摘要:为推动第五代移动通信技术(5G)在高铁专用网络建设中的应用，本文以2.1 GHz频段下厦门北高铁站为研究场景，研究场景中立柱、股道、站台等物体带来的显著多径的空间域特征。通过射线跟踪(RT)仿真，获取高铁站场景下由发射机到接收机的多维度多径数据；基于K均值(K-means)聚类算法对多径信号进行分簇，提取和分析相关簇参数，完成高铁站场景簇延迟线(CDL)模型构建。据此得到高铁站场景收发机不同极化组合下多径的空间域信息，对铁路5G系统(5G-R)高铁站场景信道模型进行补充，服务于铁路5G专用移动通信系统的建设。

摘要:城市轨道交通是城市交通运力的主要承载系统之一，随着近年来智慧城市发展的需要越来越迫切，智慧城轨系统的设计、研究与优化也成为许多学者的研究方向和重心。智慧城轨系统要求列车具有智能算力，进而实现多种智能服务需求。由于列车的车载设备具有诸多限制，在其上部署高算力的计算机设备并不现实，故需引入其他设备为其提供算力支撑。本研究面向智慧城轨系统的特殊场景，基于5G和边缘智能，设计了一种面向智能任务的云边协同计算架构，并将该架构中资源分配的流程进行了数学建模，将其转化为最小化任务延迟的最优化问题。针对该最优化问题，本文采用离散随机逼近算法进行求解，以最小化智慧城轨系统的任务总处理延迟。仿真结果表明，该算法能够有效降低智慧城轨系统中的智能任务处理时延。

摘要:城市轨道交通对于缓解城市交通拥堵具有重要作用，城轨列车多车协同控制是近年来的研究热点。多车协同计算任务受通信的限制，存在资源分配平衡差、系统对环境变化响应慢、协同运行能力有限等问题。5G通信与移动边缘计算(MEC)的结合可有效改进任务处理的实时性与准确性，提高系统整体性能。本文设计了一种基于5G与MEC的城轨列车运行控制系统自主协同计算架构，根据多车协同控制任务的特征，将多车协同计算卸载中的边缘服务器选择问题建模为多臂匪徒(MAB)学习模型，并提出一种基于置信区间上限(UCB)算法的求解方案，使城轨列车多车协同控制系统的整体能耗和时延最小。仿真结果表明，本文所提出的算法模型在平均奖励、最佳选择概率、平均执行时延、加权总成本等方面具有显著的性能优势。

摘要:为帮助基于5G技术的铁路新一代移动通信(5G-R)系统在复杂铁路环境中确定基站间距，提出一种链路级传输速率仿真技术。该技术依托多种经验传播模型，获取电磁波在铁路沿线不同场景中的路径损耗，进而评估无线链路的参考信号接收功率(RSRP)。基于得到的RSRP数据，通过蒙特卡罗仿真方法计算链路级传输速率。仿真结果表明，对于开阔场景，基站间距可设置在2 000~3 000 m之间；在城市和复杂地形中，间距应缩短以维持性能。该技术能够反映5G-R系统在不同场景中的信号传输特性，包括不同基站间距下传输速率和RSRP的变化，为后续5G-R系统的基站部署规划提供了科学依据。

摘要:针对复杂光照环境导致的高铁扣件弹条缺陷检测困难问题，提出一种基于改进Faster R-CNN的弹条缺陷检测方法。通过多层卷积神经网络提取缺陷特征图，提高网络对缺陷特征的关注程度，降低对复杂光照环境干扰的影响；设计区域候选网络生成候选区域，并根据候选区域进行池化，在特征图中提取相对应的具体缺陷位置；利用区域候选网络的全连接网络层计算获得缺陷的具体类别与精确位置，得到最终的检测结果。所提算法可充分抑制光照环境干扰影响，显著增强缺陷特征的表征能力；简化了图像预处理环节，降低了对原始图像成像质量的要求。实验结果表明，所提算法能够实现对高铁扣件弹条缺陷的有效检测。与现有算法相比，具有较高的精确度和较强的鲁棒性，运算效率也得到显著提升。

摘要:噪声源是一种产生可控(频率及功率可控)噪声的装置，是器件研发环节中的重要工具。太赫兹噪声源在太赫兹器件噪声系数测试、星载微波辐射计标定、成像和波谱分析等方面具有重要的应用。本文系统地梳理了国内外太赫兹噪声源的发展及研究近况，分析了基于热力学、电子学和光子学太赫兹噪声源的技术特点，并对其未来发展方向进行了展望。

摘要:现有的无源超表面功能较为单一，为增加调控太赫兹波的灵活性，提出一种极化复用的反射型超表面。该超表面能够实现波束偏转、双焦点聚焦、聚焦涡旋和远场成像等多种功能。在1 THz频率下，通过x极化和y极化波的分别入射，该超表面成功产生2个偏转波束，并在焦平面上实现了双焦点聚焦。此外，该超表面在x极化和y极化波入射条件下，还分别实现了拓扑荷为l=+2的聚焦涡旋光束和远场成像。所设计的超表面显示出在不同极化波入射下灵活操纵太赫兹波的能力，展示了在太赫兹通信领域的潜在应用前景。

摘要:传感器优化部署问题是一个涉及传感器覆盖效果、用频冲突概率以及资源利用的多目标优化问题。现有的传感器优化部署方法大多采用加权方式，将多个优化目标转换为单目标进行求解。这种方法不仅依赖先验知识，还会导致最优解的多样性损失。对此，提出一种协同进化多目标粒子群优化(CoMOPSO)算法。设计了一种协同进化框架，通过收敛种群保证高维问题的收敛性，进而快速接近帕累托最优前沿；多样性种群使用??-支配方法保证全局和局部最优解集的完整和多样性；最后采用快速非支配排序和精英个体保留策略提高解的质量。实验结果表明，对于传感器优化部署问题，该方法的反世代距离(IGD)和M3*指标均优于传统优化算法，具有更好的收敛性和多样性，能有效提高传感器网络性能。

摘要:双星时差(TDoA)/频差(FDoA)定位因其只需利用2颗卫星便可对辐射源进行定位，成本和实现难度低于多卫星定位体制，实时性优于单卫星定位，更适合实际应用。为解决时频差方程解算过程中伴有的非线性最优化问题，提出一种改进粒子群算法(IPSO)；针对双星时频差定位系统采用牛顿算法定位精确度较高，但在实际定位中采用该算法存在目标位置初值设置的收敛盲区问题，提出基于改进粒子群-牛顿(IPSO-Newton)级联定位方法。利用IPSO算法获得可靠收敛的初定位值，并以此作为迭代初值；级联使用牛顿法进行定位，提高定位精确度并避免初值不收敛问题。仿真实验表明，所提算法比Newton法有效初始点选取成功率提高了48.15%，节省了计算量，提高了算法的计算效率。

摘要:常规的巡航导弹、空地导弹、制导炸弹3种导弹类目标的分类识别多依赖于目标的运动特性，往往利用目标的高度、速度等运动特征参数作为分类判决的依据，随着导弹武器研制技术的发展，单维度的运动特性已经无法满足精细化识别的需求。针对这一问题，设计了一种导弹类目标分类识别方法，通过融合目标运动特性和雷达截面积(RCS)序列特性，利用多特征层次化识别方法实现对3种导弹类目标的分类识别。仿真试验结果表明该方法对3种导弹目标的分类准确率优于95%，验证了该方法的有效性。

摘要:吸收边界条件是时域有限差分(FDTD)算法解决电磁计算问题的一种重要条件。对4种吸收边界方法：卷积完美匹配层(CPML)、表面阻抗吸收边界条件(SIBC)和2种媒介吸收体的原理进行推导，通过Matlab软件对FDTD算法进行编程计算。将4种方法用于微带低通滤波器和分支耦合器2个微带结构中，计算其反射系数。通过改变空气层厚度和迭代步长，4种方法均能得到正确的结果。对比分析4种吸收边界方法在2个模型中的计算时间、内存占用、误差百分比，可知SIBC占用内存最少，计算效率更高，误差百分比为1.63%。

摘要:研究了数控延时器(TTD)芯片的基础原理及其在相控阵天线中的作用，基于GaAs赝配高电子迁移率晶体管(PHEMT)工艺，设计了2款宽带毫米波TTD芯片，改善宽带雷达的大扫描角度带来的波束空间指向色散问题。通过微波在片测试系统对两款系统所需的延时器芯片进行测试，结果显示，在32~40 GHz范围内，阵元级λ/64(5.625°)步进6位数控延时器的64态芯片插入损耗小于19 dB，64态延时相位误差为-2°~9°，插损波动小于±1dB，延时调节范围为0.446~28.125 ps(5.625°~354.375°)，全态输入输出驻波均小于1.5；子阵级0.25λ步进4位数控延时器的插入损耗小于12 dB，16态延时相位误差小于±12°，插损波动小于±1dB，延时调节范围为7.142~107.148 ps(0.25λ~3.75λ)，全态输入输出驻波均小于2.0；阵列级1λ步进3位数控延时器的插入损耗小于14 dB，8态延时相位误差小于-10°~22°，插损波动小于±1 dB，延时调节范围为28.57~200 ps(1λ~7λ)，全态输入输出驻波均小于1.8。这两款产品具有高频率、超宽带、大延时和小尺寸等优点，成功用于有源相控阵天线中。

摘要:针对非协作通信中的码元速率估计问题，提出了基于经验模态分解的码元速率估计算法。算法通过对信号的瞬时幅度做低阶的经验模态分解(EMD)，找到包含码元速率信息的本征模态分量；再通过谱线检测得到码元速率的估计。该算法可以通过频率的分离有效降低干扰对估计性能的影响，提高估计精确度。仿真结果表明，该算法可在低信噪比条件下，直接从频带信号中获得对码元速率的估计。

摘要:近年来，深度学习方法已广泛用于信号处理领域并获得了良好的效果。深度学习方法可利用专家设计的神经网络模型从海量信号数据中自动获取有用的信号特征，但人工设计深度神经网络模型仍是一个耗时且易出错的过程。为此，提出一种基于渐进式神经架构搜索的自动调制分类(AMC)方法。该方法可根据特定调制分类任务自动设计网络结构，并通过遵循最大化模型性能的搜索策略获得最优的轻量级深度神经网络。仿真结果表明，与基于深度学习的调制分类方法相比，本文提出的方法可在无需人工设计神经网络的情况下，且在低参数量和浮点运算下实现最优的调制分类准确率，其平均识别准确率可达92.82%。

摘要:由于开放性源码造成数据暴露，传统方法无法阻断被攻击数据包传递，导致数据无法自主防御。为此设计了基于Snort的网络链路数据篡改自主防御系统。使用数据包嗅探器捕捉Snort的报文，并通过信息解码模块将分层译码整合成文本信息，通过网络将其发送至系统数据库中，处理大信息量警报数据并进行存储记录；构建基于Snort的网络纵深防御模型，实现对篡改攻击实时探测和自动截获。根据网络中信息包传递特性，计算不同节点间传输距离，确定防御节点位置。推导链路层数据受到篡改攻击时数据传输路径，构建数据篡改自主防御函数，实现数据的自主防御。采用小波去噪数据处理技术，获得时序数据；利用小波逆变换重构，得到去噪后的数据，完成数据篡改自主防御系统设计。由实验结果可知，该系统网络链路数据安全传输密度高，最大密钥恢复成功率可达98%，具有较强的鲁棒性。

摘要:针对视频序列中外观变化、背景杂波和严重遮挡等因素导致的目标跟踪精确度低的问题，提出一种新型的双阶段自适应跟踪模型。该模型包含目标检测和边界框估计2个阶段：在目标检测阶段，模型对目标进行粗略定位；在边界框估计阶段，精确确定目标位置。为应对视频场景复杂性及小目标跟踪的挑战，采用了多特征融合技术构建丰富的目标表示。实验结果表明，与在线和实时跟踪(SORT)、Tracktor++、FairMOT、Transformer等模型相比，本模型表现出最优的综合性能，有效平衡了计算速度与跟踪精确度之间的关系，展现出良好的应用潜力。