基于数字孪生的单片机虚拟仿真实验教学探索

数字孪生作为实现物理世界与信息世界实时交互和融合的一种有效方法,近期被广泛关注。数字孪生具备多物理、多维度的属性,同时具有实时同步、双向映射等特性,能够有效推动虚拟仿真教学信息化水平。在北京航空航天大学《单片机原理及应用》本科课程中,通过引入数字孪生技术,探索了单片机虚拟仿真实验教学方法,建立了“虚实结合”的单片机实验课程教学体系。所建立的数字化镜像单片机实验教学平台,对于学生快速理解单片机基本原理、增强学生学习兴趣、培养学生综合设计能力具有重要作用。     

基于相关比幅测向的圆阵干涉仪解模糊算法

针对比幅测向精度较低而干涉仪测向相位易模糊这一问题,提出了一种基于多波束比幅测向的圆阵相关干涉仪解模糊改进算法,实现对小型无人机方位的快速估计。首先,根据目标无人机的图传信号特征值建立离线数据库,利用改进的多波束相关比幅法对无人机来波方向进行粗略测量,通过二次插值法对“栅栏效应”造成的估计偏差进行一定修正;然后,将修正后的角度测量值对干涉仪实测相位差进行解模糊;最后,利用无模糊的相位差通过相关运算实现来波方向的精确估计。该算法将相关运算运用在比幅测向中,有效提高了干涉仪解模糊概率。与传统的比幅测向法和干涉仪测向法相比,该算法只需3组天线就能完成测向功能,其测向精度提高至2°以内,并且该算法对天线一致性要求低,实时性高,可实际应用于圆形阵列测向体制,实现对无人机的快速测向。     

针对更精确电迁移预测应用的热耦合模型建模

基于先进逻辑CMOS工艺平台,构建了集成电路热耦合模型,为后端金属线电迁移预测提供更精确的温度变化和分布信息。在建模过程中,为了提高建模和仿真效率,对金属线网络和晶体管有源区进行简化,并用热传输比率对热耦合进行表征。考虑到晶体管参数、金属线走向、金属线之间相对位置对热传输比率的影响,模型中引入相关因子对热传输比率做进一步修正。最后,将该热传输模型嵌入到商用仿真软件中。结果表明,热传输比率(即温度)的仿真值与基于工艺平台流片的实测值吻合良好,验证了模型的准确性。     

基于移动边缘计算的虚拟现实压缩与传输系统

针对基于云服务的虚拟现实对数据传输速率的高要求以及对传输时延的敏感性问题,提出并设计了基于移动边缘计算技术的云VR系统方案,主要包括基于视点的VR处理和混合数模传输优化。首先采用基于金字塔投影的用户视点感知动态推流方法实现基于视点的VR处理;然后引入混合数模技术对传输进行优化改进,并给出了启发式的资源分配优化算法;最后在长期演进(LTE)系统的基础上改造基站协议栈,融入移动边缘计算技术,实现了完整的移动边缘云VR系统。实验结果表明,与已有方案相比,所提方案能够实现更加稳健高效的传输,达到更好的VR用户体验。     

基于改进灰狼优化算法的服务功能链映射算法

随着工业互联网、车联网、元宇宙等新型互联网应用的兴起,网络的低时延、可靠性、安全性、确定性等方面的需求正面临严峻挑战。采用网络功能虚拟化技术在虚拟网络部署过程中,存在服务功能链映射效率低与部署资源开销大等问题,联合考虑节点激活成本、实例化开销,以最小化平均部署网络成本为优化目标建立了整数线性规划模型,提出基于改进灰狼优化算法的服务功能链映射(improved grey wolf optimization based service function chain mapping,IMGWO-SFCM)算法。该算法在标准灰狼优化算法基础上添加了基于无环K最短路径(K shortest path,KSP)问题算法的映射方案搜索、映射方案编码以及基于反向学习与非线性收敛改进三大策略,较好地平衡了其全局搜索及局部搜索能力,实现服务功能链映射方案的快速确定。仿真结果显示,该算法在保证更高的服务功能链请求接受率下,相较于对比算法降低了11.86%的平均部署网络成本。     

基于区块链的雾网络中的任务卸载优化方案研究

当前物联网(IoT)应用的快速增长对用户设备的计算能力是一个巨大的挑战。雾计算(FC)网络可为用户设备提供近距离、快速的计算服务,为资源紧张,计算能力有限的用户设备提供了解决方案。该文提出一个基于区块链的雾网络模型,该模型中用户设备可以将计算密集型任务卸载到计算能力强的节点处理。为最小化任务处理时延和能耗,引入两种任务卸载模型,即设备到设备(D2D)协作群组任务卸载和雾节点(FNs)任务卸载。此外,针对雾计算网络任务卸载过程的数据安全问题,引入区块链技术构建去中心化分布式账本,防止恶意节点修改交易信息,实现数据安全可靠传输。为降低共识机制时延和能耗,提出了改进的基于投票的委托权益证明(DPoS)共识机制,得票数超过阈值的FNs组成验证集,验证集中的FN轮流作为管理者生成新区块。最后,以最小化网络成本为目标,联合优化任务卸载决策、传输速率分配和计算资源分配,提出任务卸载决策和资源分配(TODRA)算法进行求解,并通过仿真实验验证了该算法的有效性。     

基于迁移学习的三子网图像去雾方法

目前大部分图像去雾算法只在一种或几种均匀雾图数据集中有较好的表现,对于不同风格或非均匀雾图数据集去雾效果较差,同时算法在实际应用中会因模型泛化能力差导致模型场景受限。针对上述情况,该文提出一种基于迁移学习的卷积神经网络(CNN)用于解决去雾算法中非均匀雾图处理效果不佳和模型泛化能力差等问题。首先,该文使用ImageNet预训练的模型参数作为迁移学习模型的初始参数,以加速模型训练收敛速度。其次,主干网络模型由3个子网组成：残差特征子网络、局部特征提取子网络和整体特征提取子网络。3子网结合以保证模型可从整体和局部两个方面进行特征提取,在现实雾场景(浓雾、非均匀雾)中获得较好的去雾效果。该文在模型训练效率、去雾质量和雾图场景选择灵活性3个方面进行了研究和改进,为衡量模型性能,模型选择在去雾难度较大的非均匀雾图数据集NTIRE2020和NTIRE2021上进行定量与定性实验。实验结果证明3子网模型在图像主观和客观评价指标两个方面都取得了较好的效果。该文模型改善了算法泛化性能差和小数据集难以进行模型训练的问题,可将该文成果广泛应用于小规模数据集和多变场景图像的去雾工作中。     

可见光通信中融合VOOK和分层OFDM的高效频谱混合调制方法

为了满足可见光通信(VLC)的照明和高速率数据传输的双重需求,该文提出一种融合可变开关键控(VOOK)和分层正交频分复用(OFDM)的高效频谱混合调制。首先针对分层OFDM调制方法设计了相应的VOOK信号,避免了VOOK对分层OFDM信息传输的干扰。然后,为了保证混合调制信号工作在发光二极管(LED)的线性区间,提出一种全新的重构分层光OFDM(RLO-OFDM),并构建VOOK-RLO-OFDM混合调制方法,实现了调光控制和高效频谱数据传输的双重功能。混合调制能够并行地进行VOOK和RLO-OFDM的信号检测,同时,RLO-OFDM的信号检测可以采用标准的OFDM接收机,无须依赖串行干扰消除方式,显著地降低了接收复杂度和处理时延。仿真结果表明,所提方法能够实现线性调光控制,且具有高效的频谱效率。     

基于互质阵列的运动单站信号直接定位方法

信号直接定位方法是一种新型无源定位体制,具有适应低信噪比、无需参数关联等优势。为适应复杂电磁环境,该文提出了一种基于互质阵列的运动单站信号直接定位方法。以典型窄带信号为例,该文首先构建了互质阵列截获信号模型,然后推导了其差分共性阵对应的等效信号数学模型,最后使用空间谱技术构建了直接定位代价函数,实现了定位。经仿真分析验证,采用相同互质阵列时,该方法在分辨率和精度稍有损失的情况下可大幅提升传统直接定位方法的自由度,且与基于均匀线阵的直接定位方法相比,该方法在自由度、分辨率和定位精度等方面都具有优势。     

电磁散射特征提取与成像识别算法综述

合成孔径雷达(SAR)图像的自动化解译是合成孔径雷达技术应用的重要发展方向之一。电磁散射特征与目标结构具有稳健的关联性,是SAR图像解译的关键支撑。近年来,如何准确地实现电磁特征提取以及利用电磁特征反演目标特性受到了广泛的重视。该文讨论了电磁特征提取和基于电磁散射特征识别方法的研究成果,总结归纳了其中的关键要素和主要思路,详述了电磁散射机理在成像和识别领域的扩展应用,展望了未来电磁散射特征提取与应用的研究发展趋势。