侯艳丽 作品数:28 被引量:47 H指数:4 供职机构: 河北科技大学信息科学与工程学院 更多>> 发文基金: 河北省科技支撑计划项目 中国博士后科学基金 河北省自然科学基金 更多>> 相关领域: 电子电信 自动化与计算机技术 文化科学 生物学 更多>>
基于有限反馈的机会波束系统 2013年 针对目前机会波束系统中存在反馈量过多的问题,提出一种基于有限反馈的机会波束系统。设置反馈门限,当用户的接收信干噪比大于反馈门限时,对信干噪比进行量化,再将量化电平反馈给基站,否则无需进行量化和反馈。以吞吐量最大化为原则设定最佳反馈门限和量化电平,在瑞利块衰落信道中对系统进行仿真,并与传统机会波束系统比较,结果表明,该系统大大降低了反馈量。 胡佳伟 侯艳丽 米健关键词:机会波束 一种基于强化学习的信道决策方法 2025年 电磁环境的复杂多变对军用无线通信系统的抗干扰能力提出了更高的要求,传统的扩跳频抗干扰方式缺乏灵活性,难以抵挡动态变化的干扰信号。从抵抗动态干扰的需求出发,提出了基于改进Q-Learning的信道决策方法。在传统Q-Learning算法的基础上采用动态ε机制的动作选择策略,并设计了一种将误码率和能量消耗相结合的奖励函数。在固定模式干扰、扫频干扰、跟随式干扰下进行验证,仿真结果表明,所提算法能够较快速收敛,降低与干扰发生“碰撞”的可能性,有效地进行了干扰规避,适用于抗干扰动态决策。 侯艳丽 贾怡霈 崔惠敏关键词:无线通信 基于改进YOLOv5的PCB缺陷检测算法 被引量:6 2023年 针对目前大多数印刷电路板(printed circuit board, PCB)检测模型参数量大、不利于移动部署的问题,同时为了进一步提升检测精度,提出一种基于改进YOLOv5的轻量化缺陷检测算法。该算法使用ShuffleNetV2替换CSPDarkNet53,减少参数量;将普通卷积替换为鬼影混洗卷积(ghost-shuffle convolution, GSConv),提升网络的运行速度;采用内容感知特征重组模块(content-aware reassembly of features, CARAFE)替换最邻近上采样算子,在保证模型轻量化的同时充分利用特征语义信息,有助于提升精度;并且增加了小目标检测层和坐标注意力机制(coordinate attention, CA),以进一步提升算法对小目标缺陷的检测能力。实验结果表明,改进算法相较于YOLOv5,精度提升了0.91%,达到99.11%,召回率提高1.38%,参数量减少40%,检测速度达到74 fps,模型大小仅8.52 MB。该算法可以满足工业检测的要求。 侯艳丽 唐博华关键词:轻量化 基于IMPSiamCAR孪生网络无人机目标跟踪算法 被引量:4 2023年 针对无人机进行目标跟踪时,目标存在尺度变化大、易受遮挡、相似物干扰等问题,在SiamCAR的基础上提出IMPSiamCAR算法。该算法使用改进的ResNet50网络提取目标特征,引入通道注意力机制使模型学习不同通道的语义信息,按特征的重要程度为通道分配不同的权重,使算法能更加关注存在跟踪目标的区域;再将融合后的目标特征送入区域回归网络进行正负样本分类、中心度计算及边界框回归;最后得到每一帧中目标的位置。在UAV123与OTB100数据集上测试的实验结果表明,提出算法与对比算法相比,有更高的跟踪精度与成功率,能较好地应对遮挡、相似物干扰、尺度变化等挑战;并且在VOT2018和UAV123数据集上进行实时性测试的结果表明,所提算法可以满足无人机实时性的要求。 侯艳丽 王鑫涛 魏义仑 王娟关键词:目标跟踪 无人机 OFDM系统中一种低复杂度的TOA和DOA联合估计算法 被引量:3 2023年 针对正交频分复用(OFDM)系统利用求根多重信号分类(Root-MUSIC)算法进行到达时间(TOA)和波达方向(DOA)联合估计时,由于多项式求根过程中所求根为共轭对称形式存在计算冗余的问题,提出一种基于谱分解的TOA和DOA联合估计算法——SF-Root-MUSIC算法。该算法基于劳伦特多项式的结构特点,利用谱分解将求根多项式的阶次降低一半,降低了计算复杂度,完成独立的TOA和DOA估计,并通过构造代价函数进行参数配对,完成联合估计。仿真结果表明,SF-Root-MUSIC算法与Root-MUSIC算法具有相似的估计性能,且复杂度更低,在阵元数为12、子载波个数为512、快拍数为512时复杂度可降低69.94%,在保证精度的同时,以更低的复杂度实现TOA和DOA的联合估计,更适用于实时计算。 李铭 侯艳丽 苏佳关键词:波达方向 ROOT-MUSIC算法 谱分解 LR-YOLO:面向遥感图像的轻量级旋转目标检测算法 2025年 针对遥感目标图像检测中存在的小目标检测困难、尺度变化大、方向任意以及在小型设备中检测精度不足等问题,提出了一种基于改进YOLOv8的轻量型遥感图像旋转目标检测算法LR-YOLO(Lightweight Rotating-YOLO)。首先,利用结构重参数技术并加入EMA注意力机制设计特征提取模块C2f-RA,增强网络的特征提取和特征表达能力,有效过滤复杂背景噪声的干扰。其次,在网络架构中采用ADown下采样,在减少特征图的尺寸的过程中防止上下文信息丢失过多。最后,针对检测头分类和定位两个分支缺乏交互,导致预测不一致的问题,提出任务动态对齐检测头ETDA-Head,促进分类和定位任务间的协同作用,以提高网络模型的精度。实验结果表明,改进后的算法在DIOR-R数据集和HRSC2016数据集上mAP@0.5上较基准模型分别提升1.4%和1.6%,参数量减少56.25%,相较于代表性的RoI Transformer算法检测精度提高了16.9%。这表明LR-YOLO算法有效地提升了检测精度,并显著降低模型的复杂度,验证了其有效性。 苏佳 张柏杨 常永浩 侯艳丽 杨梦凡基于Efficientnet的红外目标检测算法 被引量:1 2023年 针对复杂场景下红外目标检测存在准确率低、召回率低的问题,为了提高红外图像中的小目标以及被遮挡目标的检测识别能力,提出基于Efficientnet的红外目标检测算法。首先,将高效轻量的Efficientnet作为模型的特征提取主干网,降低模型的参数量,提升训练速度。在Efficientnet主干网的最后一个输出层引入SPP模块,丰富特征图的表达能力,进行多尺度融合,扩大特征图的感受野;在模型特征融合部分,使用FPN特征金字塔网络,特征融合后增加CSPNet模块和ECA注意力机制,加强特征提取。检测部分使用YOLO Head,对目标进行分类和回归,并用CIoU Loss作为边界框回归损失函数,提高对被遮挡目标的识别能力。实验结果表明,基于Efficientnet的模型大小仅为YOLOv3的18.8%,并且在FLIR数据集上mAP达到80.74%,相比于YOLOv3算法提高10.12%,该模型在减少模型参数量的同时,提升了检测精度。该模型在FLIR数据集上具有良好的泛化能力,提高了对小目标和遮挡目标的检测能力。 侯艳丽 王娟关键词:红外目标检测 SPP 基于预编码的正交频分复用雷达通信一体化信号设计 被引量:8 2021年 针对正交频分复用(orthogonal frequency division multiplexing,OFDM)雷达通信一体化信号中的通信信息影响其探测性能的问题,提出一种基于预编码的OFDM雷达通信一体化信号形式。利用具有较好相关特性的伪随机序列对一体化信号的通信信息进行预编码,以提高一体化信号的模糊函数性能,进而提升其探测能力。特别地,选取m序列、gold序列和Kasami序列进行预编码,并分析了扩展因子的影响和这3种序列的特点和适用环境。仿真结果表明,取相同扩展因子时,分别采用这3种序列进行预编码,不同程度地增加了OFDM一体化信号的峰值旁瓣比,将提升OFDM一体化信号的目标检测能力。 侯艳丽 周安敉 郭鑫关键词:正交频分复用 模糊函数 伪随机序列 预编码 基于奥米亚棕蝇的测向天线阵列研究 被引量:5 2015年 目前的测向技术主要是采用天线阵列来接收信号,通过对接收到的信号进行后处理从而对目标实现测向。为了保证测向精度,天线阵元间需保持较大的间距,使得测向系统尺寸较大、集成度较低。奥米亚棕蝇(Ormia ochracea)听觉系统尺寸微小,能通过其双耳的耦合构造对微小的差异进行有效的放大进而实现寄主声源定位。将奥米亚棕蝇听觉系统的耦合结构引入到常规的测向天线阵,以便在天线间距很小时,放大天线接收信号的相位差,实现高精度的测向。设计适合的耦合网络,设置合理的参数,对不同频率、不同角度的入射波进行仿真,仿真结果表明,这种基于外部耦合网络的天线阵列在天线间距较小时能实现接收信号相位差的放大,验证了耦合网络的有效性。与传统的测向阵列相比,该测向结构具有微型化和集成化的特点。 胡佳伟 侯艳丽关键词:天线阵列 测向 基于遥感影像的自监督网络小样本耕地提取 2024年 现存的耕地提取方法存在信息提取不准确、边缘定位粗糙、需要大量数据样本等问题。为了解决上述问题,提高模型在小样本耕地的提取能力,提出了多尺度双边空间方向感知网络(MBSDANet),利用三角形自监督和边界感知损失对小样本耕地进行精细分割和提取。通过融合空间方向路径和多尺度感知路径的特征,获得充分的全局先验信息以及详细的耕地信息实现上下文关联。最后对丹麦和中国河北省的多分辨率遥感影像、复杂耕地进行提取测试以及小样本数据集测试,验证上述方法的有效性和泛化能力。结果表明,与其它的神经网络相比,MBSDANet获得了更高的精确度,精确率达到0.9481,IoU为0.8937,F1分数为0.9438。 侯卫民 王彦霞 刘峻滔 侯艳丽关键词:遥感图像