摘要：为了提高轻型卷积神经网络(CNN)在遥感图像(RSI)场景分类任务中的精度,该文设计一个双注意力(DA)与空间结构(SS)相融合的双知识蒸馏(DKD)模型。首先,构造新的DA模块,将其嵌入到ResNet101与设计的轻型CNN,分别作为教师与学生网络;然后,构造DA蒸馏损失函数,将教师网络中的DA知识迁移到学生网络之中,从而增强其对RSI的局部特征提取能力;最后,构造SS蒸馏损失函数,将教师网络中的语义提取能力以空间结构的形式迁移到学生网络,以增强其对RSI的高层语义表示能力。基于两个标准数据集AID和NWPU-45的对比实验结果表明,在训练比例为20%的情况下,经知识蒸馏之后的学生网络性能分别提高了7.69%和7.39%,且在参量更少的情况下性能也优于其他方法。

摘要：海浪、船舶尾流以及海洋生物游动与呼吸等原因会导致海水中存在大量的气泡,气泡群带来的散射效应对光信号的水下传输具有重要影响,但典型的水下无线光通信信道模型一般不考虑气泡群带来的负面效应。为了进一步完善传统的水下无线光通信信道模型,本文利用Mie散射理论分析海水中的微气泡及微气泡群光散射特性,基于蒙特卡洛法建立包含气泡散射的复合海水信道模型,分析不同海水水质、气泡密度、链路距离等参数条件下接收端的光学特性和信号特性。结果表明:当链路距离为5 m时,随着气泡密度的增大,接收端光斑的弥散程度加剧,其面积可增至初始大小的3~5倍,中心能量也显著降低,最多可降至最大值的0.5%;当链路距离为10~40 m时,气泡群的存在以及链路距离的增长会导致接收端第一次接收到光子的时间延长约10~200 ns,且使脉冲展宽值增大;当链路距离为2~10 m时,气泡群密度的增大最多可使归一化接收功率降低至初始值的0.004%,但随着水质的恶化,其他粒子含量提高,气泡群对接收功率的影响逐渐减小。该研究可以为水下无线光通信系统的设计和理论分析提供参考。