-
雪豹作为全球生物多样性保护的旗舰物种,其栖息地适宜性研究对于制定有效的保护策略具有重要意义.本研究综述了近年来国内外关于雪豹栖息地适宜性的研究成果,系统分析了影响雪豹分布的主要环境因素,包括地形、气候、植被类型和人为干扰等.研究采用多种方法和技术,如景观连接度分析、最大熵模型和多尺度元复制模型,深入探讨了雪豹栖息地的分布模式及其驱动机制.研究结果表明,雪豹主要分布在海拔较高、地形崎岖、植被茂密的区域,这些区域具有隐蔽性好、食物资源丰富、干扰因素少等优点.气候变化和人类活动是影响雪豹栖息地适宜性的重要因素,尤其是农业扩张、城市化和基础设施建设导致的栖息地破碎化和质量下降.基于这些发现,本研究提出了一系列保护策略,包括生态廊道建设、绿色生计模式推广、气候变化适应性研究以及加强国际合作与公众教育等.从理论层面来看,本研究不仅丰富了景观生态学和保护生物学的理论体系,还为旗舰物种的保护提供了多尺度、多维度的研究方法.从实践意义而言,研究结果为雪豹及其栖息地的保护提供了科学依据和可操作的保护策略,对推动区域生物多样性保护和生态系统可持续发展具有重要的现实意义.未来的研究应着重加强数据获取与共享、深化环境变量研究、推动跨国界保护合作,并通过综合性的保护措施,确保雪豹种群的长期存续和生态系统的稳定性.
雪豹栖息地适宜性多尺度模型环境变量保护策略
-
针对传统舰载光电跟踪系统模型冗余难部署、遮挡场景跟踪连续性差的核心问题,提出基于YOLOv8s 剪枝与改进 ByteTrack 的舰载船舶跟踪算法:先对YOLOv8s 做场景适配剪枝以精简模型;再改进 ByteTrack,引入双时序关联机制并融合卡尔曼滤波提升遮挡场景预测精度,最后优化加权融合策略强化目标匹配稳定性.基于 SeaShips 舰载光电场景数据集验证,改进算法 mAP50 达 92.9%、MOTA 82.3%、遮挡恢复成功率 91.2%;较原方案,总参数量从 11.2 M 压缩至 7.8 M、MOTA提升 4.2%,满足舰载光电系统"实时监测+快速部署"需求.
舰载光电系统海面船舶目标轻量化目标检测模型剪枝多目标跟踪遮挡鲁棒性实时性
-
针对现有雷达目标识别方法通常仅单独处理高分辨率距离像(high-resolution range profiles,HRRP)和逆合成孔径雷达(inverse synthetic aperture radar,ISAR)图像特征,未能充分挖掘其互补的结构与运动信息的问题,提出一种联合利用 HRRP 与 ISAR 特征的多域交互识别网络(multi-domain interactive recognition network,MIR-Net),用于 ISAR 舰船目标识别.首先,MIR-Net 采用对称尺度 HRRP 编码器和图像编码器,分别提取脉冲序列和图像的多尺度特征,并使用图卷积网络进一步建模其时空依赖.然后,构建多域特征交互融合模块,将两个域特征映射至共享潜在空间,并利用双分支交叉注意力机制实现动态融合.最后,融合 HRRP 特征、图像特征与联合表示进行目标的分类.在仿真数据集和实测数据集上的实验结果证明,所提方法能够提高 ISAR 目标识别准确率,具有有效性与鲁棒性.
高分辨率距离像逆合成孔径雷达雷达目标识别多域特征交互
-
为解决舰船损管传统决策适应性差、现有深度强化学习算法难以兼顾安全与资源效率的问题,本文提出了一种融合安全约束的Dueling Double DQN智能决策模型.首先,将损管过程建模为含安全约束的序贯决策问题,并在近似马尔可夫决策过程框架下进行了求解;然后,依据实时约束条件动态剔除无效探索动作,并在此基础上设计了包含多维的奖励函数,依托双流网络架构与优先经验回放机制加速策略收敛.研究结果表明:所提方法在灭火时间、成功率与危险指数等评估指标上的表现均显著优于DQN,在决策系统中能自主规划最优损管指令序列;所设计的各模块均有正向贡献,在未见场景上展现了显著且稳定的性能提升.该方法能够对损管指挥员的现场决策形成良好的辅助支撑效应.
舰船损管智能决策安全约束
-
在舰上多域协同作战环境中,自动化水平对指挥员认知表现具有显著影响.针对自动化水平对指挥员认知表现影响机制尚不明确的问题,提出一种基于多源数据融合的认知评估方法.该方法首先构建典型舰上多域指挥任务并设置四级自动化水平,然后采集被试的行为数据、眼动数据与主观负荷评分,最后对不同自动化条件下的认知表现进行综合分析,识别最优配置区间.实验结果显示,低自动化条件下被试认知参与度较高但负荷较重,高自动化条件下任务效率提升但正确率有所下降,并出现一定程度的自动化依赖.结果表明二级自动化在效率与认知增强之间实现较优平衡,为舰上指挥系统人机协同设计提供参考.
人机协同认知增强舰上指挥任务自动化水平主动思维眼动追踪
-
航海雷达是船舶交通管理系统和在航船舶实时监控和感知周围环境及其动态变化的主要手段.针对科研人员在航海雷达相关研究方面遇到的雷达数据样本场景来源单一、目标种类和数量匮乏以及目标真值标注不完善等问题,综合考虑了船舶结构特征、雷达天线方向特性、接收机信号处理等核心因素,提出了一种基于多散射体回波卷积的航海雷达舰船目标仿真成像方法.首先,根据船舶结构特征将其建模为多个独立的散射体;然后基于雷达方程和航海雷达扫描原理计算单个散射体反射雷达波产生的雷达图像;最后利用多散射体卷积法合成雷达视频图像.此外,多散射体回波合成模型还可以利用各散射体的高度信息建模船舶自身结构互遮挡问题.以小型无人艇和航海雷达实测数据为参考,选择了典型的锚泊船和在航船数据对本文仿真数据的准确性进行验证.结果表明,提出的基于多散射体卷积回波合成方法能够合理生成不同场景下多种复杂船舶目标的雷达视频图像数据.
通信导航雷达回波仿真多散射体卷积舰船目标结构遮挡
-
海岸带等受限水域中,潮汐与洋流等自然因素诱发的海图数据不确定性,叠加无人艇(USV)集群的单体感知能力局限,导致其协同作业面临安全避障、编队稳定与动态环境适配的多重技术挑战.为此,本研究提出一种基于多智能体深度强化学习的无人机-无人艇集群(UAV-USVs)协同导航框架,以提升其导航精度和协同作业能力.该系统通过将UAV-USV异构集群建模为动态交互图,借助图神经网络(GNN)的多跳邻域信息聚合机制,融合UAV全局环境观测信息与USV局部状态特征,突破传统方法的局部感知壁垒,显著提升集群对全局态势的感知能力,并对多智能体近端策略优化(MAPPO)算法进行改进,设计异构智能体状态编码器与集中训练-分散执行机制,适配UAV与USV的动作空间异质性及观测维度差异,实现协同性与实时性的动态平衡;最后通过分层奖励函数设计及编队动态重构策略,实现开阔水域稳定编队保持与狭窄水域编队构型自适应调整.仿真试验结果表明,该系统为UAV-USVs 跨域协同导航提供了理论参考,为海岸带测绘、港口航道巡查等实际工程任务提供了高效可靠的方法支撑.
智能航运无人艇集群协同导航多智能体近端策略优化多智能体深度强化学习图神经网络
-
针对大破损舰船海上援救风险因素存在不确定性的问题,本文以挪威海军"海尔格-英斯塔"号护卫舰碰撞大破损救援过程为研究对象,结合故障树分析法与三角模糊数理论,搭建了援救失效故障树模型;借助专家经验完成了模糊概率赋值,并计算得出顶事件失效概率和基本事件重要度.定性和定量分析表明:该方法可有效处理不确定性信息,且分析结果合理可靠,可为海上大破损舰船援救风险预判、应急方案优化与现场决策提供理论支撑与实践依据.
三角模糊数大破损舰船故障树
-
近日,十里河居然之家北京首家西门子家电黑标旗舰店正式开业.此次以"京启新境·智领未来"为主题的新店开业,不仅进一步完善了西门子家电在北京市场的高端零售布局,也标志着西门子家电与居然之家自2003年开启合作以来,双方在长期信任与协同基础上的又一次深化.依托全品类产品布局、科技智能体验与专业服务,新店以更加完整的空间呈现西门子家电的产品与品牌理念,为消费者提供从产品了解、技术体验到生活场景解决方案的一站式体验.
-
针对复杂背景合成孔径雷达图像舰船目标检测精度低、易受干扰的问题,提出一种融合注意力机制与全局信息的 SAR 舰船目标检测方法.首先,构建感受野增强空间金字塔池化模块,缓解单一池化种类对数据处理不充分的问题,为后续检测环节提供更加精准的判断依据.然后,设计多重下采样模块,通过多分支特征提取实现在下采样过程中保留更多细节,增强算法对舰船目标的感知能力.最后,使用空间与通道重建卷积优化颈部网络,利用其重构能力有效抑制背景干扰.实验结果表明,所提算法相较于基线算法,在所选数据集上平均精度(交并比阈值为 0.5)分别提高 2.2%和 2.5%,达到 94.5%和 89.1%,同时算法的浮点运算数降低 9.5%.在保持较小模型规模的前提下,能够有效提升复杂背景下合成孔径雷达舰船目标的检测性能.
舰船目标检测YOLOv11多重下采样空间金字塔池化空间与通道重建卷积
