摘要：在新时代发展理念的指导下,深化产教融合、产学研结合、校企合作是高等教育特别是应用型高等教育发展的必由之路。我国高等院校的教学改革不断深入,校企合作成为我国高等教育发展的重要战略之一。校企协同是我国现代高校教学改革、创新和发展的新方向,也是落实人才战略的有力举措,能够拓宽校企合作渠道,丰富校企合作内涵。以西安电子科技大学与飞腾信息技术有限公司产学合作育人项目为例,从“加强合作深度,优化资源共享;推进创新实践训练,提升学生应用能力;组织红色主题活动,开展筑梦之旅”等方面,结合案例进行有效分析,为大学生创新创业教育校企合作模式研究提供了理论与实践参考。

摘要：针对无人机集群编队自组网的可靠性评估问题,考虑无人机集群编队在执行任务时对信息交互的时效性需求,提出一种自组网可靠性评估方案.首先,分析消息传输的可用时间;其次,通过排队论建立消息传输延迟模型以计算消息传输所需时间;然后,以消息传输所需时间小于可用时间的概率作为评估指标建立消息传输可靠性计算模型,进而为无人机集群编队提供一个动态可靠性评估框架以适应集群编队体系配置和环境变化的随机性与时变特性;最后,仿真分析在不同传输任务需求下,编队构型、无人机数量、编队缩放因子、传输速率、信息交互强度以及环境干扰对消息传输可靠性的影响.仿真结果可以为集群编队的队形设计以及集群编队的体系配置提供一定参考依据.

摘要：调频连续波(frequency modulated continuous wave,FMCW)合成孔径雷达(synthetic aperture radar,SAR)降低了传感器的峰值传输功率,使系统的重量和成本最小化,被广泛应用于机载平台。将双基地构型与FMCW技术相结合,应用于星载平台,即构成星载双基地FMCW SAR。本文对距离多普勒(range-Doppler,RD)算法进行改进,建立起一种高性能的适宜星载双基地平台的FMCW SAR成像频域算法,这种算法的处理精度明显提高,成像效果更好。基于多核数字信号处理器(digital signal processor,DSP)构建适用于星载双基SAR成像算法的并行处理架构,完成软硬件设计实现。验证了所提软件架构可以满足实时成像需求,以及算法工程化实现的可行性。

摘要：语义通信为通信系统优化和性能提升提供了新的研究角度,然而,目前语义通信的研究忽略了通信开销的影响,未考虑语义通信性能和通信开销的关系,导致带宽资源受限时语义通信性能难以提升。为此,针对带宽受限场景,提出一种基于信息瓶颈的语义通信方法。首先,该方法采用Transformer模型进行语义和信道联合编解码,并设计特征选择模块以识别和删除冗余语义信息,构建了端到端语义通信模型;进而考虑语义通信性能与通信开销之间的折衷关系,基于信息瓶颈理论设计损失函数,在保证语义通信性能的同时,降低通信开销,完成语义通信模型的训练和优化。实验结果显示,在欧洲议会平行语料库上,与基线模型相比,所提方法在保证通信性能的同时可降低约20%~30%的通信开销,在相同带宽条件下该方法的BLEU分数可提升约5%。实验结果表明,所提方法可以有效降低语义通信开销,从而提升带宽资源受限场景下的语义通信性能。

摘要：针对目标识别场景下的无人机集群协同任务分配问题,建立了以识别代价和识别收益为目标的优化模型,设计了基于分解的多目标差分进化算法求解该模型。首先,提出了精英初始化方法,在保证所得非支配解分布均匀的基础上,筛选初始解以提高解集的质量;其次,结合模型特性构造整数编码下的多目标差分进化算子,提高算法的收敛速度;最后,设计了带限制的禁忌搜索策略,使得算法具有跳出局部最优的能力。该算法为问题的求解提供一组非支配解集,使得可以根据实际需求选择更加合理的最优解。通过上述方法获得分配方案后,基于拍卖算法设计任务重分配策略,进一步调整分配方案,以应对无人机损毁的突发情况。仿真实验验证了所提算法在求解小、中、大规模任务分配问题上的有效性。相比于其他算法,文中算法所得非支配集具有更高的质量,可以消耗更少的识别代价来获取更高的识别收益,说明算法具有一定的优越性。

摘要：在无标识随机接入中,基站只需要恢复各个活跃设备发送的数据,而不需要识别活跃设备的信息。这使得大量活跃设备可以在无需事先请求资源的条件下,随时接入基站,从而极大地降低信令开销和传输时延,成为近期的研究热点。目前的研究大都采用基于前导序列来设计的随机接入方案,但这类方案在活跃设备数改变时的鲁棒性较差,且不能充分利用信道带宽,导致活跃设备数较大时系统性能较差。针对这一问题,提出一种叠加导频传输方案来提升信道利用率,并通过最优功率分配进一步提升不同活跃设备数下的系统性能,使系统在活跃设备数变化时具有良好的鲁棒性。在该方案中,首先将需要发送的消息序列的前B p个比特做为索引,选择一对导频序列和交织器。然后,利用选中的交织器对消息序列进行编码、调制和交织,并将选中的导频序列与交织后的调制序列进行叠加来得到发送信号。针对该传输方案,提出基于最小错误概率的功率优化方案来得到不同活跃设备数下的最优功率分配比例,设计了叠加导频检测消除和多用户检测译码的两阶段检测方案。仿真结果表明,叠加导频传输方案可以使基于前导序列的无标识随机接入方案和基于前导的稀疏无标识随机接入方案的性能分别提升约1.6~2.0 dB和0.2~0.5 dB,可以灵活地改变所能承载的活跃设备数量,并具有较低的译码复杂度。

摘要：在多智能体信息交互过程中,由于通信带宽有限,需要减少资源消耗。对此,提出了一种基于通信链路感知的动态事件触发控制方案。考虑到触发条件中信道容量的影响,设计了链路感知的一致性触发机制。该机制的触发频率可随通信资源的变化而智能调节。在通信网络带宽状态一般时,降低触发频率可减少网络中的通信量;在通信网络带宽性能较好时,增加触发频率可加快系统的收敛速度。此外,为增加系统的可扩展性,引入了具有有限稳定耦合增益的自适应控制协议,使得控制策略不需要使用网络拓扑相关的全局信息。基于稳定性定理对多智能体系统的一致性进行了推导,并通过正下界法证明了系统不存在Zeno行为。仿真结果表明,所提的通信链路感知动态事件触发机制可在通信资源和收敛速度之间起到调节作用,有效提升系统网络带宽的利用率。

摘要：联邦学习是一种隐私保护的分布式机器学习框架,可以让各方参与者在不披露本地数据的前提下共建模型.然而,联邦学习仍然面临拜占庭攻击和用户隐私泄漏等威胁.现有研究结合鲁棒聚合规则和安全计算技术以同时应对上述安全威胁,但是这些方案难以兼顾模型鲁棒性与计算高效性。针对此问题,本文提出一种抗拜占庭攻击的隐私保护联邦学习框架SecFedDMC,在保护用户数据隐私的条件下实现高效的拜占庭攻击检测与防御.基础方案FedDMC采用“先降维后聚类”的策略,设计了高效精准的恶意客户端检测方法.此外,该方法利用的随机主成分分析降维技术和K-均值聚类技术主要由线性运算构成,从而优化了算法在安全计算环境中的适用性。针对基础方案存在的用户数据隐私泄露问题,提出了基于安全多方计算技术的隐私增强方案SecFedDMC.基于轻量级加法秘密分享技术,设计安全的正交三角分解协议和安全的特征分解协议,从而构建双服务器模型下隐私保护的拜占庭鲁棒联邦学习方案,以保护模型训练和拜占庭节点识别过程中的用户隐私.经实验验证,SecFedDMC在保护用户隐私的前提下,可以高效准确地识别拜占庭攻击节点,具有较好的鲁棒性.其中,本方案与最先进的鲁棒联邦学习算法相比,在CIFAR10数据集上,拜占庭攻击节点检测准确率提升12%~24%,全局模型精度提升4.45%~18.48%,计算效率提升33.21%~47.31%.

摘要：该文研究了复杂环境条件下重大活动安保区域的电磁安全协同压制技术问题。首先采用了城市环境电波传播模型,建模分析了城市复杂电磁环境的特征。其次,针对高效电磁压制与有效避免有害干扰问题,利用势博弈方法设计电磁压制设备协同部署算法,基于此,提出了基于遗传算法的压制设备功率优化方法,实现了电磁压制设备协同工作下干扰功率的高效投送。仿真结果表明,所提出的电磁压制设备位置部署算法可获得与理论最优方法(即遍历算法)近似的优异性能,且运算复杂度更低;在保证相同干扰效果下,所提功率优化算法相较于传统干扰功率分配方法的传输功率降低了50%以上,实现了精准协同管控。

摘要：在制造业中,对工人工作姿势进行人体工程学评估对于预防肌肉骨骼疾病(MSD)是一项重要的工作。针对传统MSD评估方法存在的虚拟人作业姿态调整真实性不足、调整效率低等问题,提出一种虚拟人作业姿态的仿真方法。首先,建立了基于6D旋转的虚拟人骨架模型;其次,设计了一种基于编码器-解码器架构,使用循环神经网络(RNN)和注意力机制(AM)的虚拟人关节旋转生成模型,对虚拟人各关节姿态进行求解;然后,基于平衡性方法对虚拟人姿态生成进行迭代,生成虚拟人搬运姿态;最后,根据快速上肢分析(RULA)得分对姿态进行筛选,得到虚拟人最终姿态。所提方法生成的虚拟人作业姿态与作业人员实际操作姿态平均关节角度的误差为5.79°,RULA得分准确率为85.4%,表现出较好的实用性。