電光與控制最新期刊目錄

基于無(wú)向隨機(jī)探索蜣螂算法的無(wú)人機(jī)航跡規(guī)劃————作者：陳海洋;張江祺;溫仕琪;吝紅凱;

摘要：針對(duì)戰(zhàn)場(chǎng)環(huán)境下群智能算法在求解無(wú)人機(jī)(UAV)航跡規(guī)劃過(guò)程中存在路徑搜索能力不足，易陷入局部最優(yōu)等問(wèn)題，提出了一種基于無(wú)向隨機(jī)探索蜣螂搜索算法(UR-DBO)的無(wú)人機(jī)低空突防的航跡規(guī)劃方法。首先建立相關(guān)的地形模型以及威脅源模型；其次，在蜣螂算法中引入Piecewise混沌映射初始化種群，增加算法的種群多樣性；接著，提出無(wú)向隨機(jī)探索機(jī)制，該機(jī)制旨在彌補(bǔ)蜣螂算法中滾球蜣螂探索不全面的缺陷，提高算法的全...

基于改進(jìn)殘差神經(jīng)網(wǎng)絡(luò)的無(wú)人機(jī)射頻信號(hào)識(shí)別————作者：邊芮琪;高振斌;晏行偉;孫麗婷;

摘要：為了更準(zhǔn)確地檢測(cè)和識(shí)別黑飛無(wú)人機(jī)，需要在低信噪比(SNR)條件下對(duì)無(wú)人機(jī)射頻信號(hào)進(jìn)行檢測(cè)和識(shí)別。本文針對(duì)無(wú)人機(jī)射頻信號(hào)在低信噪比下的識(shí)別問(wèn)題，提出了一種基于時(shí)頻圖的識(shí)別方法。首先，使用短時(shí)傅里葉變換將無(wú)人機(jī)信號(hào)轉(zhuǎn)化為二維時(shí)頻圖像，作為神經(jīng)網(wǎng)絡(luò)的輸入；然后搭建改進(jìn)的ResNet18網(wǎng)絡(luò)，引入了通道注意力機(jī)制和空間注意力機(jī)制，并且采用了正則化策略和自適應(yīng)調(diào)整策略，提高在低信噪比下無(wú)人機(jī)射頻信號(hào)的識(shí)別準(zhǔn)...

基于DoDAF的艦船編隊(duì)維修保障體系建模及效能評(píng)估————作者：熊芝;常露可;聶磊;楊建軍;劉佳;賈小東;王林琳;

摘要：針對(duì)艦船編隊(duì)維修保障體系建設(shè)實(shí)施不足、缺乏有效效能評(píng)估手段的問(wèn)題，本文首先基于DoDAF框架構(gòu)建了“任務(wù)-組織-能力-資源”映射模型，通過(guò)全景、作戰(zhàn)及能力視圖的描述，實(shí)現(xiàn)了艦船編隊(duì)維修保障體系結(jié)構(gòu)建模。其次建立了包含可用度、可信度、固有能力和資源因素的效能評(píng)估指標(biāo)體系，通過(guò)專家打分和層次分析法構(gòu)建了資源因素F的計(jì)算方法，量化了資源因素F對(duì)體系效能評(píng)估的影響。最后通過(guò)實(shí)例計(jì)算驗(yàn)證了資源因素F對(duì)維修保...

RSD-YOLO:基于深度學(xué)習(xí)的水下目標(biāo)檢測(cè)算法————作者：張繼杰;徐明;

摘要：針對(duì)水下圖像檢測(cè)中的復(fù)雜場(chǎng)景和有限的特征提取能力，由于存在誤檢和漏檢等問(wèn)題，提出了RSD-YOLO檢測(cè)算法。首先，設(shè)計(jì)了R-C2f和RE-C2f模塊，以適應(yīng)復(fù)雜的水下環(huán)境；其次，改進(jìn)了YOLOv8s的PAN-FPN多尺度特征融合結(jié)構(gòu)為FPN-SL，減輕了模型重量并提升了水下目標(biāo)識(shí)別能力；最后，引入Inner-CIoU損失函數(shù)，動(dòng)態(tài)調(diào)整輔助邊界框的尺度，增強(qiáng)模型對(duì)目標(biāo)遮擋和尺寸變化的敏感性，從而提高...

MLEC-YOLO：強(qiáng)化低頻特征的夜間軍事目標(biāo)檢測(cè)網(wǎng)絡(luò)————作者：袁一東;李志剛;張燦;李瑩琦;

摘要：針對(duì)夜間軍事目標(biāo)在低光和煙霧遮擋下檢測(cè)性能不佳的問(wèn)題，提出了MLEC-YOLO專用于夜間軍事目標(biāo)檢測(cè)。首先，構(gòu)建強(qiáng)化低頻特征提取網(wǎng)絡(luò)作為骨干網(wǎng)絡(luò)，通過(guò)結(jié)合多尺度低頻特征提取模塊與動(dòng)態(tài)的特征融合模塊，分別進(jìn)行多尺度低頻特征的提取以及感知關(guān)鍵特征。其次，在頸部網(wǎng)絡(luò)設(shè)計(jì)了深度路徑聚合網(wǎng)絡(luò)，以增強(qiáng)來(lái)自骨干網(wǎng)絡(luò)的特征表達(dá)。最后，采用四種不同分辨率的解耦頭，以適應(yīng)不同大小的夜間場(chǎng)景的軍事目標(biāo)。在自建數(shù)據(jù)集(N...

基于泰勒分解與自適應(yīng)窗口偏心對(duì)比度的高光譜異常檢測(cè)————作者：王青;嚴(yán)偉明;尤銘濤;王一安;張嘉嘉;趙東;

摘要：高光譜異常檢測(cè)是一種無(wú)監(jiān)督的目標(biāo)檢測(cè)算法，旨在區(qū)分與周圍像素具有顯著區(qū)別的像素。局部對(duì)比度作為實(shí)現(xiàn)高光譜異常檢測(cè)的一種重要手段，通常采用固定的雙窗口結(jié)構(gòu)，但是這種結(jié)構(gòu)泛化能力一般且易受噪聲影響。針對(duì)上述問(wèn)題，本文提出了一種基于泰勒分解與自適應(yīng)窗口對(duì)比度的高光譜異常檢測(cè)。首先利用泰勒分解對(duì)光譜曲線進(jìn)行分解，進(jìn)一步加大背景與目標(biāo)的區(qū)別。然后使用自適應(yīng)窗口，確保目標(biāo)盡可能被內(nèi)框包圍，降低虛警率。接著在窗...

飛行器對(duì)接技術(shù)的引導(dǎo)與控制：現(xiàn)狀與智能化展望————作者：羅飛;艾俊強(qiáng);胡志勇;蘇子康;楊藝云;

摘要：目前飛行器對(duì)接技術(shù)可在空中加/受油、空基回收、空中組合、艦載著艦等場(chǎng)景中廣泛應(yīng)用，其技術(shù)內(nèi)涵主要體現(xiàn)飛行器向外的信息感知能力與向內(nèi)的調(diào)控與決策能力的綜合統(tǒng)一，以實(shí)現(xiàn)信息與物理連接的精密耦合。本文針對(duì)“飛行器對(duì)接技術(shù)的引導(dǎo)與控制”進(jìn)行了內(nèi)涵定義與特征分類的限定，通過(guò)分析四類場(chǎng)景中的應(yīng)用現(xiàn)狀說(shuō)明其自主化程度，接著從高精度定位、高靈敏控制、高安全監(jiān)測(cè)、高效率協(xié)同四方面，歸納了提升自主化能力的關(guān)鍵技術(shù)以及...

《電光與控制》征稿啟事

摘要：<正>啟動(dòng)創(chuàng)新探索前沿《電光與控制》為中文核心期刊、中國(guó)科技核心期刊,是以航空火力與指揮控制技術(shù)為報(bào)道核心的綜合性學(xué)術(shù)刊物,涉及航空電子系統(tǒng)與技術(shù)、火力與指揮控制系統(tǒng)理論與技術(shù)、光電顯示技術(shù)、智能控制、雷達(dá)、激光與紅外技術(shù)、圖像處理、仿真技術(shù)等學(xué)科領(lǐng)域,致力于推動(dòng)上述領(lǐng)域前沿研究與工程應(yīng)用

基于感受野增強(qiáng)和跨尺度融合的SAR艦船檢測(cè)算法————作者：黃應(yīng)征;劉罡;閆曙光;侯恩翔;

摘要：針對(duì)復(fù)雜的海上背景、尺度變化大的船舶目標(biāo)和噪聲干擾導(dǎo)致合成孔徑雷達(dá)(SAR)艦船檢測(cè)存在精度不高、漏檢和誤檢嚴(yán)重的問(wèn)題，提出了一種改進(jìn)的YOLOv7模型。首先，設(shè)計(jì)感受野增強(qiáng)特征提取模塊(RFEFM),并用其重構(gòu)主干網(wǎng)絡(luò)，增強(qiáng)感受野并提高多尺度目標(biāo)特征提取能力；其次，提出高低維特征融合金字塔(HLF-FPN),過(guò)濾干擾的噪聲及背景信息，高效融合不同尺度信息；然后，提出一種新的F-MPDIoU損失函...

聲納浮標(biāo)的反潛效能影響因素研究————作者：劉旭博;年璇;

摘要：針對(duì)聲納浮標(biāo)的反潛效能影響因素問(wèn)題，對(duì)航空反潛的作戰(zhàn)流程進(jìn)行了分析。在任務(wù)初始階段，依據(jù)上級(jí)信息特征，建立了潛艇的概率分布模型，采用類蒙特卡羅的方法，直觀表征了幾類典型作戰(zhàn)場(chǎng)景的潛艇分布。在任務(wù)規(guī)劃階段，以大數(shù)定律為基礎(chǔ)，采用多次統(tǒng)計(jì)仿真試驗(yàn)結(jié)果的方法，得到了浮標(biāo)陣幾何要素對(duì)反潛效能的影響特點(diǎn)及影響機(jī)理。在任務(wù)執(zhí)行階段，通過(guò)對(duì)比分析仿真結(jié)果，明確了洋流對(duì)聲納浮標(biāo)的反潛效能影響特點(diǎn)。綜合各影響因素研...

基于改進(jìn)YOLOv7紅外海上船舶檢測(cè)算法————作者：饒興昌;鄭盈盈;陸萬(wàn)浩;黃孫港;

摘要：針對(duì)紅外海上船舶圖像檢測(cè)在近岸密集、遠(yuǎn)海小目標(biāo)以及低分辨率等場(chǎng)景下存在的誤檢、漏檢等問(wèn)題，并為了使模型更輕量化，提出了一種基于改進(jìn)YOLOv7的紅外海上船舶檢測(cè)算法。為增強(qiáng)主干網(wǎng)絡(luò)對(duì)船舶目標(biāo)的特征提取能力，重新構(gòu)造REP-DSConv-ELAN模塊，替換原網(wǎng)絡(luò)中的ELAN模塊；其次在頸部網(wǎng)絡(luò)中引入InceptionNeXt模塊，減少因網(wǎng)絡(luò)深度增加而造成船舶高維特征信息的丟失，更好地進(jìn)行多尺度融合以...

基于通道剪枝的改進(jìn)YOLOv7-tiny艦船識(shí)別算法————作者：張上;熊中越;王恒濤;

摘要：海上艦船目標(biāo)識(shí)別是海洋監(jiān)測(cè)的重要一環(huán)，也是世界各海岸地帶國(guó)家國(guó)土安全的重要解決方案之一。針對(duì)SAR圖像艦船目標(biāo)檢測(cè)存在識(shí)別精度低、訓(xùn)練模型大等問(wèn)題，提出了一種基于通道剪枝的改進(jìn)YOLOv7-tiny海上艦船識(shí)別算法。首先，采用MobileNetV3替代原有主干網(wǎng)絡(luò)，以降低模型的計(jì)算量和體積，實(shí)現(xiàn)模型輕量化；其次，引入MPDIoU簡(jiǎn)化計(jì)算過(guò)程，優(yōu)化模型的收斂性；最后，通過(guò)通道剪枝提高模型精度，同時(shí)平...

基于上下文信息融合的改進(jìn)Vovnet遙感目標(biāo)檢測(cè)算法————作者：張照珩;劉云清;顏飛;張瓊;

摘要：針對(duì)遙感圖像目標(biāo)檢測(cè)面臨目標(biāo)分布密集、背景復(fù)雜、小目標(biāo)眾多等問(wèn)題，在Vovnet算法的基礎(chǔ)上進(jìn)行改進(jìn)，在特征提取主干網(wǎng)絡(luò)中加入CoT全局特征提取模塊，協(xié)同跨視角的特征提取，在多個(gè)尺度上保留了感受野的視角信息，以結(jié)合不同尺度目標(biāo)的上下文信息并增強(qiáng)視覺(jué)表示；同時(shí)在FPN的基礎(chǔ)上設(shè)計(jì)了上下文信息融合模塊MSSFPN,建立在深層特征圖上，在尺度維度對(duì)圖像特征進(jìn)行融合以增強(qiáng)目標(biāo)的特征表示；引入深度超參數(shù)化卷...

基于改進(jìn)RT-DETR的航拍圖像小目標(biāo)檢測(cè)算法————作者：宣歲寒;羅印升;宋偉;

摘要：實(shí)時(shí)、準(zhǔn)確地定位與識(shí)別航拍圖像中飛機(jī)、輪船和車輛等目標(biāo)是進(jìn)一步?jīng)Q策的根本基礎(chǔ)，針對(duì)航拍圖像中小目標(biāo)檢測(cè)存在的效率和精度低等問(wèn)題，提出了一種基于改進(jìn)RT-DETR的航拍圖像小目標(biāo)檢測(cè)算法。首先，通過(guò)構(gòu)建高效的CCFM-P2ASF尺度序列特征融合模塊，獲得更豐富的語(yǔ)義信息，同時(shí)提高對(duì)小目標(biāo)的敏感度；其次，集成靈活性更強(qiáng)的可學(xué)習(xí)的位置編碼，提供更清晰的位置界定；然后，設(shè)計(jì)更高效的邊界框損失函數(shù)，減小對(duì)目...

輕量級(jí)注意力機(jī)制與跨尺度融合的船舶目標(biāo)檢測(cè)————作者：李冬琴;彭琪;吳洋;

摘要：針對(duì)船舶上算力資源有限導(dǎo)致的檢測(cè)算法速度慢和檢測(cè)率低問(wèn)題，基于YOLOv5s算法，提出了輕量級(jí)注意力機(jī)制與跨尺度融合的船舶目標(biāo)檢測(cè)算法。在主干網(wǎng)絡(luò)中引入輕量級(jí)注意力機(jī)制SimAM,并與頸部網(wǎng)絡(luò)跨尺度進(jìn)行融合，提升算法的檢測(cè)精度；引入輕量化卷積C3Ghost和GhostConv降低檢測(cè)算法的參數(shù)量，實(shí)現(xiàn)船舶的實(shí)時(shí)檢測(cè)；對(duì)于邊界框回歸損失，采用自適應(yīng)參數(shù)提高錨框的適應(yīng)性以及魯棒性。最后，與其他流行算法...

基于時(shí)間窗口的時(shí)間敏感網(wǎng)絡(luò)流量調(diào)度方法————作者：李超;李紅碩;董哲;史運(yùn)濤;李文昊;

摘要：時(shí)間敏感網(wǎng)絡(luò)是一種新型確定性網(wǎng)絡(luò)，流量調(diào)度作為其核心機(jī)制，主要通過(guò)門控列表保證時(shí)間觸發(fā)流傳輸?shù)姆��?wù)質(zhì)量。然而，以幀為對(duì)象進(jìn)行門控調(diào)度設(shè)計(jì)時(shí)，需要計(jì)算每一幀的具體時(shí)隙分配，存在計(jì)算復(fù)雜度過(guò)高的問(wèn)題。為此，針對(duì)時(shí)隙配置求解復(fù)雜的問(wèn)題，將以幀為調(diào)度對(duì)象改進(jìn)為以時(shí)間窗口為調(diào)度對(duì)象，基于時(shí)間窗口設(shè)計(jì)了整數(shù)線性規(guī)劃調(diào)度方法，并使用Gurobi優(yōu)化器得出結(jié)果。仿真實(shí)驗(yàn)表明：提出的調(diào)度方法在保證時(shí)間觸發(fā)流的流量特...

復(fù)雜背景下的小目標(biāo)無(wú)人機(jī)檢測(cè)方法————作者：周磊;牟懌;陳為真;

摘要：針對(duì)在學(xué)校、公園等具有復(fù)雜飛行背景的公共場(chǎng)所中無(wú)人機(jī)尺寸較小所導(dǎo)致的檢測(cè)精度低以及錯(cuò)檢、漏檢問(wèn)題，提出了一種基于改進(jìn)YOLOv8n的小目標(biāo)無(wú)人機(jī)檢測(cè)方法。首先，采集不同飛行背景中的無(wú)人機(jī)圖像構(gòu)建實(shí)驗(yàn)數(shù)據(jù)集；其次，重新設(shè)計(jì)了多尺度特征融合網(wǎng)絡(luò)，引入TFE模塊和SSFF模塊對(duì)頸部網(wǎng)絡(luò)的多尺度特征融合方法進(jìn)行改進(jìn)，并在此基礎(chǔ)上添加小目標(biāo)檢測(cè)層，提升網(wǎng)絡(luò)抗背景干擾的能力以及對(duì)小目標(biāo)的檢測(cè)精度；最后，將In...

基于YOLOv8n-PEM的低信噪比無(wú)人機(jī)射頻信號(hào)識(shí)別————作者：劉坤;孔令軒;晏行偉;

摘要：針對(duì)當(dāng)前無(wú)人機(jī)射頻信號(hào)識(shí)別模型在低信噪比條件下識(shí)別準(zhǔn)確率較低，且不支持檢測(cè)信號(hào)持續(xù)時(shí)間、帶寬等關(guān)鍵參數(shù)的問(wèn)題，提出了基于YOLOv8n-PEM目標(biāo)檢測(cè)模型的無(wú)人機(jī)射頻信號(hào)識(shí)別方法。該方法首先將原始無(wú)人機(jī)射頻信號(hào)做基于離散小波變換的降采樣處理，之后進(jìn)行短時(shí)傅里葉變換提取時(shí)頻特征，最后利用YOLOv8n-PEM模型完成信號(hào)的識(shí)別和參數(shù)估計(jì)。在模型方面，基于部分卷積設(shè)計(jì)了CPF模塊增強(qiáng)對(duì)高級(jí)時(shí)頻特征的提...

結(jié)合多層級(jí)特征與全局特征的變化檢測(cè)方法————作者：于永勛;張兆祥;張生偉;

摘要：隨著深度學(xué)習(xí)技術(shù)的發(fā)展，變化檢測(cè)領(lǐng)域的研究取得了一些成就，但現(xiàn)有變化檢測(cè)方法中仍存在變化區(qū)域邊緣檢測(cè)不精確、變化區(qū)域內(nèi)部檢測(cè)不完整等問(wèn)題。鑒于此，提出了一種結(jié)合多層級(jí)特征與全局特征的變化檢測(cè)方法，其中，基于孿生網(wǎng)絡(luò)及編碼器-解碼器架構(gòu)設(shè)計(jì)了一種不同層次間特征密集連接的特征提取網(wǎng)絡(luò)，以充分提取并融合不同層級(jí)的特征。對(duì)于融合后的特征，還設(shè)計(jì)了一種全局特征建模模塊以對(duì)其全局上下文信息建模。此外，在編碼器...

改進(jìn)天鷹算法的無(wú)人機(jī)出警路徑規(guī)劃————作者：張琪;陳海濤;任宇辰;顧騰達(dá);張志學(xué);

摘要：為了實(shí)現(xiàn)警務(wù)任務(wù)中無(wú)人機(jī)自主飛行路徑的規(guī)劃，以現(xiàn)實(shí)城市出警環(huán)境為依據(jù)構(gòu)建了警用無(wú)人機(jī)出警環(huán)境模型，并根據(jù)無(wú)人機(jī)路徑長(zhǎng)度代價(jià)、飛行高度代價(jià)、障礙危險(xiǎn)代價(jià)設(shè)計(jì)了適應(yīng)度函數(shù)。在天鷹優(yōu)化算法中采用Logistic混沌映射來(lái)初始化種群，并在第一階段引入蝴蝶優(yōu)化策略；在仿真實(shí)驗(yàn)中，使用三次樣條插值平滑生成的路徑，使其更符合無(wú)人機(jī)的運(yùn)動(dòng)軌跡。結(jié)果表明，本方法可以滿足無(wú)人機(jī)快速出警路徑規(guī)劃設(shè)計(jì)，整體效果顯示較為理...

　　電光與控制來(lái)自網(wǎng)友的投稿評(píng)論：

• 奔跑的辣椒醬

  投稿到通知結(jié)果，差不多一個(gè)月，最后還是被拒了，原因是有創(chuàng)新點(diǎn)，但是還需要修改文章，給出來(lái)一些建議，然后就是說(shuō)他們期刊近期接受了很多小目標(biāo)檢測(cè)的文章，所以建議我投其他期刊。他們有一個(gè)群，可以在群里直接聯(lián)系老師查看進(jìn)度

  2023-06-05 09:56

提交