订阅最新相关文献

针对现有自动调制识别模型参数量大且抗干扰能力不足的问题,文中提出一种融合U-Net信号去噪与旋转位置编码的轻量化自动调制识别网络.首先,设计复数域U-Net编解码架构,通过残差学习实现对输入信号的端到端噪声抑制,其对称收缩-扩张路径可分离噪声与信号的时频能量分布,增强关键特征、抑制干扰;随后,提出面向I/Q信号的旋转位置编码策略,利用正余弦函数的正交性构建相位敏感的位置嵌入矩阵,增强模型对载波频偏和相位噪声的鲁棒性;进一步,构建多尺度特征融合机制,通过二维卷积网络提取相位信息和局部空间特征;再结合旋转位置编码的位置感知Transformer捕获长程时序依赖,并利用门控循环单元实现跨尺度特征交互,增强模型对调制模式的判别能力;最后,使用全连接层对提取的特征进行分类.实验结果表明:在RML2016.10A和RML2016.10B数据集上,所提模型平均识别准确率分别达到62.20%和64.84%,较基准模型IC-AMCNet提升2.50%～5.26%,模型参数量约为IC-AMCNet的6.9%.理论分析与消融实验验证了U-Net去噪与RoPE的协同效应,为轻量化调制识别模型设计提供了新的技术路径.

The global antimicrobial resistance(AMR)crisis,fueled by the cross-border dissemination of antibiotic resistance genes(ARGs),poses a critical and escalating threat to public health.Migratory birds,with their extensive mobility and broad ecological connectivity,effectively bridge human-influenced and natural ecosystems,thereby playing a key role in the worldwide circulation of ARGs.While significant advances have been made in detecting ARGs in birds and tracing their links to anthropogenic sources,research remains fragmented:birds are often regarded merely as passive samplers,without due consideration of the mechanistic processes through which ARGs are acquired via avian traits,evolve within gut microbiomes,and are disseminated across continents through migratory networks.This review synthesizes current evidence to position migratory birds not only as global vectors but also as evolutionary incubators of ARGs.Integrating ecological,microbiological,and One Health perspectives,we delineate the pathways of bird-mediated ARG transmission across multiple scales—from molecular events within the avian gut and individual-level traits,to population-level migratory networks,and up to global flyways.A particular focus is placed on the gut microbiome,where mobile genetic elements(MGEs)serve as crucial drivers of ARG reassortment,stabilization,and horizontal transfer,thereby bridging micro-scale genetic mechanisms with macro-scale ecological spread.Looking forward,we recommend future studies to quantify ARG fluxes at key stopover sites,clarify the role of under-represented migratory taxa,and develop predictive frameworks that integrate avian movement ecology with resistome surveillance.We advocate for integrated One Health strategies and propose the Flyway-Node-Resistome(FNR)Framework as a basis for future research and transnational governance,aimed at mitigating AMR spread while conserving migratory bird populations.

面向开放域、缺乏任务特定标注的数据场景,为提升无监督事件抽取中触发词与论元抽取的稳定性与完整性,提出一种基于规则和统计学习的开放域事件抽取(RSL-ODEE)模型.基于事件语义学构建开放域事件模式(ES-ODES),将事件形式化为由触发词及主体、客体、时间、空间、工具、频度、度量等要素构成的结构化语义单元,以增强抽取过程的可解释性与跨领域泛化能力;在此模式指导下,构建融合触发词识别、抽象语义表示(AMR)语义图论元搜索与开放域机器阅读理解(MRC)论元矫正的无监督事件抽取模型,实现论元抽取、补全与断裂合并.结果表明:在中文突发事件语料库(CEC)事件提取数据集上,该方法在事件触发词与事件论元抽取的 F1 值分别仅比最优的有监督模型低 10.9%与 17.5%,具有可比较性与竞争力;在无监督条件下,引入事件语义学并结合 AMR 的结构性论元抽取与 MRC 的补全纠错能力,可有效缓解论元缺失与断裂问题,从而提升开放域事件抽取效果.

针对现有事件图构建由于AMR全图解析复杂或仅事件类型嵌入不足的问题,提出一种基于自适应对比融合事件图的事件抽取模型ACFGEE.通过结合BERT和GCN的多源事件编码层,对句子与简单事件图信息进行编码嵌入,获得句子语义和融合角色信息的事件语义;通过事件图注意力对比融合层,使得句子信息能充分融合简单事件图中信息;利用一阶段解码层同时实现触发词和论元识别,减少多阶段解码的误差传播;通过自适应损失加权层动态调整对比融合学习损失与一阶段解码损失,实现多任务学习的自适应优化.实验结果表明,ACFGEE在公开数据集FewFC和DuEE上,其触发词识别、触发词分类、论元识别和论元分类4个任务上的F1值分别提升1.7和1.1、1.9和1.3、1.6和1.3、3.0和2.1个百分点;同时,在风电装备故障领域数据集上验证了其实用性和有效性.

液氢温区的低温与制冷技术是能源动力、红外探测和科学研究领域的关键制冷技术,磁制冷技术由于在液氢温区的潜在效率高,有望成为液氢温区的重要制冷技术之一.基于多物理场仿真软件 COMSOL Multiphysics构建了液氢温区二维瞬态主动磁回热器仿真模型.针对液氢温区磁制冷系统中的主动磁回热器,深入揭示了磁制冷工质颗粒直径、磁场-流场时序等影响因子对液氢温区磁制冷性能的影响规律,评估了20～30 K温区填充实际磁制冷工质的主动磁回热器制冷性能.结果表明AMR制冷性能对于颗粒直径的敏感性程度高于吹风系数对其影响,这是由于颗粒直径从0.05 mm增大至0.40 mm时,AMR的比表面积下降至原来的1/8.本研究为理解液氢温区多级磁制冷系统的性能影响规律以及后续整机优化设计与性能研究提供理论指导.

探讨了常规加热碳热还原、微波加热碳热还原和真空微波加热碳热还原过程中含锌粉球团锌脱除的动力学,研究了真空环境、微波加热、还原时间和还原温度对锌脱除性能的影响.结果表明,与常规加热碳热还原工艺相比,真空和微波加热条件显著降低还原温度,缩短还原时间,减少还原剂用量.动力学模型拟合结果表明,真空微波加热碳热还原工艺下的锌脱除过程符合Avrami-Erofeev二阶动力学模型,其反应机理主要受化学反应控制.常规加热碳热还原、微波加热碳热还原和真空微波加热碳热还原反应的表观活化能分别为 93.15、60.52 和18.69 kJ/mol.

针对电商物流领域低端设备算力不足与高性能平台成本过高的矛盾,设计了一种基于自主移动机器人(autonomous mobile robot,AMR)的视觉分拣系统.该系统采用多摄像头协同感知架构实现环境信息采集,通过异构计算与嵌入式模块化设计优化硬件成本,部署轻量化深度学习模型实现高效识别,并采用半可靠通信协议保障数据传输稳定性.实验结果表明:系统在标准光照条件下的目标分拣率达到95.7%,单次作业平均耗时仅需11.5 s,在实现高精度与高效率的基础上,具备了优异的成本效益,满足电商物流场景的实际需求.

针对红色指尖陀螺自动化、高精度装配的问题,设计了以ABB IRB 120机器人为核心的装配系统.系统包含仓储站、装配站两大单元,仓储站采用西门子CPU 1214C PLC控制堆垛机机器人完成物料出入库,搭配AMR自主移动机器人实现物料跨区域运输;装配站通过视觉检测定位工件,由ABB机器人抓取物料至冲压模块完成组装,再经视觉检测合格后回库.硬件选型上,确定机器人末端执行器、多功能夹爪、专用托盘等关键部件参数,完成伺服驱动器与电机接线调试及PLC程序设计.实际运行表明,系统重复定位精度达0.01 mm,可高效完成陀螺装配流程,满足自动化生产需求,为小型零部件装配提供可靠方案.

自动调制识别(Automatic Modulation Recognition,AMR)在非合作通信系统中具有重要作用.近年来,基于深度学习(Deep Learning,DL)的AMR(DL-AMR)方法在识别精度和鲁棒性方面相较传统方法已有显著提升.然而,现有DL-AMR方法普遍存在特征提取能力不足以及精度与复杂度难以平衡的问题.针对现有方法局限性,本文提出一种基于多尺度特征增强与注意力机制的调制识别网络MFEA-Net(Multi-Scale Feature Enhancement and Attention Mechanism Network).该网络利用不同尺度的卷积核初步提取信号的多尺度特征,并通过卷积层对其进一步压缩与融合.在特征增强方面,采用深度卷积(Depthwise Convolution,DW-Conv)与膨胀卷积(Dilated Convolution,D-Conv)代替普通卷积对多尺度特征进一步增强的同时降低网络参数量与运算复杂度,并通过挤压与激励(Squeeze-and-Excitation,SE)注意力机制强化关键通道特征.此外,引入多头自注意力(Multi-Head Self-Attention,MHSA)机制在序列层面建模全局依赖关系,并结合全局最大池化与全局平均池化提取信号的全局统计特征,最终由全连接层输出识别结果.对比实验结果表明,本文提出的 MFEA-Net 在 RML2016.10a 与RML2016.10b数据集的信噪比≥0 dB区间内,对绝大多数调制类型的识别准确率超过了90%.此外,MFEA-Net在上述数据集中的整体准确率(Overall Accuracy,OA)分别达到63.01%、64.61%,且复杂度处于较低水平.同时,消融实验进一步验证了各模块对整体性能的贡献,证明了网络结构设计的合理性.综上,MFEA-Net在性能与复杂度之间取得了良好平衡,在资源受限场景中具备潜在的应用价值.

The generation of meshes and the Adaptive Mesh Refinement(AMR)have presented considerable challenges in computational fluid dynamics.This paper presents a strategy for auto-matic adaptive Cartesian grid generation within a multicore parallel framework based on the Dynamic Partition Weight(DPW)method.It integrates the unique features of cells generated before and after each AMR and predicts the number of iterations for each cell.The partition weight of the cell is set in proportion to the number of iterations,and the grid-parallel repartition that con-siders the partition weight is performed before executing computations that require geometric infor-mation retrieval.A number of configurations,including a wing-body,are selected for analysis to evaluate the strategy's effectiveness.The results indicate that the computational load imbalance is alleviated during the Cartesian grid generation process,significantly reducing time consumption,with an improvement rate exceeding 50％.For the wing-body case,a 1.37-billion-cell grid is gen-erated in 44.49 s by using 1024 cores with the DPW strategy,demonstrating DPW's efficiency and strong parallel scalability for Cartesian mesh generation.