【摘 要】
：
针对多无人机网络辅助灾区用户通信的场景，构建了一种基于信干噪比(Signal to Interference plus Noise Ratio，SINR)检测的概率感知模型，旨在最大化无人机服务区域的覆盖率，同时降低无人机额外能耗，并提升网络吞吐量。在该模型下，提出两种改进的麻雀搜索算法，分别为Logistic高斯麻雀搜索算法(Logistic Gaussian Sparrow Search Al
论文部分内容阅读
针对多无人机网络辅助灾区用户通信的场景，构建了一种基于信干噪比(Signal to Interference plus Noise Ratio，SINR)检测的概率感知模型，旨在最大化无人机服务区域的覆盖率，同时降低无人机额外能耗，并提升网络吞吐量。在该模型下，提出两种改进的麻雀搜索算法，分别为Logistic高斯麻雀搜索算法(Logistic Gaussian Sparrow Search Algorithm，LGSSA)和Logistic柯西麻雀搜索算法(Logistic Cauchy Spar
其他文献
收敛速度慢一直是限制精密单点定位（precise point positioning， PPP）发展的重要因素。研究表明，通过高精度电离层延迟改正，进而实现PPP-RTK(real-time kinematic)，可显著提升PPP的收敛速度。目前区域PPP-RTK中电离层主要采用单星多项式电离层模型（satellite-based ionospheric model with POLYnomial
X波段T/R组件中,键合金丝的数量、长度、拱高、跨距、焊点位置等参数会对微波传输特性产生严重的影响。通过自动检测技术实现上述参数的自动检测,可以推断出X波段T/R组件键合质量是否合格。基于变焦显微测量技术,通过自主设计的图像采集平台,获取到键合金丝的一组图像,然后通过多聚焦图像融合、聚焦评价等图像处理技术,实现了键合金丝的拱高和跨度的微米级测量,测量结果相对误差小于0.7%。该方法该技术有利于提高
针对在复杂场景下激光雷达点云数据的语义分割研究中，存在点云特征损失大、点云语义挖掘不足和分割精度不高等问题，该文提出了一种将法向量和RandLA-Net相结合的点云语义分割方法。把点云法向量与RandLA-Net网络的局部特征聚合模块融合，提取局部语义聚合特征，利用softmax分类器对每个点进行分类。实现了复杂场景下LiDAR点云数据的语义分割。通过对Oakland点云数据集和德国Vaihing
传统的机器学习方法在对网络评论文本进行情感极性分类时，未能充分挖掘语义信息和关联信息，已有的深度学习方法虽能提取语义信息和上下文信息，但该过程往往是单向的，不能充分提取评论文本的深度语义信息。针对以上问题，提出了一种结合广义自回归预训练语言模型(XLNet)与循环卷积神经网络（RCNN）的文本情感分析。首先利用XLNet广义自回归预训练语言模型对文本进行特征表示，通过引入片段级递归机制和相对位置信
为实现对铜离子（Cu~(2+)）的检测，提出了一种硫化铅（PbS）量子点修饰的光纤马赫-曾德尔（Mach-Zehnder）干涉仪， 并设计了一种两亲性高分子用来修饰PbS量子点。高分子的含氧官能团和Cu~(2+)配位会导致干涉仪周围折射率的变化，并导致干涉谱的漂移。该传感器对Cu~(2+)具有高度选择性，在0～800μmol/L范围内，检测灵敏度为0.0061 nm/μmol/L，检测限（LOD）
显著物体检测目前在计算机视觉领域中非常重要，如何处理不同尺度的特征信息成为能否获得优秀预测结果的关键。该文有两个主要贡献，一是提出一种用于显著目标检测的特征排列方法，基于自编码结构的卷积神经网络模型，利用尺度表征的概念将特征图进行分组和重排列，以获得一个更加泛化的显著目标检测模型和更加准确的显著目标预测结果；二是在输出部分利用了双重卷积残差和FReLU激活函数，抓取更全面的像素信息，完成空间信息上
探究祁连圆柏林地的土壤持水能力，对研究高寒山区土壤水运动、溶质运移、林草植被生理用水等具有重要意义。本研究以祁连圆柏样地0-60 cm处的土壤为研究对象，利用离心分离法获取不同土层深度在指定转速下的土壤含水率，并选用Gardner、van-Genuchten、Broods-Corey、Fredlund-Xing 4种经验模型对实测含水率和土壤基质势进行拟合，得到拟合土壤水分特征曲线。研究结果表明：
为了挽救生命，缓解幸存者痛苦和促进发展，全面理解可持续灾害运作管理内涵与建立对应的绩效测量指标是当前面亟待解决的重要问题。在梳理灾害运作管理与可持续发展定义的基础上，界定可持续灾害运作管理的概念与内涵。从社会、环境和经济三个方面，提出了可持续灾害运作管理绩效测量的潜在指标。采用应急物资分配、灾害垃圾选址-运输和应急医疗救援队伍指派三类案例从理论上验证了所构建的指标体系。研究表明：提出的可持续灾害运
光伏出力预测对于电网调度具有重要意义。该文针对缺少辐照度测量装置的分布式光伏电站，提出了一种基于卫星遥感的超短期分布式光伏功率预测方法。首先基于Res-UNet模型对SWR网格进行时空预测；然后对预测的短波辐照（SWR）网格进行空间插值得到地面分布式站点的未来辐照度，最后构建基于编解码器的长短期记忆（LSTM）模型预测光伏出力。其中Res-UNet可以充分学习SWR网格的时空相关性，LSTM通过引