本期编辑荐读精选了来自北京航空航天大学的研究人员发表于 Electronics 期刊的5期优质文章，内容包括注意力神经网络、数据链、卷积神经网络、气动弹簧和用户侧储能系统。希望能为相关领域的学者提供参考和新的思路。

1. A Multi-Scale Feature Extraction-Based Normalized Attention Neural Network for Image Denoising

用于图像去噪的基于多尺度特征提取的归一化注意力神经网络

Yi Wang et al.

https://www.mdpi.com/979346

文章亮点:

(1) 本文提出了一种用于图像去噪的基于多尺度特征提取的归一化注意力神经网络。

(2) 本文提出了一个标准化的注意力网络 (NAN) 来学习通道之间的关系，这平滑了优化景观，加快了训练注意力模型的收敛过程。

(3) 本文实验结果表明，与一些最先进的去噪方法相比，MFENANN所修复的图像具有更大的峰值信噪比 (PSNR) 和结构相似性指数 (SSIM) 值，而且整体外观更好。

2. TDMA Datalink Cooperative Navigation Algorithm Based on INS/JTIDS/BA

基于INS/JTIDS/BA的TDMA数据链协同导航算法

Shuo Cao et al.

https://www.mdpi.com/1048388

文章亮点:

(1) 本文提出了一种基于INS/JTIDS/BA的时分多地址 (TDMA) 数据链协同导航算法。

(2) 本文提出的算法用于修正惯性导航系统 (INS) 的误差，通过往返定时 (RTT) 校准时钟偏差，并通过高度滤波器定位高度。

(3) 本文仿真结果表明，与顺序处理TOA测量的扩展卡尔曼滤波 (EKF) 和不进行协同测量的TDMA数据链导航算法相比，TDMA数据链协同导航算法具有更好的性能。

3. Railway Obstacle Intrusion Detection Based on Convolution Neural Network Multitask Learning

基于卷积神经网络多任务学习的铁路障碍物入侵检测

Haixia Pan et al.

https://www.mdpi.com/1799434

文章亮点:

(1) 本文设计了一种多任务入侵检测模型，用于对铁路场景中被检测目标障碍物的入侵进行预警。

(2) 本文设计了一个多目标优化算法，在不同的任务复杂度下执行。

(3) 本文首次引入了一种多任务方法来实现铁路场景中的辅助驾驶功能。

4. Mechanism and Optimization of a Novel Automobile Pneumatic Suspension Based on Dynamic Analysis

基于动力学分析的新型汽车气动悬架机构及优化

Zhibo Sun et al.

https://www.mdpi.com/1267386

文章亮点:

(1) 本文提出了一种新型的气动弹簧结构。

(2) 利用MATLAB/Simulink环境建立隔振系统平台。

(3) 设计并研制了隔振系统样机。

5. Optimization Strategy of Configuration and Scheduling for User-Side Energy Storage

用户侧储能配置与调度优化策略

Yushan Liu et al.

https://www.mdpi.com/1429128

文章亮点:

(1) 本文提出了一种基于模型预测控制的用户侧储能配置调度优化策略。

(2) 本文提出的优化调度策略，从全时离线优化转向部分实时优化，既保证了用户的经济效益，又提高了储能优化调度的准确性。

(3) 仿真结果表明，所提出的优化方法能够削峰填谷，保证用户的经济效益，为用户投资储能提供指导。

Electronics 期刊介绍

主编：Flavio Canavero, Politecnico di Torino, Italy

期刊涵盖的研究包括但不限于以下领域：电子材料、微电子学、光电子学、工业电子、电力电子、生物电子、微波和无线通信、计算机科学与工程、系统与控制工程、电路和信号处理、半导体器件、人工智能、电动和自动驾驶汽车、量子电子等。期刊致力于快速发表与广泛电子领域相关的、最新的技术突破以及前沿发展。

2022 Impact Factor：2.9

2023 CiteScore：5.3 

Time to First Decision：15.6 Days

Acceptance to Publication：2.6 Days