一种基于FCOS神经网络的小建筑物目标检测方法北大核心

提出了一种基于FCOS神经网络的小建筑物目标检测算法,针对FCOS模型在特征提取阶段提取到的小建筑物目标特征较少问题,引入多尺度检测和可变形卷积方式,加强网络对小建筑物目标的特征提取能力,并通过改进后的SGE注意力机制降低特征图中的干扰噪声权重。改进后的网络可以提取到更多的小建筑物目标特征,对环境干扰噪声的鲁棒性更强。在自己搭建的数据集上进行了实验测试,结果表明,在相同环境下网络改进后建筑物的整体检测准确率提升了1.7%,其中对小建筑物目标提升了3.6%,减少了小建筑物目标漏检、误检的问题。     

Joint Power-Trajectory-Scheduling Optimization in A Mobile UAV-Enabled Network via Alternating Iteration

This work focuses on an unmanned aerial vehicle(UAV)-enabled mobile edge computing(MEC) system based on device-to-device(D2D) communication. In this system, the UAV exhibits caching,computing and relaying capabilities to periodically provide specific service to cellular users and D2D receiver nodes in the appointed time slot. Besides, the D2D transmitter can provide additional caching services to D2D receiver to reduce the pressure of the UAV. Note that communication between multi-type nodes is mutually restricted and different links share spectrum resources. To achieve an improved balance between different types of node, we aim to maximize the overall energy efficiency while satisfying the quality-of-service requirements of the cellular nodes.To address this problem, we propose an alternating iteration algorithm to jointly optimize the scheduling strategies of the user, transmitting power of the UAV and D2D-TX nodes, and UAV trajectory. The successive convex approximation, penalty function, and Dinkelbach method are employed to transform the original problem into a group of solvable subproblems and the convergence of the method is proved. Simulation results show that the proposed scheme performs better than other benchmark algorithms, particularly in terms of balancing the tradeoff between minimizing UAV energy consumption and maximizing throughput.     

基于磁偶极子的2阶磁场梯度张量缩并方法

针对磁场定位中2阶磁场梯度张量的理论尚不够完善的现状，提出基于磁偶极子的2阶磁 场梯度张量缩并方法。给出2阶磁场梯度张量的全局模量和局部模量计算公式，分析2阶磁场梯度张量的全局模量和局部模量及相关参数的三维空间分布规律，并给出相关参数k_H、k_Hxy和k_Hz的近似计算公式，比较1阶磁场梯度张量和2阶磁场梯度张量及其模量的分布规律及与距离的关系。计算结果表明：全局模量C_H及参数k_H值在0°≤≤90°时，随着增大而减小，在=0°时最大，在=90°时最小；局部模量C_Hxy和参数k_Hxy值在0°≤≤90°时，随先增加、后减少，当=35° 时最大，当=90°时最小；局部模量C_Hz和参数k_Hz随先减少、后增加，当=0°时最大，当=71°时最小；k_H、k_Hxy和k_Hz的拟合值与理论反演值高度吻合；在距离较近时，2阶磁场梯度张量及模量更敏感；在距离较远时，1阶磁场梯度张量及模量更敏感；在实际磁场定位的应用中，可结合1阶和2阶磁场梯度张量及全局模量进行使用。     

基于多尺度特征校准的图像协调化方法

图像组合是图像处理中一个重要操作，然而组合图像中前景区域与背景区域的外观不协调使得组合图像看起来不真实。图像协调化是图像组合中极其重要的一个环节，其目的是调整组合图像前景区域的外观使其与背景区域一致，从而让组合图像在视觉上看起来真实。然而，现有方法只考虑了组合图像前景与背景之间的外观差异，忽略了图像局部的亮度变化差异，这使得图像整体的光照不协调。为此，该文提出一个新的多尺度特征校准模块(MFCM)学习不同尺度的感受野之间细微的特征差异。基于所提模块，该文进一步设计了一个新的编码器学习组合图像中前景与背景的外观差异和局部亮度变化，然后利用解码器重构出图像，并通过一个对前景区域归一化的回归损失指导网络学习调整前景区域的外观。在广泛使用的iHarmony4数据集上进行实验验证，结果表明该方法的效果超过了目前最优的方法，验证了该方法的有效性。     

基于Massive MIMO及频谱叠加的5G SA网络上行优化方法

大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)可以有效提升5G SA网络的上行链路数据传输速率以及可靠性。针对5G SA网络上行链路速率和覆盖不均衡的情况,提出了基于大规模MIMO的分组算法,将发送信号矢量进行分组,组内采用最大似然检测,组外采用基于正交三角分解(QR分解)的干扰消除检测,并且结合5G频谱的叠加策略,在降低算法复杂度的同时,有效提升网络覆盖和速率。通过5G SA现网实测,通过MIMO降低分组数量能够提升分组检测性能,结合上行低频段频谱叠加策略能够有效提升5G SA网络上行覆盖30%,提升5G SA网络上行平均速率40%~80%,特别是弱覆盖边缘的网络速率,最高可达600%。