摘要：针对无线传感器网络中传感器节点能量有限、网络生存期短的问题,提出一种基于生物地理学算法优化K-means的无线传感器网络分簇路由算法BBOK-GA。成簇阶段,通过生物地理学优化算法改进K-means算法,避免求解时陷入局部最优。根据能量因子和距离因子设计了新的适应度函数选举最优簇首,完成分簇任务。数据传输阶段,则利用遗传算法为簇首节点搜寻到基站的最佳数据传输路径。仿真结果表明,相较于LEACH、LEACH-C、K-GA等算法,BBOK-GA降低了网络能耗,提高了网络吞吐量,延长了网络生存周期。

摘要：图像和视频是记录真实场景信息的重要媒介,它们包含丰富而详细的视觉内容,可以开发各种智能系统来执行各种任务。特别是对于低照度条件下的视频,提升其清晰度和细节可以更好地表现和还原真实场景。针对在夜间低照度环境条件下对周围环境感知的需求,提出一种基于多路光流信息时间一致性的微光视频增强算法。通过引入预测的光流与真实的光流信息,构建三分支孪生网络对微光视频进行增强;同时针对微光视频存在的低信噪比以及模糊化问题,设计一种基于双尺度注意力机制的微光视频去噪模块(CA-Swin模块),以提升网络的去噪性能。通过在DAVIS数据集上进行对比实验和评估,得出所提网络在增强微光视频方面更高效,鲁棒性显著;且该策略还具有通用性,可以直接扩展到大规模数据集。

摘要：智能干扰技术已成为认知电子战的重要研究方向。文中研究了对抗场景下最优干扰与有限资源分配的策略优化问题,通过设计一个可以自适应调整干扰策略的认知干扰器,选择出当前状态下最优的干扰参数,满足干扰资源分配的实时性和有效性需求。为了进一步降低干扰能耗,引入了干扰持续时间这一干扰参数,同时考虑了能量有限的约束条件。此外,为加快干扰机的学习速度,还提出了一种具有平行学习独立决策功能的深度强化学习干扰资源快速分配算法。仿真结果表明,所提算法能够在满足干扰效果的前提下,其干扰能量利用率和训练速度均优于其他的深度强化学习干扰算法,同时对比差距会随着干扰决策空间维度的增加而扩大。

摘要：人类注视行为作为一种非语言线索,对揭示人类意图起着重要作用,注视点检测在机器视觉领域已引起广泛关注。然而,现有方法多聚焦于图像的纹理信息提取,忽视了立体深度信息对注视点估计的重要性,难以应对纹理复杂场景。对此,提出了一种新的基于注意力机制和深度先验的注视点检测网络,包括面部视线方向预测与场景显著性检测两个阶段。在视线方向预测阶段,建立通道-空间注意力机制模块以重校准纹理特征,并设计头部位置编码分支,实现纹理和头部位置感知增强的高表征特征,以准确预测视线方向。进一步,提出将表征三维场景中立体或距离信息的深度作为先验引入到显著性检测阶段的策略,同时通过通道-空间注意力机制增强多尺度纹理特征,充分发挥深度几何信息和图像纹理信息的优势,提高注视点检测的准确性。实验结果表明,在两个权威数据集GazeFollow和DLGaze上与其他先进方法相比,该模型表现出显著的优越性。

摘要：在智能电网中,精确监测输电、配电及供电关键设备的运行状态对在线运维至关重要。面对人工抄录和巡检的低效,以及监测装置数字化升级的复杂安装、高成本和长周期等挑战,结合图像采集装置与图像处理技术,根据计算资源合理分配任务,开发了一种基于Light-Resnet数值识别算法,该算法通过D-Add损失函数优化网络训练过程,实现电力设备监测数据的远程读取。实验表明:Light-Resnet以6090的参数量在MNIST数据集获得了98.8%的严格准确率,结合边端协同机制,终端侧能耗降低了20.73%。这一算法不仅证明了自身在资源受限环境下的适应性和高效性,同时D-Add损失函数的设计也显著提升了网络的准确度。

摘要：硅基电子器件在高温、高功率、射频领域应用时面临热管理的挑战。为解决其散热和射频损耗问题,采用微转印技术在常温常压下将单晶硅薄膜转移至金刚石衬底上,制备出新型集成电路材料——金刚石上硅(SOD)。实验结果表明,转移的单晶硅薄膜表面平整、无明显损伤,保持了其原有的完整性。透射电子显微镜的观察结果进一步显示,金刚石与硅之间的界面结合紧密,不存在纳米级间隙。界面热阻测试结果显示,SOD样品的有效界面热阻(R_(EI))为30.30m^(2)·K/GW,明显优于SOI样品的R_(EI)(376.78m^(2)·K/GW)。该研究验证了SOD材料在热管理方面的潜力,也为未来新型硅基器件的设计与应用提供了参考。

摘要：协作智能是一种实现深度神经网络(Deep Neural Network,DNN)分布式部署的新范式,广泛适用于物联网系统视觉场景感知应用。在该范式中,DNN模型被划分为边缘子模型和云端子模型两部分,分别部署在移动边缘设备和云服务器上,由两者协作完成推理任务。协作推理过程中需要对边缘子模型生成的深度特征进行压缩,通过无线信道传输给云端子模型,以降低传输延迟和传输能耗。为了提高深度特征的压缩率,提出了一种基于轻量级卷积神经网络的深度特征压缩方法(LCFC)。该方法设计了一种简单高效的深度特征压缩器,它利用轻量级卷积神经网络和均匀量化器对深度特征进行通道维度压缩、空间维度压缩和量化,能显著提升深度特征的压缩率,减少用于传输深度特征所需的比特数。所提出的方法在CIFAR-100图像分类任务上进行了充分实验,实验结果表明,在保证推理精度退化小于1%的情况下,与基线方法相比,该方法将深度特征压缩率最高提升了31.5%。

摘要：本文设计了一种非对称双开口环超表面结构的狄拉克半金属太赫兹谐振器,并研究分析了结构参数与费米能级对共振幅度的影响。研究结果表明,随着对称缺损程度的增加,谐振器的共振峰逐渐红移,共振幅度呈现先增加再减少的趋势。随着狄拉克半金属材料费米能级的增加,谐振器的共振峰幅值增加。当费米能级在40-200meV时范围变化时,在0.38 THz附近实现了99.4%的幅值调制深度,在太赫兹波调控方面有很好的应用价值。

摘要：系统地研究了波长为 2 7μm的InGaAsSb AlGaAsSb多量子阱激光器中有源区的优化设计 .分别用含应变势的 6带KP模型和抛物带模型计算价带和导带的能带结构 ,并得到薛定谔方程和泊松方程的自洽解 ,由此计算量子阱在载流子注入时的增益谱 .研究表明制约量子阱增益的主要因素不是跃迁矩阵元 ,而是粒子数反转程度 ,尤其是空穴填充HH1子带的概率 .增加压应变或减小阱宽都会提高量子阱增益 .前者降低了价带HH1子带空穴的平面内有效质量 ;后者拉大了价带子带间距 ,尽管它同时略微增加了空穴有效质量 .这两种因素都导致价带顶空穴态密度的降低 ,提高了空穴在HH1子带的填充概率 ,最终提高了量子阱的增益 .所得结论与已有的实验报道相符 .

摘要：提出了一种基于砷化镓—集成无源器件(GaAs-IPD)工艺的宽带3dB功率分配器。使用多节级联以及集总参数等效的方法,实现了宽带小型化设计;使用RC串联隔离网络实现宽带内的高隔离性能。对提出的功分器进行了理论分析,并以20GHz为中心频率完成设计,电路尺寸为0.04λ0×0.053λ0,λ0为中心频率处的自由空间波长。经过测试,其相对工作带宽为80%,带内插损0.7dB,端口隔离高于20dB。测试结果与仿真结果保持了良好的一致性。