摘要:针对小样本条件下传统应用于滚动轴承故障诊断的深度学习算法诊断精度不高，泛化性差的问题。提出了一种基于混合自注意力机制和孪生网络的小样本轴承故障诊断算法。基于孪生神经网络结构，构造相同类别和不同类别的轴承样本对输入孪生网络，借助一维卷积单元提取样本的特征，然后采用位置自注意力机制和通道自注意力机制进行矩阵融合构建混合自注意力模块，提取更具判别性的特征信息，距离度量阶段以自适应的网络度量方式来代替常用的欧式距离度量，并且引入全局均值池化来减少网络参数。实验结果表明，本文方法在每类故障样本数量为9、15、30的准确率为88.2%、94.7%、96.2%，对比其他方法，本文所提算法在小样本条件下的诊断准确率更高，并且拥有更好的泛化性能。

摘要:随着自动化的发展，空压机应用在多工序、多场景下，对减少故障和预警提出了更高的要求；论文介绍了空压机喘振故障实验环境和步骤，采用层次分析法来优化喘振故障占权重大的指标，提出一种基于特征频点能量比的喘振故障预警方法来得到振动传感器故障预警结果，再融合优化指标预警结果来提高喘振故障预警准确率，减少故障的发生；通过实验验证：特征频点能量比相较传统预警方法更灵敏，融合优化指标后相较于振动传感器根据特征频点能量比阈值预警y1提高了18.8%，y2提高了7.7%。

摘要:为满足将一定规模数量的卫星快速发射至预定轨道,实现快速组网、补网的需求,对卫星在发射场的工序流程进行规划设计,以同类型、同状态的微小卫星为研究对象,深入分析卫星在发射场的任务流程,从场地、设备、工序以及人员等方面分析了其制约因素,在现有技术基础上进行了卫星并行测试和自动化对接等数字化、智能化新技术的应用探索；并在此基础上分析制定了多星交叉并行测试原则和方法,科学制定卫星规模化测试任务流程,指导任务实践；以6颗星为一组,规划设计了12颗和36颗卫星脉动式发射场任务流程,为遂行快速发射任务提供理论基础。

摘要:国产伏羲芯片组成结构较为复杂，为了加强对国产伏羲芯片的安全保护，确保芯片品质符合设计规格和标准，为此设计并开发了基于GMR传感器的国产伏羲芯片表面缺陷检测系统。加设GMR传感器和检波器，改装核心处理器、信号放大器、数据存储器和图像采集模块，完成硬件部分优化。利用GMR传感器获取伏羲芯片表面磁场反馈信号，拼接国产伏羲芯片表面图像数据，通过信号补偿、标准化以及图像增强等步骤，从磁场信号和图像数据两个方面，提取芯片表面特征，通过特征匹配确定当前芯片表面的缺陷状态，得出缺陷类型、位置以及面积的检测结果。实验结果表明:该系统的缺陷类型误检率降低了2.9%，缺陷位置检测误差减小约2.5mm，同时表面缺陷面积检测误差明显降低。

摘要:针对自动驾驶领域的车道自动检测中存在的检测准确率低、实际应用难等问题，研究基于YOLO与传统图像处理算法混合的车道检测算法。基于车载传感器拍摄的视频，利用YOLOv8算法检测并标记车前/侧方附近的物体，并将图像视角转换到鸟瞰视角，利用基于滑动窗口的二次多项式法识别当前帧的车道线，融合前序帧的车道信息，检测出当前帧的车道。经过数据集和实际场景的测试表明，算法的检测准确性提升10%以上，检测速度明显提升。

摘要:针对现有人工检测太阳能硅棒导致准确率低、识别速度慢的问题,提出一种基于改进深度学习网络的硅棒外观缺陷分类系统；该系统把硅棒检测分为两个部分,运用图像算法对硅棒图像进行预处理,结合阈值分割和连通域分割方法对硅棒图像区域分割,根据区域轮廓采用内接圆的方法将硅棒从图像中提取,减少特征提取干扰因素；其次改进残差网络的残差模块的结构,提高网络训练速度；实验模型加入正则化和Dropout层改善过拟合现象,采用改进余弦退火的学习率衰减方式寻找模型的最优解；实验结果显示,与未改进的残差网络相比,改进的网络总体识别准确度提高2.41%,该模型有效的提高硅棒外观缺陷分类的高效性和泛化能力。

摘要:针对主动降噪（ANC，Active Noise Cancellation）算法程序调试难度大、相关滤波器结构可视化程度差、硬件平台底噪大的问题，设计了一款底噪小、程序可视化程度高、搭建模型简单的ADDA硬件验证平台(AKM平台)。相比较传统的ANC调试过程，AKM平台在降噪算法验证过程中不需要编写程序，仅需要基于Simulink HDL模块化工具搭建仿真模型，生成Bitstream文件，将其烧录到验证平台即可实现算法的验证，有效避免了开发者编写和调试程序过程的复杂性，最终实现了一款操作高效的ANC算法验证平台。实验结果表明，该系统在输入激励信号为1KHz 100mV，采样率为32 KHz 24bit的条件下，测试输出信号的总谐波失真为0.005217%；信噪比为98.295 dB。在不输入任何激励信号的情况下，系统平台的底噪为5.360 uVrms。

摘要:在深水、深井和超深井油气勘探领域，油气井固井施工面临着作业危险高、劳动强度大等多重挑战，导致油气井固井施工参数监测与进度预测难；为了解决这些问题，对基于云边协同和深度学习的油气井固井施工关键参数监测与进度预测进行了研究；通过云边协同组网，在现场采集和存储固井流量、压力、温度等数据，并利用MQTT轻量化通讯协议网络进行远程传输；研究基于CNN-BiLSTM-Attention网络的油气井固井施工进度预测数学模型，通过CNN网络提取油气井固井施工进度的关键特征要素，基于BiLSTM挖掘关键特征要素之间的关联关系，运用Attention机制对重要特征进行权重分配，以便抽取出更加关键及重要的油气井固井施工进度信息；经实验测试实现了油气井参数监测与预测的功能，表明所提方法具有明显的预测精度优势且云边协同平台可以实时反映油气井固井施工过程中的各项关键参数。

摘要:随着网络数据的增加，以及黑客技术的不断发展，网络入侵检测技术的精度以及效率需要进一步提升。针对此问题，研究提出一种基于逃避网络数据和改进长短时记忆网络的网络入侵检测模型。该模型将黑客入侵过程中为躲避检测出现的逃避行为数据作为训练集和测试集。之后利用麻雀优化算法改进长短时记忆网络模型。研究将改进后的长短时记忆网络模型和卷积神经网络结合，并通过强化学习进一步提升模型的检测精度。实验结果表明，研究提出的模型的检测准确率达到了98.51%，且响应时间仅为0.84s，漏报率和误报率分别为1.23%，误报率为0.36%。研究提出的模型能够实现高效的网络入侵检测，实时保障网络安全，实现网络入侵防御，为网络安全提供可靠的技术支持。研究设计方法在网络攻防领域具有积极意义，为相关领域研究提供了新的思路。

摘要:由于缝宽尺寸直接影响筛缝的过滤能力和筛分精度，为确保纸浆的处理质量，提高筛缝缝宽检测效率，提出了一种基于线结构光扫描的圆柱型筛框筛缝检测技术；搭建筛框回转实验平台，采用直射式激光三角测量法采集筛框间隙轮廓信息，针对金属表面高反光等图像噪音的难点，结合了中值滤波、双边滤波和自适应权重调整的图像预处理方法，利用基于大津法的灰度图阈值分割法，确定最优的阈值，提取光斑区域，利用Steger算法提取激光光条中心线；测量系统对10条筛缝的16组尺寸进行了重复精度测量，结果显示极差最大为0.27 mm，最大标准差为0.012 466 mm，通过对比系统测量值与人工实测值，最大误差值为15 μm；经实验测试验证了激光扫描法在旋转平台带动筛框恒速转动时筛缝尺寸测量的可行性，对提高纸张的质量和筛框的筛分效率具有很大生产效益和经济效益。

摘要:为精准预测在不同工况下发动机的排气温度,通过引入一种新型的并行极限学习机对发动机排气温度进行预测。同时提出一种改进的灰狼优化算法,对并行极限学习机中的隐层阈值和输入权值进行在线整定,提高并行学习机的预测精度和泛化能力。其次,对传统灰狼优化算法全局收敛精度低和在迭代后期容易过早收敛陷入局部最优的问题,通过立方混沌映射对全部灰狼个体的位置进行初始化进行改进,同时在灰狼算法进行位置更新的过程中,加入历史信息学习因子的搜索策略,使的算法在更新过程中不因过多依赖局部最优解的位置信息而早熟收敛,提高算法的收敛精度和收敛速度。实验数据显示,优化后的灰狼优化算法在求解过程中所得到的平均值、标准偏差以及最小值都是最低的,证明了改进后的算法具有较高的寻优精度,可以有效地预测发动机的排气温度。

摘要:装备的故障预测与预防性维修在装备维修保障领域至关重要，针对装备维修保障领域提出了一种基于跨专业长时间序列的设备故障预测模型，对深度学习中的长短时记忆网络（LSTM）等模型进行了应用研究，利用模型处理跨不同专业的长时间序列数据，成功构建了能够有效处理和分析不同专业设备数据的高效预测模型；通过对某型装备系统健康状态监测的运行数据进行试验分析，验证了该模型的工程应用性能，通过对传感器数据的精准分析，模型实现对装备系统潜在故障的提前识别，针对测试集的故障预测准确率达到95%，表现出较高的准确性和稳定性并能够提前识别潜在的设备故障为维修人员提供及时的维护建议；在装备领域为设备故障预测提供了更为有效的创新技术方案，为装备维修保障工作提供工程应用价值。

摘要:通信数据错误加密是导致移动网络主机无法合理控制信息传输行为的主要原因,针对上述问题,设计基于国密算法的5G移动通信网络远程终端控制系统。基于5G移动通信单元结构连接模型,联合通信网络CAN总线仲裁结构、远程移动控制终端,完成硬件模块的设计。按照国密算法模型,生成必要密钥文本,通过定义数字签验的方式,求解具体的杂凑函数。在此基础上,分析通信数据传输行为,完成基于国密算法的5G移动通信网络数据加密。在移动通信网络表决面中,实施5G协议与远程终端协议的转换,并制定具体的通信控制任务划分标准,实现网络远程终端内控制程序的执行,完成基于国密算法的5G移动通信网络远程终端控制系统的设计。实验结果表明,所设计系统可将通信数据编码码源长度、译码码源长度之间的误差控制在0-0.15bit的误码允许范围之内,有效减少因通信数据错误加密而导致移动网络主机无法合理控制信息传输行为的问题。

摘要:无人驾驶汽车的状态,如速度、载荷、重心高度等会对制动效果产生影响。车辆状态信息较多且包含噪声信号干扰,导致信息采集精度较差,会导致制动效果不稳定,甚至出现车轮抱死的情况。为此,设计基于改进BP神经网络的无人驾驶汽车防抱死制动控制系统。系统硬件中设计DSP处理器,实现信号的高速处理并生成控制指令,通过CAN实现通讯功能；设计执行模块执行DSP处理器的控制指令；通过采样模块实现无人驾驶汽车防抱死制动信号的采样。在软件设计中,设计引导滤波信号去噪算法,实施防抱死制动信号的去噪处理,获取汽车驾驶信息数据；利用LM算法寻找函数值最小的对应参数向量,获得辨别误差局部最小的权值,改进BP神经网络,设计基于改进BP神经网络的PID控制算法,输出无人驾驶汽车防抱死制动控制指令。实验结果表明,设计系统紧急制动工况下的控制十分稳定,能够很快达到最大制动力,控制反应迅速,主缸压力值上升较快,轻微制动工况下的系统随动性较强。

摘要:研究了一种基于机器视觉的薄膜厚度均匀性控制系统,该系统采用了机器视觉与插补控制相结合的方法,实现了对薄膜生产过程中产生的厚度不均匀问题的识别和控制。视觉部分通过摄像头对成型轮廓的监测识别,提取塑料薄膜外形轮廓的图像信息,经过图像处理后输出不对称度信息,用作控制部分的控制参数；控制部分由两轴伺服电机组成XY移动控制平台,以直线插补控制为基础,根据视觉部分的控制参数,实时调整吹塑机膜口间隙,以保证膜口出料的均匀性和整体质量。实验测试结果表明,所设计的系统具有较高的自动化程度,能够实时监测和控制薄膜厚度的均匀性,满足了薄膜生产工程中整体质量需求,具有较高的推广应用价值。

摘要:为了提高四旋翼无人机飞行姿态的控制效果,确保无人机在特定区域内执行高稳定性飞行任务,针对动态电子围栏下,四旋翼无人机反步滑模飞行控制方法展开研究。首先利用GIS动态电子围栏技术精确界定无人机的飞行区域边界,为无人机的安全飞行提供坚实的空间约束。其次,采用滑模控制器,对四旋翼无人机飞行姿态与状态的精准调控,确保其在复杂环境中飞行的保持稳定。再次,引入四阶贝塞尔曲线对预设飞行轨迹进行精细化平滑处理,提升了飞行路径的流畅性。在控制策略的设计上,严格遵循热流率、过载、动压及平衡滑翔等四大关键约束条件,构建了满足控制约束条件的控制律,生成飞行区域控制指令,指导无人机按照既定的飞行区域控制逻辑进行高效、稳定的飞行。通过实验证明:在日、夜两种实验场景下,利用本文方法对四旋翼无人机飞行进行控制的无人机出界程度较低,飞行稳定系数较高,说明本文方法的控制效果较好,具有较好的实际应用效果。

摘要:研究对机器人的主从控制方法进行了分析，发现目前主从控制方法均存在效率低下，可控度低等问题。因此，研究采用了优化随机树算法结合高斯函数势场路径规划方法并辅以力感知的关键技术对主从控制约束进行分析。实验结果显示，采样优化后的路径平均规划时间远低于采样优化前的时间，优化后的时间曲线在第40次迭代后呈现下降趋势。采样优化后的路径平均规划长度在第50次迭代后呈现下降趋势，50次迭代前呈现稳步上升趋势。这说明了研究所设计控制系统能够准确、高效地对机器人进行控制，实现了最低程度的反馈误差。最终经仿真应用满足了机器人行业亟需的主从控制需求，进一步提升了机器人的可操作性。

摘要:5G通信系统中，毫米波通信主机吞吐量不达标会影响通信设备在信道组织内对信息参量的分配能力，从而使得毫米波主机在原通信节点处无法实现对预设信道组织的准确跟踪。为解决5G通信中的多频段毫米波信道准确跟踪问题，研究了5G专网的多频段毫米波信道高吞吐量跟踪方法。设计多频段通信谐振器，通过设置合理的通信位置，优化谐振器的布局，并在毫米波滤波器中，解析多频段通信谐振器中的毫米波通信数据，通过通过赋予不同通信数据不同权重指标的方式，进行多频段目标通信频段匹配；由此，通过信道矩阵和IRS反射元对基站的调整，动态地改变信号的传播路径和特性，优化毫米波信道目标吞吐量，完成5G通信中的多频段毫米波信道跟踪。实验结果表明，应用上述方法跟踪毫米波信道组织的过程中，通信主机吞吐量达标，符合在信道组织内精准分配信息参量、实现信道准确跟踪的应用需求。

摘要:针对四旋翼无人机控制器参数较多且难以获得最优整定解等问题，提出了四旋翼无人机姿态控制参数的改进混沌粒子群优化算法。采用多维混沌映射函数产生初始化种群，提高初代种群质量；提出一种全域模糊扰动+邻域精准扰动的多维组合混沌扰动策略，可生成优质混沌扰动粒子；为同时兼顾时频域指标要求，设计了多性能指标约束条件下的加权性能指标函数,以确保优化结果能够满足各项指标要求。另外，进行了四旋翼无人机姿态控制数字仿真，统计结果表明改进策略可以产生较优初代种群，且性能指标在第4代即可快速收敛至近似最优解附近，六自由度仿真验证了改进策略的正确性和有效性。

摘要:为了准确预测电机的未来状态,提前采取控制措施,从而实现更精确和高效的电机控制,研究提出了基于双滑模观测器的高精度永磁同步电机预测转矩控制策略。反电动势滑模观测器中的滤波器以锁相环计算的位置信号为参考,自适应调节带通截止频率,滤除反电动势中的抖振和谐波,同步输出基波反电动势??。依据定子电流误差方程和转子磁链误差方程,建立磁链滑模观测器。最后,将两种滑模观测器组合而成双滑模观测器。结果表明,当转子系统达到稳态时,模型参考自适应系统观测器的控制误差仍有较大的变化,且在±0.4 rad范围内；而研究所提出的双滑模观测器,其转子系统的稳态时间较短,控制误差在±0.04 rad范围内,并且几乎没有抖动。研究所设计的双滑模变结构观测器,其速度估算值与真实速度曲线几乎一致,误差较小,即使在加减速状态下,也有较高的估计精度。该方法有效地降低了预测转矩脉动和预测磁链波动,提高了永磁同步电机的性能和稳定性。

摘要:在自动上料控制系统中，针对传统电感式传感器容易受到外界复杂环境干扰，且需要进行繁琐校准工作等问题，提出了一种基于改进C3D模型的料仓视频视觉分类识别方法。基于实验需求，设计了合作标靶和建立了料仓识别视频数据集；将初始C3D模型作为主干网络进行改进，将该模型第3、4、5层卷积层进行精简，使得模型参数量大幅降低，有利于加快推理速度；在轻量化后的C3D模型上融合SE注意力机制，C3D模型从时空两个维度中提取特征，SE注意力机制可以有效在复杂场景视频帧中找出标靶显著区域，在兼顾时序信息的同时能够高效提取特征进而提高识别准确率。实验结果表明，SE-C3D识别模型准确率达到99.61%，与初始C3D模型相比，准确率提高2.48%，与其他典型三维卷积模型对比，各项性能指标也均有明显提升，对未来智能化上料系统的发展具有重要意义。

摘要:无人机区域探测航路规划算法可广泛应用在搜索救援，监测勘察和环境监测等领域。为了解决无人机在载荷性能约束下的航路规划问题，以光电传感器（EO）为主载荷，结合无人机飞行特性，给出了一种基于无人机载荷约束下的区域探测航路规划算法。主要包括区域最小跨度的确定、块区分割线的生成、块区进出点分配和过渡圆弧轨迹生成等内容，利用这些步骤可快速完成对整个区域的全覆盖探测。通过对特定区域的探测航路规划仿真实验，验证了该算法在满足载荷约束、飞控性能约束以及任务区域限制的情况下实现了区域全覆盖探测，且航路最短的目的，并在对比仿真实验中验证了所提出的算法的优势。该算法的可迁移性较好，对于二维和三维区域探测都具有重要参考价值。

摘要:针对低轨天基卫星互联网侦察系统中全空域实时侦收的需求,常采用球冠天线阵接收的方案以达到多目标全空域同时侦收的目的。为避免阵列接收中常见的栅瓣问题,且要求同时获得较窄的波束宽度,相控阵常采用均匀分布间隔布阵的方式,但这就导致阵元数目急剧增加,因此需要对球冠阵接收体制进行稀布优化研究。基于此,本文采用一种将粒子群与线性规划凸优化理论相结合的优化算法,新方法充分利用粒子群算法全局搜索能力强的优点,并结合凸优化算法局部最优即是全局最优的特点,将阵元权值与位置作为联合变量进行优化,从而提升稀布阵列的性能。理论分析和仿真试验验证了该方法在实现稀布效果最优的同时且可以有效降低旁瓣电平、保证高增益性能。

摘要:传统的人工分辩脑肿瘤医学影像费时费力、浅层的卷积神经网络模型分类准确率较低,为了提高脑肿瘤图像分类的高效性和准确率,对深度残差网络进行了研究,提出了一种基于改进ResNet34网络的脑肿瘤分类模型；该模型以ResNet34残差网络作为骨干网络,结合多尺度特征提取思想,采用多尺度输入模块作为ResNet34网络的第一层,将inception v2模块作为残差下采样层；再通过通道注意力机制模块,从通道域的角度赋予图像不同通道不同的权重,得到更重要的特征信息；经过五折交叉实验后的结果表明,改进后的新网络模型的分类准确率约为98.82%,比ResNet34提升约1.1%,且模型参数数量仅为原模型的80%；这说明改进后的网络不仅提高了准确率,还减少了模型复杂度,达到了参数更少,准确率更高的检测效果。

摘要:四旋翼无人机在未来越来越多的应用场合中,将面临复杂多样的飞行环境；将风切变、突风以及Dryden紊流风组合,建立四旋翼无人机所处的外界复杂风扰动模型,分别建立受空速影响的桨叶挥舞诱导阻力/力矩以及空气阻力/力矩模型,依据牛顿力学建立复杂环境下四旋翼无人机的动力学模型；通过数值仿真,分析了定点悬停和轨迹跟踪过程中,复杂环境对四旋翼无人机运动特性的影响；实验结果表明：在进行复杂环境四旋翼无人机的高精度控制系统设计时,应该综合考虑风切变、突风和紊流风所组成的复杂风场,且在动力学模型中应同时考虑桨叶挥舞和风阻因素；实验结果具有一定的工程实际意义。

摘要:随着全球卫星导航系统(GNSS, Global Navigation Satellite System)不断完善和经济社会快速发展,人们对室内位置服务需求日趋强烈,对于智能手机端的室内高精度定位技术研究蓬勃发展。针对商用智能手机接收北斗伪卫星信号实现室内定位难题,开展智能手机端的北斗室内伪卫星观测数据质量分析工作,选取多款主流品牌智能手机,分别从数据完整率、周跳比、载噪比、多普勒频移、载波相位等方面分析手机GNSS芯片性能,为室内停车场环境下智能手机伪卫星定位提供数据支撑,为北斗室内外一体化提供参考。研究表明：在地下停车场环境下,静止状态时部分手机的载噪比,星间载波相位差的数据连续性稳定性已经可以达到专用测量接收机水平；步行状态下,部分手机的星间数据差的数据质量甚至优于测量型接收机。

摘要:针对传统跌倒检测算法局限于单帧图像判断而未充分利用行人时序运动特征的问题，提出了一种融合运动特征的行人跌倒检测算法；在YOLOv8n的主干网络中引入ECA注意力机制，在Neck中用GSConv代替常规卷积提高行人检测的精度；为了避免多行人之间的特征发生混淆，使用DeepSort目标跟踪算法进行行人跟踪，独立提取行人的运动特征；分类阶段设置一个固定长度的队列来存储行人运动特征值，利用提前训练好的1DCNN进行跌倒识别。实验证明，在VOC2007测试集上，改进后的YOLOv8n模型比改进前的mAP增加1.5%，参数量减少2.97%；跌倒检测算法在UR Fall数据集上实现了97.8%的准确率；在自建的多行人数据集上实现92.91%准确率。

摘要:为了提升无人机遥感图像数据可视化效果,设计基于Django框架技术的无人机遥感数据三维重建可视化平台。基于Django技术,搭建由浏览层、业务逻辑层与数据层构成的无人机遥感图像数据可视化平台框架。平台硬件设计上,设计WEB服务器搭载业务层的view.py、GeoDjango地理框架、URL分析器以及JBrowse,在服务器中创新性地加设评估板用于监测主控制器芯片的工作程序,保证数据可视化处理的运行效率,并加装寄存器组作为外置存储器,降低GPU内存占用量；设计由GPU、S显卡、显示硬件构成的三维渲染引擎,在GPU芯片顶点着色器上加装像素处理器,利用帧缓冲和帧渲染提升三维渲染质量。平台软件设计上,利用SQLite数据库为数据编码；利用最近邻域重采样算法对无人机遥感图像数据进行畸变改正；基于摄影测量解析提取无人机遥感图像目标几何信息。设计基于分组相关性与多尺度特征的MVS网络,通过深度图估计,实施无人机遥感图像的三维重建,完成无人机遥感图像数据可视化平台的设计。测试结果表明,该平台在三个区域的GPU内存占用量均低于5000MB,整体深度图平滑度较高,整体建模时间为8245ms,渲染时间为5067ms,具有较好的可视化效果。

摘要:针对大场景自然环境下荔枝存在小目标、重叠和遮挡等特点，提出一种轻量化荔枝检测模型FEB-YOLO。该模型基于YOLOv8在C2f模块中引入PConv替代部分常规卷积以实现轻量化改进，同时融入EMA注意力机制提高算法的特征提取能力；将颈部网络替换为融合P2特征层的BiFPN，增强模型对不同尺寸的跨尺度特征融合；在回归损失函数中引入NWD度量，提高模型对荔枝小目标的学习能力，降低漏检率。经实验测试得到FEB-YOLO模型的P、R、mAP对比原始模型分别提高1.4、1.6、1.7个百分点，其参数量和计算量分别降低47.3%和27.1%，改进后模型占用的计算资源更少，同时能够明显提高在复杂环境下的识别精度。为实现果园场景下实时估计荔枝产量，提出了一种高效的荔枝果实动态识别计数方法，通过将FEB-YOLO作为BoT-SORT跟踪器的目标检测器，将FEB-YOLO的识别输出作为BoT-SORT的输入，实现动态视频序列的跟踪计数，最后以实例验证了该方法的有效性和可行性。所得改进模型具有较好的鲁棒性且体积小，可以嵌入到边缘设备中，不仅可用于实时估计荔枝产量，还可用于规划采摘和贮藏，为果园资源分配提供可靠支撑。

摘要:人体姿态估计是计算机视觉、模式识别领域的重要研究问题,在人机交互领域有重要应用。人体姿态估计用于将视频图像中的人体骨骼姿态进行检测识别,研究面向闸机场景下人群拥挤、遮挡严重的复杂场景下人体姿态估计方法,研究工作具有挑战性。首先,针对拥挤、遮挡严重的复杂场景下人体姿态估计任务,我们提出基于姿态矫正的人体姿态估计网络(PCNet,Pose Correction Network),设计了一种融合全局和局部信息的 Transformer 特征编码模块,并将其引入到模型特征提取骨干网络中提升精度表现。第二阶段对预测的关键点位置进行矫正,提出基于时空注意力机制的级联结构的姿态矫正模块,修正因遮挡、小尺度目标等引起的误差较大的关键点。提出的人体姿态估计方法在COCO数据集和CrowdPose数据集上进行实验,实验结果表示,本文提出的模型效果在精度和鲁棒性上均得到了提升,证明了本文所提出的人体姿态估计方法的有效性。

摘要:为了实现机器人语音控制,并避免环境噪音的干扰,研究提出了基于Mel频率倒谱系数特征提取和深度神经网络的机器人语音控制指令识别方法。实验结果显示,相较于其他语音增强方法,基于深度神经网络和谐波增强技术的语音增强方法分段信噪比和语音质量感观评价均更高。同时相比于其他特征,研究提出的基于改进Mel频率倒谱系数特征能显著降低语音识别的字错误率,通过辅以改进深度神经网络-隐马尔科夫模型能进一步降低字错误率。在20dB条件下,该特征和改进深度神经网络-隐马尔科夫模型的平均字错误率分别为24.9%和22.1%,均低于其他方法。上述结果表明,研究提出的语音识别方法能实现带噪声语音的准确识别,提高机器人的语音控制指令识别能力。

摘要:空基区域导航增强系统是一种卫星导航系统的有效辅助与补充手段，其信号设计是影响增强定位精度的重要因素；针对系统对导航卫星辅助增强与独立定位的需求，以北斗系统为应用背景，给出了一种能够与北斗卫星信号兼容的区域增强信号设计建议；根据兼容性需求分析结果，对频点、扩频码与电文格式等进行了选择和设计；针对增强系统中可能存在的远近效应，提出了脉冲调制的优化方式，根据信号参数设计适用于空基区域增强信号的脉冲信号占空比，并设计相适应的脉冲图案；仿真结果表明，采用脉冲信号形式的区域增强信号能够与北斗卫星信号实现兼容，卫星信号比区域增强信号弱30 dB时能够正常捕获，减弱远近效应的影响。

摘要:针对常规倾斜角速度比例积分回路不能有效消除战术导弹滚动通道存在复杂扰动的问题，给出一种无静差倾斜稳定回路结构。采用极点配置方法，推导了期望特征多项式系数与无静差倾斜稳定回路控制参数之间的解析关系。通过带有非线性自适应惯性因子的粒子群优化算法，对期望特征多项式系数进行优化设计，优化结果能够同时满足时域和频域指标要求。将设计结果应用于某战术导弹，六自由度数字仿真和飞行试验结果均表明，该回路结构能够快速消除由初始扰动产生的倾斜角误差，克服各项滚动干扰，保证导弹在飞行过程中倾斜角误差始终为零或尽可能小，满足对倾斜角误差的工程应用要求，验证了方法的正确性和有效性。该方法具有一定的工程应用价值。

摘要:针对低散射微带天线在散射性能和辐射性能之间不易平衡的问题进行了研究，设计了一种基于小型化频率选择表面的辐射散射一体化微带天线；采用弯曲频率选择表面单元支臂，增加频率选择表面臂等效长度的方法，使频率选择表面的尺寸结构小型化；通过优化尖劈状频率选择表面天线罩与微带天线之间的参数，增强了微带天线在工作频带内的辐射性能，缩减了微带天线在宽频带内的雷达散射截面；计算结果表明，频率选择表面与原结构相比尺寸减小了18.5%。实现了与原天线相比辐散一体化天线辐射增益增加了0.26 dB，在1-18 GHz的频率范围内雷达散射截面积均值为-28 dB。

摘要:现代信息通信技术飞速发展，单一数字预失真技术或峰均比抑制方法无法最大化减少信号的非线性失真，提高发射机能效；通过对数字预失真和峰均比限幅法联合算法的研究，分别优化预失真系统的功率放大器建模和限幅系统的信号处理方式，进一步提高功率放大器工作效率。对功放行为模型建模引入更多记忆效应特性，经实验测试归一化均方误差可降低19.87 dB；采用阈值分解技术处理输入信号并测试削峰法对信号峰均比的抑制效果，实验结果左边带ACPR值下降19.72 dBc，右边带ACPR下降17.46 dBc，峰均比下降2.54 dB，满足了精确描述信号的记忆效应的要求，降低了功率放大器非线性失真和峰均比。

摘要:面向未来低轨卫星计算、网络等资源联合调度与优化需求，提出一种基于深度强化学习的低轨算力路由方案，能够解决低轨卫星网络多维资源协同效率低、利用率低下的问题。基于算网编排控制器的算力路由协议流程，建立了时延最优的算力调度优化模型，设计并实现了一种基于DQN的低轨算力路由智能算法，将低轨卫星算力路由寻址建模为马尔可夫决策过程，定义了包含业务、拓扑、算力等特征的状态空间和与时延最优相关的奖励函数。经过模型训练和仿真分析，收敛后的智能算法与基准算法相比，能够显著提高计算资源和网络资源的综合利用效率，降低任务处理所需时间，优化用户体验。

摘要:正交频分复用作为无线通信中的一种核心调制技术，因其高频谱效率、强抗衰落能力以及稳定的传输性能而备受关注，然而OFDM系统中高峰均比问题会显著影响系统效率；同时，传统OFDM系统在所有子载波上传输信息，在严重频率选择性衰落信道中，深衰落频点处的子载波携带信息难以正确解调，这将导致系统误码率显著升高。为解决上述问题，提出了一种OFDM系统子载波及峰均比联合优化方法，根据具体的应用场景和信道状态动态调整所需子载波数目及位置，并结合PAPR抑制技术，以提高信号传输的可靠性；仿真结果表明提出方法不仅有效提升了误码性能，同时也显著降低了PAPR，从而优化了系统整体性能。

摘要:无人机的高动态特性,导致干扰信号来波方向与自适应旁瓣相消算法(ASLC)生成的零陷位置不匹配,这一现象直接降低了ASLC系统的抗干扰效能。针对这一问题,将基于高斯分布的锥化矩阵零陷展宽算法融入ASLC技术中,旨在解决高动态环境下干扰信号来波方向与零陷失配的问题。通过假设干扰信号来波方向服从高斯分布,根据最小均方误差(MMSE)准则推导锥化后的自相关矩阵以及互相关矩阵解析式,仿真实验结果表明所提算法在-45dB零陷深度上零陷展宽宽度比均匀分布零陷展宽算法提高了21%。

摘要:针对共形阵列天线的散射对消设计进行研究，基于特征模理论指导对共形微带天线单元的辐射和散射进行特征模式分析，设计了一种加载寄生贴片的新型微带天线结构，实现了对共形单元辐射和散射模式的独立调控；在保证辐射模式不变基础上，通过调节寄生贴片枝节长度调控共形单元的散射模式相位，使参考单元和设计单元的散射模式电流方向相反，将其组成4×4共形阵列天线，通过两种单元的散射模式对消实现RCS缩减；仿真结果表明，在工作频段5.09~5.89 GHz内，设计共形阵列天线增益下降小于0.1 dB，在4~8 GHz频带内实现了RCS缩减，带内x极化RCS缩减均值为19.4 dB，缩减峰值达21.8 dB；与传统平面微带阵列天线散射对消设计方法相比，采用特征模理论进行共形阵列天线散射对消设计综合了共形单元散射模式相位及空间相差引入的相位，为准确指导共形阵列天线散射对消设计提供了新的设计方法。

摘要:虚拟现实技术越来越多的应用到康复训练效果评估中。研究利用粒子群优化算法改进支持向量机,进而对运动想象脑电信号进行分析。并在此基础上设计一种基于虚拟现实技术的康复训练系统,并提出基于改进长短期记忆网络的康复训练效果评估模型。实验结果表明,在对2名受试者的运动想象训练实验中,所提改进支持向量机分类器对于受试者的分类准确率最高,为95.54%。相较于数据挖掘模型、LSTM和自适应神经模糊模型,所提出的康复训练效果评估模型对于15名患者的评估准确率均在93%以上,最高可达到96.02%,对上肢功能障碍的评估精确率为95.87%,高于另外三种模型。在下肢功能障碍评估中的表现仍然较好,评估精确率为96.74%,比自适应神经模糊模型高10.35%,比基于关联规则的数据挖掘模型高16.26%,比传统长短期记忆网络高23.46%。实验结果证实了所提系统和效果评估模型的性能,有利于提高康复训练过程的智能化水平,改善患者的康复训练效果。