123,123,123

基于改进U-Net的多尺度层级融合去雾网络[其他][其他]

计算机视觉任务中，雾霾的存在会导致图像出现质量下降问题，现有的去雾方法因全局与局部特征协同建模不足及多尺度雾浓度自适应处理欠缺，常出现去雾残留和色彩失真。基于改进UNet的多尺度层级融合去雾网络以多尺度输入捕获层级特征，结合分层次特征融合优化信息传递。相邻层嵌入特征增强块自适应聚焦关键区域，跨层交叉融合实现多尺度互补，促使网络内部信息充分流动。实验表明，该方法在合成与真实数据集上均优于对比方法，尤其在细节恢复、色彩保真和真实场景泛化性方面表现突出。

發(fā)表于：2025/11/25 下午3:58:35

AI大语言模型的数据安全风险与治理措施[人工智能][信息安全]

随着AI大语言模型的迅猛发展，其在为各领域带来创新机遇的同时，也引发了诸多数据安全风险。深入剖析AI大语言模型所面临的数据安全风险，包括数据泄露、数据滥用、数据偏见等方面，并针对性地提出一系列治理措施，旨在为构建安全可靠的AI大语言模型应用环境提供全面的理论依据与实践指导，促进该技术在合法合规且安全的轨道上持续发展。

發(fā)表于：2025/11/25 下午3:50:12

一种针对垂类模型的综合成效评测框架[人工智能][信息安全]

针对垂类模型在评测实践中存在的评价维度单一、缺乏领域适配性以及方法碎片化等问题，提出了一套综合成效评测框架。该研究旨在通过标准化方案解决技术研发与产业应用之间的“评价断层”，为垂类模型的开发、部署和监管提供科学依据。研究方法包括构建以安全合规、技术性能和应用价值为核心的多维指标体系，并配套设计评测数据集构建策略与混合评测方法，后者融合了自动化测试、人工评估和大模型作为裁判的评估手段。研究结果形成了一套结构化的评测体系，涵盖评价对象分类、指标定义和方法实施，能够实现对不同类型垂类模型的全面、可比较评估。结论表明，该框架有助于提升评测的客观性和可操作性，推动垂类模型在关键领域的可信赖应用，未来需通过实践验证和动态优化以适应技术发展。

發(fā)表于：2025/11/25 下午3:39:13

英文语言大模型特定文化改造方法研究[人工智能][信息安全]

大语言模型的迅猛发展已成为人工智能领域的显著趋势。然而，目前领先的大语言模型多基于英文，直接将其应用于特定文化领域下的任务时存在局限，如特定领域知识不足和文化价值观差异导致的误解。为应对这一挑战，提出了一种针对特定文化背景下大模型的快速改造方法，该方法基于特定文化知识能力和安全价值观数据进行指令微调。以中文为特定文化背景，选用LLaMA38B英文大模型作为实验对象，评估结果显示，改造后的大模型在保持原有领域知识优势的同时，显著增强了在特定领域下的知识能力和安全价值观适应能力。

發(fā)表于：2025/11/25 下午3:32:13

基于同态加密的AI模型参数安全计算与防泄露方法[人工智能][信息安全]

随着人工智能在医疗、金融等敏感领域的广泛应用，模型参数与训练数据的隐私保护成为关键问题。提出一种基于同态加密（HE）的AI模型参数安全计算与防泄露方法，采用CKKS方案在密文空间中实现参数加密、前向推理与梯度更新，避免了训练过程中明文暴露的风险。结果表明，HESGD在MNIST上最高准确率达99.1%；在计算开销上，实现了效率与安全性的平衡，信息泄露风险指数接近0.0。研究表明，该方法在保持模型精度的同时，实现了高效安全计算与近乎零泄露风险，具有较强的应用价值。

發(fā)表于：2025/11/25 下午3:13:00

领域大语言模型的内容安全控制研究[人工智能][信息安全]

随着大语言模型在非通用领域中的广泛应用，其在知识管理、决策支持和安全信息交流等方面展现出巨大潜力。然而，这些领域具有高度的专业性和敏感性，在特定场景下确保输出内容的安全性与合规性是主要挑战。现有方法主要依赖模型的重新训练或微调，成本高且灵活性不足。提出了一种无需重新训练模型的精细化输出控制方法，将输出控制抽象为分类问题，利用分类算法对生成内容进行判断，决定是否输出。该机制结合数学建模与特征工程，力求在满足业务需求的同时，最大限度地减少潜在风险，提升输出的安全性与合规性。

發(fā)表于：2025/11/25 下午3:05:16

基于多域特征的雷达有源干扰信号智能识别[通信与网络][通信网络]

现代雷达系统面临的干扰信号呈现出多样化、动态化的特点，传统干扰信号识别方法在复杂场景下性能严重受限。据此，提出一种基于多域特征的雷达有源干扰信号智能识别方法。首先，设计出雷达有源干扰在时域、频域、变换域的多维特征，作为信号差异性表征的基础；然后，利用主成分分析方法在降维上的优势，提取出最具代表性和区分度的特征子集；最后，结合随机森林模型，自动挖掘数据特征，实现有源干扰的分类识别。仿真结果表明，所提方法具有较高的识别准确率和较低的计算复杂度，适应于实际复杂场景下的雷达有源干扰识别。

發(fā)表于：2025/11/14 下午3:59:22

基于自注意力1dCNN的雷达目标识别方法及教研系统设计[人工智能][通信网络]

雷达目标识别是实现对环境态势感知的重要技术手段，随着人工智能的快速发展，深度学习已成为雷达目标感知领域的主流研究方法。首先介绍了基于编码-解码网络的信号增强方法，该方法结合雷达目标物理模型可实现对含噪信号的准确特征保持和信号恢复。进一步，提出了一种基于自注意力一维CNN（Self-attention 1dCNN， S-1dCNN）的雷达目标识别方法，该方法利用一维卷积神经网络对雷达目标回波信号进行特征学习，有效挖掘距离维的目标支撑区结构信息，所提方法结合自注意力机制，关注与目标结构信息相关的特征，提升所学特征的表征能力，进而提升模型的目标识别性能。基于五类实测民航飞机目标回波数据的实验结果表明，信号增强模型可以准确地去除噪声且保持目标结构特性，将信号增强后的信号输入所提S-1dCNN模型中，具有较高的识别准确率。同时，基于MATLAB工具设计了基于雷达目标识别可视化界面的教研系统，包括数据预处理和识别算法等模块，实现多功能操作交互。该软件将抽象算法转为可视化流程，可以提升雷达目标识别课程教学的效果。

發(fā)表于：2025/11/14 下午3:52:05

航向信标辐射场中障碍物影响分析与布局优化[模拟设计][航空航天]

随着机场扩建工程的持续推进，机场周边障碍物对仪表着陆系统（ILS）电磁环境的干扰问题日益凸显。其中，障碍物引起的反射和绕射信号对航向信标（LOC）辐射场的干扰尤为显著，严重影响了航向信标系统的导航稳定性和精度。针对这一问题，基于射线追踪算法，系统分析了障碍物引起的反射信号和绕射信号对LOC辐射场的影响机理。通过建立双频12单元LOC阵列模型，并结合机场跑道周边存在障碍物的典型场景，构建了信号传播模型，重点研究了反射信号与绕射信号对调制度差（DDM）的干扰特性。研究结果表明，在特定位置必须建设专用障碍物的工程场景下，通过优化障碍物反射面与跑道之间的空间几何关系，可有效抑制对LOC辐射场产生显著干扰的信号分量。该研究成果为解决实际工程中特定区域LOC辐射场的多径干扰问题提供了新的技术途径。

發(fā)表于：2025/11/14 下午3:44:01

一种Ku频段高性能低成本低噪声放大器[微波|射频][通信网络]

设计了一种低成本Ku频段两级低噪声放大器，基于GaAs未匹配塑封管芯，采用表贴组装工艺，在单层双面高频印制板上实现了高性能低噪声放大功能。放大器在设计中采用了全局优化方法，包括波导探针过渡结构、最佳噪声和共轭匹配网络、偏置电路以及稳定性改善单元等多个设计维度相互之间的迭代优化。通过加工测试，该放大器工作频率覆盖10.7 GHz~12.7 GHz，带内噪声系数优于0.82 dB（含波导过渡），带内小信号增益大于17 dB，带内增益平坦度优于+/-0.45 dB，输入输出端口驻波比优于1.7。全套电路尺寸为24 mm×17 mm，生产成本低于60元，适用于Ku频段卫星通信地面设备的射频前端中。

發(fā)表于：2025/11/14 下午2:59:01