123,123

一種低軌衛(wèi)星網(wǎng)絡中編隊組網(wǎng)路由算法研究[通信與網(wǎng)絡][5G]

低軌道分布式衛(wèi)星網(wǎng)絡作為6G通信技術(shù)的重要組成部分，可以實現(xiàn)高速傳輸和低延時的通信，可以滿足6G通信技術(shù)的高速率和低延時的需求。針對低軌道分布式衛(wèi)星網(wǎng)絡的組網(wǎng)方法進行了研究，對衛(wèi)星網(wǎng)絡的路由算法進行了歸納總結(jié)，提出一種基于帶寬和延遲聯(lián)合的路由選擇算法，并實現(xiàn)了三種不同的路由選擇算法，發(fā)現(xiàn)各算法性能差異明顯。實驗結(jié)果表明基于帶寬和延遲聯(lián)合算法在選擇最佳路徑的同時，能夠更好地平衡網(wǎng)絡的負載和減小時延，提高衛(wèi)星網(wǎng)絡的傳輸效率。

發(fā)表于：2024/7/25 16:20:00

面向船舶通信應用場景的5G小基站覆蓋方案設(shè)計與驗證[通信與網(wǎng)絡][5G]

隨著5G設(shè)備部署密度逐步增大，5G大時代來臨，單純從增加宏基站部署的角度來看，成本價格太高，另一方面，5G toB、toC個性化需求逐步增加。針對5G頻段上移、穿墻能力減弱、個性化要求的問題，5G一體化小基站應運而生，并在補盲、補熱范疇作用逐步提升。針對水上作業(yè)通信困難的問題，提出了一種新型基于CPE的組網(wǎng)方案，該方法安裝便捷、價格低廉，極大滿足用戶需求，可大范圍推廣。

發(fā)表于：2024/7/25 16:10:00

改進自適應加權(quán)的海面目標距離測量和跟蹤[通信與網(wǎng)絡][通信網(wǎng)絡]

海上目標距離探測和跟蹤是海洋安全和軍事應用中的關(guān)鍵任務之一，針對復雜海面環(huán)境在海雜波等影響因素下目標距離測量精度低的問題，提出了一種改進的多傳感器數(shù)據(jù)融合算法。該算法利用海面艦船雷達及陸地雷達聯(lián)合探測結(jié)果，先對多個數(shù)據(jù)源數(shù)據(jù)進行坐標系轉(zhuǎn)換，利用Robust Z-score方法進行縱向數(shù)據(jù)預處理剔除異常數(shù)據(jù)，再通過重新定義置信距離度量，將置信度較高的傳感器結(jié)果代替被踢除數(shù)據(jù)后，對結(jié)果進行自適應加權(quán)融合。同時，為了進一步提高數(shù)據(jù)精度，引入了一種分段融合機制，將改進的傳感器數(shù)據(jù)融合算法與階梯式自適應加權(quán)融合算法進行級聯(lián)，通過度量各分段融合結(jié)果的相似度，設(shè)定一個置信閾值，通過該置信閾值確定最終的融合結(jié)果。仿真實驗結(jié)果證實了算法的有效性和準確性。

發(fā)表于：2024/7/25 16:00:00

改進轉(zhuǎn)移概率矩陣的三維交互式跟蹤模型算法[通信與網(wǎng)絡][通信網(wǎng)絡]

由于現(xiàn)有的簡單的轉(zhuǎn)移概率矩陣會導致跟蹤精度不高，復雜的轉(zhuǎn)移概率矩陣會導致跟蹤時間過長，難以滿足三維空間中機動目標跟蹤要求。針對轉(zhuǎn)移概率矩陣的設(shè)計問題，從機理分析入手，提出了一種基于隸屬度函數(shù)的模型轉(zhuǎn)移概率矩陣設(shè)計方法，并對三維交互式多模型算法進行了改進完善。仿真結(jié)果表明，依據(jù)隸屬度函數(shù)修正轉(zhuǎn)移概率矩陣的方法有效提高了三維機動目標的跟蹤精度。

發(fā)表于：2024/7/25 15:50:00

有偏量測下基于最大相關(guān)熵卡爾曼濾波的目標跟蹤方法[通信與網(wǎng)絡][通信網(wǎng)絡]

針對傳感器存在系統(tǒng)偏差且噪聲非高斯條件下目標狀態(tài)估計精度較差的問題，提出一種有偏量測下基于最大相關(guān)熵卡爾曼濾波（Maximum Correntropy Kalman Filter， MCKF）的目標跟蹤方法。該方法通過引入差分機制，利用目標相鄰時刻的有偏量測之差構(gòu)建差分量測方程，有效克服了系統(tǒng)偏差的影響。隨后基于最大相關(guān)熵準則（Maximum Correntropy Criterion， MCC）量化估計誤差的高階矩信息，并以差分量測為先驗條件推導出有偏量測下算法的濾波迭代方程。仿真結(jié)果表明，當系統(tǒng)觀測值受傳感器系統(tǒng)偏差和非高斯噪聲干擾時，與現(xiàn)有方法相比，所提方法具有更好的跟蹤性能。

發(fā)表于：2024/7/25 15:40:00

機動目標跟蹤時滯問題分析[通信與網(wǎng)絡][通信網(wǎng)絡]

機動目標跟蹤結(jié)果在時間軸上的滯后問題是當前機動目標跟蹤領(lǐng)域的一大難點。產(chǎn)生時滯的情況很多，一般在跟蹤初期和發(fā)生較大機動的時間段內(nèi)尤為明顯，常常會因此出現(xiàn)誤差高峰。如果能有方法抑制或者消除時滯現(xiàn)象，將能顯著提高跟蹤效果。從仿真實驗的結(jié)果和現(xiàn)象入手，結(jié)合卡爾曼濾波理論、交互式多模型算法和現(xiàn)代神經(jīng)網(wǎng)絡模型對時滯問題進行剖析，根據(jù)跟蹤各個階段情況的變化，分析時滯產(chǎn)生的不同原因，并提出可能的解決方法，以期為提高機動目標跟蹤效果提供參考。

發(fā)表于：2024/7/25 15:30:00

過程論視野下的算法裁量：形成機理、現(xiàn)實困境和法治路徑[其他][信息安全]

算法在行政裁量領(lǐng)域中的廣泛應用，形成了一種新型的算法裁量模式，與此同時，亦帶來諸多法治挑戰(zhàn)，有必要對其形成機理、現(xiàn)實困境和法治路徑展開研究。在形成機理方面，基于法律與事實的交織構(gòu)造，算法裁量的產(chǎn)生得益于法律的代碼化以及技術(shù)對事實的豐富處理。從過程論視角，對其進行“接收-處理-輸出”階段性劃分，針對性地逐一釋明不同階段所存在的數(shù)據(jù)質(zhì)量問題、算法黑箱、算法歧視問題?；诖?，有必要從范圍限定、程序約束及權(quán)利保障三個方面進行過程性的法律控制，從而推動算法裁量的法治化實踐。

發(fā)表于：2024/7/2 14:14:12

數(shù)據(jù)知識產(chǎn)權(quán)登記對象研究[其他][信息安全]

發(fā)表于：2024/7/2 14:14:11

網(wǎng)絡犯罪抽樣取證的實踐困境與完善[通信與網(wǎng)絡][信息安全]

信息網(wǎng)絡時代，網(wǎng)絡犯罪的海量證據(jù)引發(fā)證明困難的司法困境，抽樣取證規(guī)則為化解網(wǎng)絡犯罪海量證據(jù)取證困境提供了有益探索。然而抽樣取證在實踐中仍存在取證標準不明晰、取證程序設(shè)計不足、取證范圍寬泛、被追訴人權(quán)利保障不健全等困境。對此，需要明確抽樣取證的標準；程序設(shè)計上，需要從主體權(quán)限、審批程序、構(gòu)建類型化抽樣方法體系、非法抽樣證據(jù)排除角度進行完善；同時需要對抽樣取證的案件范圍、證據(jù)范圍、程序范圍進行必要限縮；最后需要從知情權(quán)、參與權(quán)、異議權(quán)等角度加強被追訴人救濟權(quán)保障。

發(fā)表于：2024/7/2 14:14:10

從失范到規(guī)范：生成式人工智能的監(jiān)管框架革新[人工智能][信息安全]

生成式人工智能在技術(shù)變革下引發(fā)的失范性風險，對既有人工智能監(jiān)管框架提出了挑戰(zhàn)。從底層技術(shù)機理出發(fā)，可知當前生成式人工智能呈現(xiàn)出“基礎(chǔ)模型-專業(yè)模型-服務應用”的分層業(yè)態(tài)，分別面臨算法監(jiān)管工具失靈、訓練數(shù)據(jù)侵權(quán)風險加劇、各層級間法律定位不明、責任界限劃分不清等監(jiān)管挑戰(zhàn)。為此需以分層監(jiān)管為邏輯內(nèi)核，對我國既有人工智能監(jiān)管框架進行革新。在監(jiān)管方式上應善用提示工程、機器遺忘等科技監(jiān)管工具；在責任劃定上應進行主體拆解與分層回溯，從而規(guī)范“基礎(chǔ)模型-專業(yè)模型-服務應用”的分層監(jiān)管框架，以期實現(xiàn)有效監(jiān)管，促進生成式人工智能的高質(zhì)量發(fā)展。

發(fā)表于：2024/7/2 14:14:09