- 博客(955)
- 收藏
- 关注
RSS订阅原创 收放系统变深声纳（VDS）
下面按主题列出一些“直接相关”的英文/中文学术文献与报告（含题名、作者、年份/期刊），方便你在 Scholar/WOS 中用题名或作者组合检索。这些系统可覆盖低频（LF）、中频（MF）、高频（HF）声纳，并适配从快速巡逻艇到驱逐舰的平台。四、学术文献线索汇总（可在 Google Scholar / WOS 等库中检索）4.4 中文核心/学位论文与专利（可在 CNKI/万方/专利库中检索）2.4 张力稳定/运动补偿（CTS / Heave / 运动补偿）三、应用平台与频段（LF/MF/HF VDS）
2026-04-07 17:34:56
122
原创 双蒙皮声纳导流罩（Sonar Domes）技术情报报告
声纳导流罩（Sonar Dome）是安装在舰艇艏部或潜艇前端的流线型外壳，用于保护声纳换能器阵列，同时确保声学性能和水动力性能。现代声纳导流罩采用双蒙皮结构（Double-Skin Design），兼顾结构强度、轻量化、声学透明性和维护便捷性。
2026-04-07 16:10:33
632
原创 变深声纳（VDS）收放系统技术情报报告
变深声纳（Variable Depth Sonar, VDS）是现代反潜战（ASW）的关键传感器技术，通过将声纳拖体部署到舰艇下方一定深度，避开表层温跃层和舰艇自噪声，实现对常规潜艇的有效探测。VDS收放系统是确保声纳拖体安全部署、精确定位和可靠回收的核心机械系统。
2026-04-07 16:02:22
6
原创 拖曳阵声纳系统技术开源情报（OSINT）综合分析
本报告基于印度国防研究与发展组织（DRDO）海军物理与海洋ographic实验室（NPOL）发布的ALTAS技术转让文件，结合全球开源情报，系统分析了拖曳阵声纳（Towed Array Sonar, TAS）的关键技术、开源实现、学术前沿和商业系统。情报显示，现代拖曳阵声纳技术正向双/多静态作战人工智能信号处理无人系统适配和开源仿真工具方向发展。
2026-04-07 14:29:04
17
原创 柯蒂斯-赖特拖曳阵声纳处理系统（TAHS）技术报告
柯蒂斯-赖特防务解决方案部（Curtiss-Wright Defense Solutions）通过其业务部门，在全球拖曳阵声纳处理系统（Towed Array Handling and Stowage Systems, TAHS）市场占据主导地位。自1951年成立以来，Indal已积累超过50年的水下传感器处理系统工程经验，其产品被加拿大、英国、荷兰、韩国等多国海军采用。
2026-04-07 14:14:01
8
原创 柯蒂斯-赖特防务解决方案声纳技术体系综述
柯蒂斯-赖特公司通过其业务部门，在水下传感器处理领域拥有超过50年的工程经验。公司提供的声纳技术涵盖拖曳阵声纳处理系统（TAHS）、变深声纳（VDS）收放系统、舰壳声纳导流罩、TRAPS拖曳式主/被动声纳系统，以及配套的信号处理嵌入式计算平台。这些产品构成了从传感器收放、信号采集到实时处理的完整水下声学作战体系，广泛应用于反潜战（ASW）、水雷对抗（MCM）和无人系统（USV）等领域。关键词：拖曳阵声纳；变深声纳；TRAPS；反潜战；无人水面艇；声纳导流罩。
2026-04-07 13:59:51
4
原创 自主实验室与自动化实验技术手册
进程分为计算进程（CalcJob）与函数进程（CalcFunction），前者封装外部科学软件（如VASP、Quantum ESPRESSO、GROMACS）的执行，后者表示Python函数的数据流转换。软件复杂度随级别指数增长，Level 4系统需整合自然语言处理（文献解析）、深度学习（假设生成）与约束满足问题（CSP）求解器，处理不完全信息下的规划与调度。：实现SDL自主级别分类系统（Level 0-5），支持硬件与软件维度的二维评估，包含不同级别对应的执行策略与闭环控制逻辑。
2026-04-06 22:46:56
118
原创 4.2.2 纯主动学习(Pure Active Learning)
State \Comment{步骤1：计算集成后验方差} \State V←∅∣U∣ \Comment{方差数组} \For{x∈U } \Do \State preds←{fθm(x)}m=1M \State fˉ←M1∑preds \State σepistemic2←M1∑(fθm(x)−fˉ)2 \State σaleatoric2←M1∑σmodel2(x;其中 Kij=k(xi,xj) 为格拉姆矩阵，k∗=[k(x∗,x1),…
2026-04-06 22:46:05
107
原创 主动学习与贝叶斯优化 4.1.2 采集函数策略
多目标贝叶斯优化目标为识别帕累托前沿，即不存在其他分子在所有目标上均更优的解集合。理论分析表明，当 β=2log(6δ∣X∣π2t2) 时，UCB策略以高概率累积遗憾界为 O(TγT) ，其中 γT 为信息增益的最大值。通过重参数化技巧 f(i)=μ(xi)+σ(xi)ϵi 其中 ϵi∼N(0,1) ，qEI梯度通过自动微分计算，支持基于梯度的离散空间投影优化。：实现约束贝叶斯优化，将合成可及性（SAscore）作为不等式约束，使用约束采集函数（CEI）确保推荐分子的可合成性。
2026-04-06 22:39:24
279
原创 4.2 生成式主动学习(Generative Active Learning, GAL)
其中 $\mathcal{H}(\lambda) = (1-\lambda)\mathcal{H}_{\text{decoupled}} + \lambda\mathcal{H}_{\text{coupled}}$ 为 alchemical 变换的哈密顿量。(3) 更新训练集 $\mathcal{D}_{\text{train}} \leftarrow \mathcal{D}_{\text{train}} \cup \{(s_i, \Delta G_i)\}$；分子生成问题形式化为序列决策过程。
2026-04-06 22:37:29
301
原创 化学AI：主动学习与贝叶斯优化技术手册
设 T 个相关任务（靶标），每个任务拥有数据集 Dt={(xti,yti)}i=1nt。其中 uq(x)∼GP(0,kq) ，系数 atq 构成任务混合矩阵 A∈RT×Q。Morgan指纹结合Tanimoto核构建结构-活性关系模型，核矩阵计算利用指纹稀疏性优化，仅非零维度参与点积运算，复杂度由 O(d) 降至 O(nnonzero)。其中 k∗=[k(x∗,xi)]i=1n。其中 Z=(μ(x)−fbest)/σ(x) ，Φ 与 ϕ 为标准正态分布函数与密度。
2026-04-06 22:16:43
285
原创 3.2 三维坐标直接生成 3.2.1 坐标序列化方法
三维分子与晶体结构的生成长期以来依赖于简化的字符串表示法（如SMILES或SELFIES），这些方法虽有效却丢失了原子空间排布的几何信息。近期研究表明，语言模型可直接作用于原始化学文件格式的文本序列，实现三维结构的端到端生成。XYZ、CIF与PDB作为化学信息学的标准文件格式，其文本本质为序列建模提供了天然基础。以原子符号与笛卡尔坐标为核心，结构简洁；（Crystallographic Information File）包含晶格参数、对称操作与原子分数坐标，适用于周期性晶体系统；
2026-04-06 19:09:16
577
原创 3.1 自引用嵌入字符串(SELFIES) 3.1.3 生成应用
双向自回归Transformer（BART）架构为分子生成任务提供了序列到序列（Seq2Seq）建模的完整框架。与仅依赖编码器的BERT类模型不同，BART通过编码器-解码器结构实现了双重能力：编码器以双向注意力机制捕获输入分子的完整上下文表征，解码器则以自回归方式生成目标序列。这种架构天然适配分子优化任务——输入为源分子结构，输出为经修饰的优化分子。SELF-BART架构继承BART的去噪自编码器目标，但采用SELFIES作为序列表示以确保生成分子的100%有效性。编码器由12层Transformer层构
2026-04-06 18:06:05
334
原创 3.1 自引用嵌入字符串(SELFIES) 3.1.2 SELFIES语言模型实战
分类任务包括BACE（β-分泌酶1抑制剂结合）、BBBP（血脑屏障穿透性）、HIV（HIV复制抑制）、SIDER（药物副作用，27类标签）、Tox21（毒性，12靶点）；然而，在小样本高维任务（如SIDER的多标签分类）上，SELFIES的语法稳健性提供更可靠的表征。：提供下游任务微调流水线，实现Scaffold分割策略确保骨架层面的分布外泛化评估，包含SIDER多标签分类与BBBP二分类任务的专用数据加载器、评估指标计算，以及SELFIES与SMILES的系统性对比框架（含统计显著性检验）。
2026-04-06 16:37:41
350
原创 【生成式AI与分子设计】2.3.2 逆合成 AI 工具链
DeepRetro 框架代表了逆合成规划从基于模板的专家系统向基于大语言模型（LLM）的生成式推理的范式转变。该框架将逆合成任务重构为序列到序列（Seq2Seq）的生成问题，利用预训练语言模型对分子 SMILES 表示的语法理解能力，通过自回归方式生成前体分子序列。：基于 Transformer 架构，通过注意力机制捕捉分子结构中的远程依赖关系，生成候选前体集合。：对生成的候选进行多维度可行性检验，包括反应规则一致性、立体化学保持性以及官能团兼容性。：根据验证反馈调整生成策略，实现探索与利用的权衡。
2026-04-05 22:10:23
16
原创 【多模态表示与语言模型】3.1 自引用嵌入字符串（SELFIES）
语义约束机制通过，用户可以定义规则向量 $\Lambda_i$，针对每种原子类型 $T_i$ 指定：最大价态 $D_i = \max\text{deg}(T_i)$允许的键型（单键、双键、三键）电荷范围Python# 示例：定义超价硫（S=6）特殊原子类型支持金属有机化合物：Fe, Co, Ni 等过渡金属的配位键表示。同位素标记：如[13CH1]。自由基与部分电荷：通过[CH0+1]等符号表示。非标准价态：如五价碳（碳正离子）或超价磷。与 SMILES 的互操作边界。
2026-04-05 22:07:00
113
原创 【 可合成分子生成】2.3 可合成分子生成
合成可及性评估是连接计算分子设计与实验合成的关键桥梁。在基于人工智能的分子生成模型中，算法能够创造出大量新颖的化学结构，然而这些虚拟分子往往缺乏合成可行性的考量。合成可及性评估通过量化分子从基础原料出发经过化学反应步骤构建的难度，为计算设计提供实验可实现性的约束条件。以及三大范式。
2026-04-05 21:59:27
106
原创 第二十章 可解释性人工智能（XAI）的高阶前沿
形式上，对于分类器 $f: X \to Y$，输入 $x$ 的预测为 $y = f(x)$，反事实 $\mathbf{x}_{cf}$ 满足：。对于特定概念 $C$，收集该概念的正例集 $P_C$ 与负例集 $N_C$，在网络第 $l$ 层的激活空间 $h_l(x) \in \mathbb{R}^d$ 中训练二分类器：。其中 $\alpha$ 控制概念移除强度，$\beta$ 控制类别翻转目标。其中 $f_l(x)$ 为输入 $x$ 在第 $l$ 层的激活，$h_{l,k}$ 为第 $k$ 类的逻辑单元。
2026-04-05 21:43:54
102
原创 第十九章 声纳AI的对抗鲁棒性与安全防御
水下作战场景的电磁静默性使得声学传感器成为态势感知的核心依赖，但这种依赖性也催生了针对声纳 AI 系统的对抗攻击面。与光学成像不同，水声信道的多径传播、频率选择性衰落与换能器的有限带宽为对抗扰动引入了物理层约束，数字域生成的对抗样本在经水声信道传输后可能发生失真，导致攻击成功率下降。物理可实现的对抗攻击框架通过将水声物理模型嵌入对抗优化过程，生成能够容忍信道畸变的鲁棒对抗样本；而相应的防御体系则通过对抗训练提升模型鲁棒性，并利用随机平滑技术提供可证明的鲁棒性边界。
2026-04-05 21:41:10
258
原创 第十八章 海底底质智能反演的多分支物理先验网络
多任务输出层同时预测底质类别概率分布 $\mathbf{p} = [p_{silt}, p_{clay}, p_{gravel}]$ 与物理参数回归值 $\mathbf{y} = [c_p, \rho, \alpha]^T$。：小波变换的高频子带生成空间注意力图 $\mathbf{A}_{wavelet} \in \mathbb{R}^{H \times W}$，增强网络对地质边界与散射异常区域的聚焦能力。：编码声波衰减系数 $\alpha(f_L)$ 与底质声速 $c_p$ 的映射关系。
2026-04-05 21:36:49
256
原创 第十七章 声学情报（ACINT）的大语言模型（LLM）增强解析
现代水下作战的决策周期正从人工判读声纳显示屏转向认知自动化。线谱分析（LOFAR）图谱承载的调制特征、谐波结构与多普勒频移蕴含平台类型、航速与战术意图的丰富语义，但传统基于模板的专家系统难以处理非平稳海洋信道引入的谱畸变与从未见过的目标特征组合。大语言模型（LLM）通过预训练获得的广阔世界知识与强大的上下文推理能力，为跨越底层信号处理与高层战术语义间的鸿沟提供了新的认知接口。
2026-04-05 21:29:18
257
原创 第十六章 面向边缘部署的声纳模型量化与神经架构搜索
极低比特表示框架通过任务驱动的混合精度分配、声学特征敏感的正则化约束与硬件感知架构协同优化，在模型压缩率与水下检测精度间建立可配置的帕累托前沿。深度可分离卷积将标准卷积分解为深度卷积（单通道空间滤波）与点卷积（跨通道线性组合），计算复杂度由 O(Cin⋅Cout⋅K2⋅H⋅W) 降至 O(Cin⋅K2⋅H⋅W+Cin⋅Cout⋅H⋅W)。声纳波束形成后的复数回波经包络检波转换为图像，其灰度直方图服从瑞利分布与对数正态分布的混合模型，传统均匀量化忽略该统计特性导致有效量化电平利用率低下。
2026-04-05 20:49:36
312
原创 第十五章 条件正规化流（CNF）的AUV风险敏感路径规划
在深海作业场景中，自主水下航行器（AUV）面临感知退化的本质困难。多波束前视声纳的波束扩散与吸收效应导致探测范围受限，惯性导航系统（INS）的累积漂移随任务时长指数增长，加之海流扰动的时空非定常特性，传统确定性占据网格难以刻画环境认知的置信度。概率占据补全框架通过生成式建模，将部分观测扩展为未探测区域的多模态概率分布，为风险敏感决策提供不确定性量化基础。
2026-04-05 20:48:53
335
原创 【YOLOv11】Research on object detection andrecognition in remote sensingimages based on YOLOv11论文复现
70,389个样本，涵盖20个类别（高尔夫球场、车辆、收费站、火车站、烟囱、储油罐、船舶、港口、飞机、网球场、田径场、水坝、篮球场、服务区、体育场、机场、棒球场、桥梁、风车、立交桥）。在包含多目标、动态静态混合、遮挡重叠的复杂场景（如港口、机场、高速公路）中，模型通过C2PSA注意力机制和全局上下文建模，有效抑制背景噪声，保持高置信度和稳定检测能力。：飞机（0.985）、网球场（0.979）、船舶（0.966）、篮球场（0.948）等，具有规则形状、明确边界、与背景对比强烈的特点。
2026-04-05 10:46:59
328
原创 Budget Forcing：通过截断与扩展控制推理深度
Budget Forcing代表了从训练时缩放向推理时缩放零参数更新：无需重新训练模型即可调整推理深度精确可控：通过简单的token计数实现计算预算的硬约束自我纠错："Wait"机制诱导模型进行反思与修正自适应预算分配：根据问题难度动态调整预算（如DAST方法）多模态扩展：UniT框架已将Budget Forcing扩展到图像生成轮次控制与SSM深度融合：利用Mamba的线性复杂度实现超大规模推理扩展。
2026-04-04 21:28:34
8
原创 o1-like推理模型：通过延长思维链实现深度推理
这类模型的核心突破在于：通过强化学习（RL）直接激励模型在推理阶段生成更长的思维链（Chain-of-Thought, CoT），将计算资源从训练阶段"转移"到推理阶段。：AutoDrive-R²在VLA（Vision-Language-Action）模型中引入物理约束的GRPO训练，使模型在轨迹规划中展现出四阶段自我反思能力，包括运动建模验证和物理一致性检查。这一发现验证了"大模型探索，小模型利用"的范式——通过RL让大模型自主发现推理模式，再通过监督学习将模式迁移到计算受限的小模型。
2026-04-04 21:26:06
127
原创 Mamba架构详解：超越Transformer的线性复杂度序列建模
然而，传统SSM（如S4、S5）作为线性时不变系统（LTI），在处理离散、信息密集的数据（如文本、DNA序列）时表现不佳，缺乏基于内容的推理能力。通过引入**选择性状态空间（Selective State Space）**机制，首次在保持线性复杂度的同时，实现了与Transformer相媲美的内容感知能力，成为首个真正挑战Transformer霸权的基础架构。：在法律文本（ECtHR、EUR-Lex）和病例法检索中，SSD-Mamba在保持3倍吞吐量的同时，准确率超越DeBERTa和Longformer。
2026-04-04 21:22:47
108
原创 使用YOLOv26深度学习框架进行实时番茄（Lycopersicum esculentum）成熟度分类
背景：番茄成熟度通过颜色变化来识别，但人工采摘往往不够准确。基于人工智能的视觉系统，特别是YOLO等深度学习模型，能够提高检测和采摘效率。目的：在自动化番茄采摘中，成熟果实的准确分类和定位对于高效采摘作业至关重要。本研究旨在建立基于YOLOv26深度学习的实时检测框架，用于自动化番茄成熟度分类，以支持机器人采摘应用。目标是实现高检测准确率，并在不同光照条件下保持稳定的性能。研究设计：采用实验研究设计，包括数据集准备、模型开发、训练、验证和实时田间评估。
2026-04-04 21:13:52
24
原创 YOLOV26 AutoFormBench：自动化表单理解的基准数据集
由于真实场景中遇到的布局可变性程度很高，政府表单、医疗记录和企业发票等结构化文档的自动处理仍然是一个持续的挑战。本文介绍了AutoFormBench，这是一个包含407份标注真实表单的基准数据集，涵盖政府、医疗和企业领域，旨在训练和评估表单元素检测模型。我们系统地比较了经典OpenCV方法与四种YOLO架构（YOLOv8、YOLOv11、YOLOv26-s和YOLOv26-l），用于在不同类型PDF文档中定位和分类可填写表单元素，特别是复选框、输入线和文本框。
2026-04-04 21:09:43
283
原创 【声纳与人工智能融合——从理论前沿到自主系统实战（进阶篇）】第十五章 条件正规化流（CNF）的AUV风险敏感路径规划
设未探测区域的占据状态为隐变量 $\mathbf{x} \in \{0,1\}^{N_{unknown}}$，条件信息 $\mathbf{c}$ 包含声纳边缘特征、海流模式与地形先验。时空图通过边属性 $e_{ij} = (\phi_{ij}, \tau_{ij}, \rho_{ij})$ 编码环境动态与物理约束：$\phi_{ij}$ 为基于声纳占据概率的边通过代价，$\tau_{ij}$ 为边穿越时间，$\rho_{ij}$ 为惯导漂移累积的不确定性度量。：Python 3.8+，依赖。
2026-04-04 17:02:42
289
原创 【声纳与人工智能融合——从理论前沿到自主系统实战（进阶篇）】第十四章 多基地声纳的异步数据融合与属性推理
根据声学散射理论，刚性球体的 RCS 与半径 $a$ 满足 $\sigma \propto a^6$（瑞利区）或 $\sigma \propto a^2$（光学区），这种幂律关系约束嵌入空间的结构。构建属性嵌入空间 $\mathcal{A} \subset \mathbb{R}^d$，其中基向量对应可解释的物理属性：目标长度 $L$、材质声阻抗 $Z$、回转半径 $a$ 等。设发射站 $T$ 于时刻 $t_k^T$ 发射探测脉冲，经目标反射后被接收站 $R$ 于时刻 $t_k^R$ 捕获。
2026-04-04 17:02:00
291
原创 【声纳与人工智能融合——从理论前沿到自主系统实战（进阶篇）】第十三章 多智能体强化学习（MARL）的水声网络跨层优化
其中 $T_k(\cdot)$ 为 $k$ 阶 Chebyshev 多项式，$\tilde{\mathbf{L}} = \frac{2\mathbf{L}}{\lambda_{max}} - \mathbf{I}$。其中 $\mathcal{N}_i(t)$ 为节点 $i$ 的一跳邻居集合，$\alpha_{ij}$ 为链路质量权重，$E_j(t)$ 为邻居节点剩余能量，$I(\cdot)$ 为指示函数。分布式执行者网络 $\pi_{\theta_i}(a_i | o_i)$ 由每个节点独立维护。
2026-04-04 16:58:29
387
原创 【声纳与人工智能融合——从理论前沿到自主系统实战（进阶篇）】第十二章 神经-卡尔曼滤波与声学SLAM
其中 $\mathbf{x}_k \in \mathbb{R}^n$ 为状态向量，$\mathbf{u}_k$ 为控制输入，$\mathbf{z}_k$ 为观测向量，$\mathbf{w}_k$ 与 $\mathbf{v}_k$ 分别为过程噪声与观测噪声。其中 $\rho_k$ 为声学测距值。其中 $\mathbf{X}$ 为 AUV 轨迹，$\mathbf{L}$ 为声信标位置地图，$\mathbf{z}_i$ 为声学观测，$\mathbf{u}_k$ 为 IMU 测量。
2026-04-04 16:56:24
379
原创 【声纳与人工智能融合——从理论前沿到自主系统实战（进阶篇）】第十一章 针对拖曳阵列的对比学习与自噪声抑制
将阵列接收数据构建为图结构 $\mathcal{G} = (V, E, \mathbf{A})$，其中顶点集 $V$ 对应各阵元接收通道，边集 $E$ 表征通道间相关性，邻接矩阵 $\mathbf{A} \in \mathbb{R}^{M \times M}$ 量化频带内协方差关系。的后置滤波网络，利用自注意力机制捕获波束域序列的长时程依赖。其中 $P$ 为传播路径总数，$A_p(t)$ 为第 $p$ 条路径的时变衰减系数，$r_p(t)$ 为对应路径长度，$c$ 为水中声速，$f_c$ 为载波频率。
2026-04-04 16:53:43
390
原创 【声纳与人工智能融合——从理论前沿到自主系统实战（进阶篇）】第六章 旋转等变Transformer与声纳目标检测
为构建深度可旋转特征提取器，向量神经元卷积层（VN-Conv）将传统卷积核 W∈RCout×Cin×k×k 重新参数化为 W∈RCout×Cin×3×k×k。对于每个边界框参数，输出维度为 3K ：K 个均值 {μk}k=1K ，K 个方差 {σk2}k=1K ，以及 K 个对数权重 {logπk}k=1K。确定性边界框回归难以表征预测的不确定性。其中 K 为混合分量数，πk 为混合权重满足 ∑k=1Kπk=1 ，μk 与 σk 分别表示第 k 个分量的均值与标准差。
2026-04-02 22:46:03
14
原创 【声纳与人工智能融合——从理论前沿到自主系统实战（进阶篇）】第七章 声纳基础模型与提示学习
7.1 海洋声学大模型的预训练范式7.1.1 声纳图像掩码自编码器的大规模无监督预训练策略掩码自编码器通过随机遮蔽输入图像的高比例区域并重建原始像素，迫使模型学习高效的视觉表征。对于声纳图像，其特性在于高频纹理细节与低频阴影结构的耦合分布。给定声纳图像 x∈RH×W×C ，遮蔽掩码 m∈{0,1}H×W 以比例 r 随机采样，遮蔽区域满足 ∑i,jmi,j=r⋅H⋅W。可见区域 xvisible=x⊙(1−m) 输入编码器 E ，生成潜在表征 z=E(xvisible)。
2026-04-02 22:45:00
12
原创 【声纳与人工智能融合——从理论前沿到自主系统实战（进阶篇）】第八章 声纳NeRF与三维高斯溅射重建
其中 δj=sj+1−sj 为区间长度。第 i 段对回波强度的贡献为权重 wi=Ti(1−exp(−σiδi)) ，最终渲染强度为加权和 I^=∑i=1Nwi⋅ci ，ci 为第 i 段的反射强度。对于距离 R 处的采样点，其声线权重由波束方向图 B(θ,ϕ) 决定，其中 θ 为偏离法向的极角，ϕ 为方位角。其中 s 为沿声线的弧长参数，σ(t) 表示声吸收与散射造成的能量损失系数，分母 s2 体现球面扩散损失，B(θs) 为波束方向图权重，指数项表示往返双程衰减。
2026-04-02 22:44:16
12
原创 第十章 水下阵列信号处理的图神经网络（GNN）
模拟8元阵列在非刚性形变（正弦弯曲）条件下的信号接收，构建动态图结构（节点为阵元，边权重融合几何距离与信号相干性），通过GAT学习阵元间注意力系数实现自适应加权。在线学习框架下，GAT参数与图结构同步更新。对于阵元 i 与 j ，欧氏距离 dij=∥pi−pj∥2 决定相位延迟 ϕij=λ2πdij ，其中 pi∈R3 为阵元三维坐标，λ 为波长。：对数空间谱（dB），展示GAT在阵列形变下仍保持低旁瓣（约-20dB），而DSB旁瓣电平升高（约-10dB），验证图神经网络的抗弯曲鲁棒性。
2026-04-02 22:43:40
154
原创 【声纳与人工智能融合——从理论前沿到自主系统实战（进阶篇）】第九章 面向物理空间分辨率的声纳扩散超分辨
降采样图像的IRW扩展至原始高分辨率图像的4倍，SGM重建通过恢复高频方位向相位历史，将IRW压缩至接近衍射极限理论值。对比图显示降采样输入的模糊点目标与重建结果的尖锐冲激响应，验证模型在缺失75%方位向采样数据条件下的超分辨能力。对方位向降采样4倍的低分辨率SAS图像，加载预训练的条件去噪网络，通过逆向SDE采样恢复高分辨率细节。方差保持SDE（VP-SDE）设定 f(xt,t)=−21β(t)xt ，g(t)=β(t) ，时间依赖的噪声调度 β(t) 控制扰动强度。
2026-04-02 22:42:32
9
原创 第五章 认知声纳波形设计的强化学习求解
环境建模为简化的水声多径信道，状态包含信道估计的置信度与历史波形性能，动作空间为连续三维波形参数（带宽、脉宽、调频斜率）。部分可观测马尔可夫决策过程（POMDP）通过信念状态（belief state）bt(s)=P(st=s∣o1:t,a1:t−1) 维护状态不确定性。马尔可夫决策过程（MDP）形式化定义为五元组 (S,A,P,R,γ) ，其中状态空间 S 表征信道观测历史与当前环境认知，动作空间 A 定义波形参数的可行域。其中 B 为带宽（Hz），T 为脉宽（s），K 为调频斜率（Hz/s）。
2026-04-02 21:52:17
10
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人