摘要：文中介绍了由中国科学院声学研究所和美国亚迪技术开发(上海)有限公司联合设计和制造的高分辨率测深侧扫声纳,它能够同时获得高分辨率的海底地形和地貌。该声纳由电子分机和分别安装在载体左右两侧的两条声纳阵组成,最大工作水深6 000 m。声纳阵由一条发射线阵和10条间距为λ/2的接收线阵组成,λ为声波波长,其中8条线阵接收声信号,两边的两条为哑元。声纳的多子阵海底自动检测-子空间拟合信号处理方法能克服水声信道多途和复杂海底的影响,正确检测到海底的直达回波。2003年11月和2004年7月,声纳在中国浙江千岛湖进行两次长时间的湖试,获得了高分辨率湖底等深线图和地貌图,正确检测出湖底边长为0.5 m立方体目标的高度。

摘要：介绍了我国自主设计和研制的深水声学拖曳系统,它的最大工作水深4 000m,安装有高分辨率测深侧扫声纳,可在近海底工作获得高分辨率的海底地形地貌和温盐深等数据。它的测深覆盖范围600m,侧扫覆盖范围800m,垂直航迹分辨率5 cm,最小可检测高度10 cm,测深分辨率高于目前的多波束测深系统。该系统已进行了湖试和海上锚泊试验。该系统的研制成功将对开展大陆架勘查,探测和开发国际海底资源发挥重要作用,拖曳系统中高分辨率测深侧扫声纳还可装船安装,在大陆架水域进行高分辨率海底地形地貌测绘。

摘要：针对边缘计算环境中参与联邦学习的客户端数据资源的有限性,同时局限于使用硬标签知识训练模型的边缘联邦学习算法难以进一步提高模型精度的问题,提出了基于知识蒸馏的边缘联邦学习算法。利用知识蒸馏对软标签信息的提取能够有效提升模型性能的特点,将知识蒸馏技术引入联邦学习的模型训练中。在每一轮的联邦学习模型训练过程中,客户端将模型参数和样本逻辑值一起上传到边缘服务器,服务器端聚合生成全局模型和全局软标签,并一起发送给客户端进行下一轮的学习,使得客户端在进行本地训练时也能够得到全局软标签知识的指导。同时在模型训练中对利用软标签知识和硬标签知识的占比设计了动态调整机制,使得在联邦学习中能够较为合理地利用两者的知识指导模型训练,实验结果验证了提出的基于知识蒸馏的边缘联邦学习算法能够有效地提升模型的精度。