂;焦國(guó)強(qiáng);徐瑩;楊宇澤;孔一諾;王梓鑫;

摘要：俄羅斯全球衛(wèi)星導(dǎo)航系統(tǒng)(Global Navigation Satellite System，GLONASS)偽距頻間偏差(Inter-Frequency Bias，IFB)是GLONASS偽距觀測(cè)值的重要誤差源，針對(duì)GLONASS偽距偏差問(wèn)題設(shè)計(jì)了六種參數(shù)化處理策略，分析了不同策略對(duì)GLONASS精密單點(diǎn)定位(Precise Point Positioning，PPP)性能的影響。通過(guò)全球144...

一種面向復(fù)雜電磁環(huán)境的試驗(yàn)資源調(diào)度優(yōu)化算法————作者：姜艷霞;郭國(guó)君;郭海亮;張維;杜明;

摘要：針對(duì)電磁試驗(yàn)場(chǎng)環(huán)境存在不確定性、多變性、多樣性等特點(diǎn)，導(dǎo)致復(fù)雜電磁環(huán)境中試驗(yàn)場(chǎng)區(qū)用頻設(shè)備的空間、時(shí)間、頻譜的試驗(yàn)資源調(diào)度困難的問(wèn)題，提出了一種面向復(fù)雜電磁環(huán)境的試驗(yàn)資源調(diào)度優(yōu)化算法(CVSPSO)。該算法利用布局方案的多種影響因素構(gòu)建適應(yīng)度函數(shù)，并結(jié)合所提出的多維相似度計(jì)算以及基于自適應(yīng)相似度閾值的凝聚式層次聚類(lèi)算法提高局部多樣性。在此基礎(chǔ)上，提出一種改進(jìn)的高斯變異方法，進(jìn)一步提高種群隨機(jī)多樣性。...

海面艦船目標(biāo)RCS測(cè)量入射角仿真設(shè)計(jì)————作者：閆曉瑩;李云沖;

摘要：對(duì)于海面艦船目標(biāo)的雷達(dá)散射截面（Radar Cross Section， RCS）測(cè)量來(lái)說(shuō)，在不同的雷達(dá)入射角度下海面會(huì)對(duì)艦船目標(biāo)的RCS造成不同影響。如果入射角度選取不合適，就會(huì)導(dǎo)致艦船目標(biāo)RCS的測(cè)量誤差較大。通過(guò)分析海面和艦船目標(biāo)的多徑散射機(jī)理，建立了典型IHF-Boat艦船模型與PM（Pierson-Moscowitz）海譜模型，給出了不同頻率下純水與海水的復(fù)介電常數(shù)對(duì)RCS影響的曲線(xiàn)。采...

面向電網(wǎng)火點(diǎn)監(jiān)測(cè)的空天地協(xié)同網(wǎng)絡(luò)化感知技術(shù)展望————作者：朱廈;韓瑩;劉琦;姚雅軒;彭木根;

摘要：電網(wǎng)作為國(guó)家能源供應(yīng)的基礎(chǔ)設(shè)施，安全性和穩(wěn)定性至關(guān)重要，因此電網(wǎng)火點(diǎn)監(jiān)測(cè)需求日益增加。在大數(shù)據(jù)與人工智能技術(shù)高速發(fā)展的背景下，為實(shí)現(xiàn)大范圍、精細(xì)和實(shí)時(shí)火點(diǎn)監(jiān)測(cè)與響應(yīng)，亟需融合使用空天地多種火點(diǎn)監(jiān)測(cè)技術(shù)，通過(guò)空天地一體化的協(xié)同網(wǎng)絡(luò)感知火情。通過(guò)回顧國(guó)內(nèi)外空、天、地領(lǐng)域火點(diǎn)監(jiān)測(cè)技術(shù)和空天地一體化網(wǎng)絡(luò)的發(fā)展歷程，探討了面向電網(wǎng)火點(diǎn)監(jiān)測(cè)的空天地協(xié)同網(wǎng)絡(luò)化技術(shù)中的關(guān)鍵技術(shù)，包括低軌衛(wèi)星技術(shù)、多模態(tài)圖像融合技...

一種基于LTCC的小型化8×8 Butler矩陣設(shè)計(jì)————作者：王新;楊凱;王鑫亮;趙義;李其強(qiáng);

摘要：針對(duì)低成本相控陣天線(xiàn)的發(fā)展需求，研制了一款基于低溫共燒陶瓷（Low Temperature Co-fired Ceramic，LTCC）工藝的小型化8×8 巴特勒（Butler）矩陣網(wǎng)絡(luò)。通過(guò)對(duì)分支線(xiàn)耦合器小型化設(shè)計(jì)及整體合理布局實(shí)現(xiàn)Butler網(wǎng)絡(luò)的緊湊設(shè)計(jì)。Butler矩陣網(wǎng)絡(luò)工作頻率為12.25 ～ 12.75 GHz，帶內(nèi)插入損耗＜13 dB，端口幅度與端口間相位差變化分別≤1 dB和≤±...

面向5G-A低慢小目標(biāo)檢測(cè)的曲線(xiàn)擬合拆峰技術(shù)————作者：傅嘉佳;王杰;施賽楠;

摘要：無(wú)人機(jī)作為低空經(jīng)濟(jì)支柱產(chǎn)業(yè)，具有目標(biāo)小、飛行高度低、速度慢、易被復(fù)雜城市環(huán)境遮擋等探測(cè)難點(diǎn)。為了有效檢測(cè)低慢小無(wú)人機(jī)目標(biāo)，分析了5G-A低空?qǐng)鼍暗睦走_(dá)回波特點(diǎn)，提出了一種基于曲線(xiàn)擬合拆峰的檢測(cè)技術(shù)。在待檢測(cè)距離單元提取出多普勒頻譜，并通過(guò)平滑導(dǎo)數(shù)尋峰法獲取頻譜曲線(xiàn)的峰數(shù)目及其峰位；利用CA-CFAR(Cell-Averaging Constant False Alarm Rate)門(mén)限排除噪聲峰位...

融合RSSI和改進(jìn)蜣螂優(yōu)化的加強(qiáng)DV-Hop定位算法————作者：周培豫;

摘要：針對(duì)基于非測(cè)距的距離矢量跳（Distance Vector-Hop， DV-Hop）定位算法的定位性能較為劣勢(shì)問(wèn)題。提出一種利用接收信號(hào)強(qiáng)度指示（Received Signal Strength Indicator， RSSI）優(yōu)化節(jié)點(diǎn)間最小跳數(shù)、改進(jìn)的蜣螂優(yōu)化算法優(yōu)化未知節(jié)點(diǎn)坐標(biāo)的改進(jìn)算法。該算法通過(guò)RSSI對(duì)數(shù)損耗模型細(xì)分節(jié)點(diǎn)間的最小跳數(shù)值，采用平均每跳距離誤差加權(quán)方法優(yōu)化平均跳距，并且加入H...

基于熵權(quán)法的GPS衛(wèi)星鐘差組合預(yù)報(bào)方法————作者：楊朝攀;于燁;賈維敏;金國(guó)棟;李義紅;金偉;趙建偉;

摘要：為了提高衛(wèi)星鐘差（satellite clock bias， SCB）預(yù)報(bào)的精度和穩(wěn)定度，提出了一種基于熵權(quán)法的衛(wèi)星鐘差組合預(yù)報(bào)方法。該方法采用二次多項(xiàng)式（Quadratic Polynomial， QP）模型和灰色模型（Grey Model， GM）對(duì)衛(wèi)星鐘差進(jìn)行單一預(yù)報(bào)，生成2組預(yù)報(bào)結(jié)果；通過(guò)計(jì)算兩組預(yù)報(bào)結(jié)果的誤差信息熵，來(lái)確定各模型的最優(yōu)權(quán)重，基于該權(quán)重對(duì)兩模型的預(yù)報(bào)結(jié)果進(jìn)行優(yōu)化融合，以得到...

基于載波相位預(yù)測(cè)殘差的LEO衛(wèi)星軌道機(jī)動(dòng)探測(cè)與處理方法————作者：李佩如;王磊;

摘要：軌道機(jī)動(dòng)是維持低軌(LEO)衛(wèi)星正常運(yùn)營(yíng)管理的一項(xiàng)關(guān)鍵技術(shù)。由于LEO衛(wèi)星機(jī)動(dòng)定時(shí)信息難以完全準(zhǔn)確獲取，并且軌道機(jī)動(dòng)會(huì)對(duì)衛(wèi)星精密定軌(POD)產(chǎn)生影響，為了保證機(jī)動(dòng)期間衛(wèi)星軌道信息的準(zhǔn)確性，需對(duì)軌道機(jī)動(dòng)進(jìn)行有效地探測(cè)和處理。針對(duì)LEO衛(wèi)星機(jī)動(dòng)探測(cè)主要基于TLE數(shù)據(jù)，TLE數(shù)據(jù)質(zhì)量不穩(wěn)定且時(shí)間跨度長(zhǎng)，提出了一種基于載波相位預(yù)測(cè)殘差的機(jī)動(dòng)探測(cè)方法。通過(guò)分析GRACE衛(wèi)星星載實(shí)測(cè)數(shù)據(jù)證明該機(jī)動(dòng)探測(cè)方法可...

面向區(qū)塊鏈的ABAC訪(fǎng)問(wèn)策略索引優(yōu)化方案————作者：董西國(guó);徐自衡;朱巖;

摘要：屬性基訪(fǎng)問(wèn)控制（Attribute-based Access Control，ABAC）模型在現(xiàn)代信息系統(tǒng)中發(fā)揮著重要作用，但隨著系統(tǒng)復(fù)雜度的增加，訪(fǎng)問(wèn)策略匹配的效率成為了性能優(yōu)化的關(guān)鍵挑戰(zhàn)。現(xiàn)有索引表和全量加載2種典型策略匹配方式在區(qū)塊鏈等分布式環(huán)境中均存在靈活性差、資源占用高、效率低等問(wèn)題。為此，提出了一種基于決策樹(shù)算法的訪(fǎng)問(wèn)策略索引優(yōu)化方案，利用ABAC模型中的策略目標(biāo)元素作為決策樹(shù)的輸入特...

基于SVM和特征值差分的RFI信源估計(jì)————作者：黃書(shū)豪;杜思遠(yuǎn);王嘉豪;趙鋒;李惠媛;

摘要：針對(duì)綜合孔徑微波輻射計(jì)射頻干擾（Radio Frequency Interference，RFI）定位與抑制中缺乏科學(xué)簡(jiǎn)便信源估計(jì)方法的問(wèn)題，提出一種基于支持向量機(jī)（Support Vector Machine，SVM）與特征值差分的RFI信源估計(jì)方法。通過(guò)模擬綜合孔徑成像中的吉布斯振蕩現(xiàn)象，分別構(gòu)建無(wú)干擾及不同干擾源數(shù)量的相關(guān)矩陣；采用矩陣分解獲取特征值序列，計(jì)算特征值的二階差分作為特征向量；基...

基于狀態(tài)表的分布式無(wú)人機(jī)編隊(duì)避障算法————作者：賈鵬;趙晨曦;閆繼壘;

摘要：近年來(lái)，無(wú)人機(jī)集群在復(fù)雜艱苦任務(wù)執(zhí)行上得到了廣泛應(yīng)用。針對(duì)現(xiàn)有無(wú)人機(jī)編隊(duì)算法實(shí)時(shí)性差、集群協(xié)同能力弱、自主決策能力弱等問(wèn)題，提出了基于公有狀態(tài)信息表的分布式無(wú)人機(jī)編隊(duì)避障算法。通過(guò)提出改進(jìn)的勢(shì)能函數(shù)，有效解決了傳統(tǒng)人工勢(shì)場(chǎng)法可能產(chǎn)生的運(yùn)動(dòng)平衡和抖動(dòng)問(wèn)題。同時(shí)，通過(guò)引入公有狀態(tài)信息表，結(jié)合碰撞塊搜索算法，有效提高了編隊(duì)避障過(guò)程中的信息交互效率。仿真結(jié)果表明，所提出的基于狀態(tài)表的避障策略可以使無(wú)人機(jī)集...

基于多波段雷達(dá)的低慢小目標(biāo)微動(dòng)特征提取方法————作者：毛鑫騫;于燁;賈維敏;金國(guó)棟;李義紅;金偉;趙建偉;

摘要：針對(duì)多波段雷達(dá)下低慢小目標(biāo)微動(dòng)特征提取傳統(tǒng)方法特征不明顯、量化困難的問(wèn)題，提出基于距離維的小波變換與希爾伯特變換方法對(duì)雷達(dá)回波信號(hào)的特征進(jìn)行提取。采用大疆系列無(wú)人機(jī)雷達(dá)回波數(shù)據(jù)集進(jìn)行仿真分析，結(jié)果表明：希爾伯特算法能有效抑制噪聲干擾，其特征提取精度優(yōu)于小波變換算法并且穩(wěn)定性和可靠性也強(qiáng)于小波變換算法。此外，這2種特征提取算法對(duì)最近幾年推行的大疆御2和大疆M350型無(wú)人機(jī)的特征提取精度最高，驗(yàn)證了其...

面向輕量級(jí)無(wú)人機(jī)的IB-YOLOv8目標(biāo)檢測(cè)方法研究————作者：朱飛雨;劉容軻;朱友文;吳啟暉;

摘要：隨著人工智能的快速發(fā)展，邊緣無(wú)人機(jī)設(shè)備對(duì)多任務(wù)、高實(shí)時(shí)性的需求激增。然而，若采用現(xiàn)有大模型來(lái)提升檢測(cè)能力，則會(huì)使低算力、少負(fù)載的無(wú)人機(jī)增加計(jì)算與存儲(chǔ)負(fù)擔(dān)。針對(duì)上述問(wèn)題，提出了基于協(xié)作推理技術(shù)的 IB-YOLOv8 目標(biāo)檢測(cè)算法，在保證模型表現(xiàn)的前提下實(shí)現(xiàn)對(duì)無(wú)人機(jī)端的模型壓縮。該方法首先，將 YOLOv8s 的 backbone 部分部署到邊緣端，將網(wǎng)絡(luò)的其它部分部署到云端。其次，基于信息瓶頸對(duì) Y...

基于DBSCAN聚類(lèi)的TDMA信號(hào)分選————作者：王鉦凱;邊東明;張更新;

摘要：在復(fù)雜電磁環(huán)境下，信號(hào)分選對(duì)提取有價(jià)值信息和保障系統(tǒng)穩(wěn)定運(yùn)行至關(guān)重要。早期基于傳統(tǒng)參數(shù)的時(shí)分多址(Time Division Multiple Access，TDMA) 信號(hào)分選方法在發(fā)射機(jī)結(jié)構(gòu)多樣化時(shí)面臨挑戰(zhàn)，綜合考慮多種發(fā)射機(jī)結(jié)構(gòu)對(duì)TDMA信號(hào)分選的影響，優(yōu)選出頻率偏移、突發(fā)功率、均方根向量幅度值作為信號(hào)分選特征，為有效利用三維特征空間的分布特性，采用三維基于密度的聚類(lèi)算法（Density-B...

基于雙樹(shù)復(fù)小波變換和U-Net的視網(wǎng)膜血管分割————作者：陶寅涵;朱家明;吳軍;

摘要：生物醫(yī)學(xué)圖像分割已成為醫(yī)學(xué)診斷中的關(guān)鍵任務(wù)之一。然而，由于組織和器官的復(fù)雜形態(tài)及其結(jié)構(gòu)的多樣性，醫(yī)學(xué)圖像分割技術(shù)的實(shí)際應(yīng)用面臨顯著的技術(shù)挑戰(zhàn)。在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks， CNN）中，最大池化操作常常導(dǎo)致信息的不可逆丟失，盡管引入小波變換在一定程度上改善了這一問(wèn)題，但小波變換本身也存在局限性。為了解決這一問(wèn)題，提出了一種基于雙樹(shù)復(fù)小波變換（Dua...

基于小波濾波和卡爾曼濾波的IMU噪聲抑制方法————作者：張軍;于洪勝;

摘要：在利用慣性測(cè)量單元(Inertial Measurement Unit, IMU)對(duì)載體進(jìn)行姿態(tài)解算時(shí)，機(jī)體震動(dòng)和累計(jì)誤差等因素會(huì)對(duì)解算結(jié)果產(chǎn)生較大影響。針對(duì)上述問(wèn)題，提出了一種基于小波濾波和卡爾曼濾波的IMU噪聲抑制方法。該方法通過(guò)高斯加權(quán)移動(dòng)平均濾波聯(lián)合小波濾波對(duì)IMU中陀螺儀與加速度計(jì)的原始數(shù)據(jù)進(jìn)行初步噪聲抑制，采用比例積分微分(Proportion Integral Differentia...

基于超像素與紋理特征的高光譜圖像分類(lèi)方法————作者：陳如俊;王子佳;張敏;曹帥帥;王雪峰;顧艷霜;

摘要：針對(duì)高光譜圖像(Hyperspectral Images, HSI)分類(lèi)中因樣本數(shù)量不足致使分類(lèi)結(jié)果精度偏低和提取冗余紋理特征導(dǎo)致分類(lèi)效率低下的問(wèn)題，提出一種基于超像素和紋理特征的HSI分類(lèi)方法。采用主成分分析(Principal Component Analysis, PCA)提取HSI前6個(gè)主成分作為光譜波段后，以6個(gè)光譜波段作為輸入，進(jìn)行超像素分割并將基于點(diǎn)標(biāo)記樣本映射到超像素內(nèi)，同時(shí)獲取超...

應(yīng)用于S波段穿墻雷達(dá)的介質(zhì)諧振器天線(xiàn)設(shè)計(jì)————作者：羅燕航;李高升;徐含靜;肖順昌;

摘要：為滿(mǎn)足穿墻雷達(dá)天線(xiàn)弱金屬性、超寬帶、輕量化等需求，設(shè)計(jì)了一種應(yīng)用于S波段穿墻雷達(dá)的介質(zhì)諧振器天線(xiàn)。天線(xiàn)采用微帶線(xiàn)-縫隙耦合饋電結(jié)構(gòu)，介質(zhì)諧振器設(shè)計(jì)了3層層疊結(jié)構(gòu)且中間層部分鏤空，通過(guò)本征模分析方法優(yōu)化了天線(xiàn)性能。仿真與實(shí)測(cè)結(jié)果表明，該天線(xiàn)工作頻段為1.901～3.131 GHz (駐波比(Voltage Standing Wave Ratio, VSWR)<2),相對(duì)帶寬達(dá)到48.8%,帶內(nèi)...

　　無(wú)線(xiàn)電工程來(lái)自網(wǎng)友的投稿評(píng)論：

提交