摘要:工业相机在图像采集过程中受到各种噪声的干扰,如电子噪声、热噪声等。这些噪声会在图像中表现为随机分布的亮点或暗点,影响图像的清晰度和质量。进而导致故障检测的FPR-MRCI值下降。对此,研究基于多尺度双阶段网络航空发动机涡轮叶片故障检测方法。首先,机器视觉利用工业相机与镜头、环型LED光源及异形夹持装置,通过中空旋转平台带动叶片旋转实现全方位图像采集。然后,针对采集到的图像利用多尺度双阶段网络进行超分辨率重建。双阶段设计将特征提取和上采样分开处理,在特征提取阶段深入挖掘图像的本质特征,上采样阶段则专注于图像的重建和细节优化,从而有效提高图像的分辨率和质量,解决图像噪声问题。最后,通过本体建模构建涡轮叶片故障检测知识图谱,实现系统性的故障检测知识整合。构建基于特征嵌入的涡轮叶片故障检测卷积神经网络模型,将实体向量与超分辨率重建图像输入特征嵌入模块,实现涡轮叶片故障检测。测试结果表明。设计系统对于检测难度较高的晶界腐蚀、颗粒磨损以及气动磨损故障的检测结果均正确。设计系统的FPR-MRCI整体高于0.6,说明设计系统具有较高的故障特征识别率,同时误报率相对较低。随着噪声强度的增加,设计系统的下降幅度较小,说明其涡轮叶片故障识别性能在受到噪声影响后仍然比较准确。

摘要:为了提高云平台资源分配的均衡性，针对云资源负载数据的非线性、高噪声以及动态性特点，提出一种融合CEEMDAN分解算法及注意力机制的Transformer-BiLSTM负载预测模型。该模型使用CEEMDAN分解算法对负载序列数据进行分解，得到不同频率的分量，降低数据复杂度；通过Transformer编码层构成的编码器对各分量进行编码，获取数据的全局信息，并把得到的编码输出通过注意力模块进行权重的自适应分配；采用BiLSTM构成的解码器解码得到预测结果。实验结果表明，相较于主流模型，所提出的模型在不同预测步长的误差均有降低，验证了预测方法的有效性。

摘要:遥感影像中云阴影的尺度因拍摄高度、云层厚度等因素变化,使得在不同拍摄角度下,不能转却提取特征点,而及时适应云阴影的尺度变化,导致检测不能能准确检测云阴影。为此,提出基于尺度不变特征变换的检测方法。首先,采用SIFT算法和梯度直方图对云阴影进行特征点提取；其次,根据提取的特征点,计算每个特征点的SIFT描述子,并对参考图像中的云阴影特征点的SIFT描述子进行标准化处理；然后；计算这些标准化后的SIFT描述子之间的间距；最后,采用云阴影区域灰度补偿的方法,平衡不同光线条件下的影像质量,并引入均方误差对经灰度补偿后的结果进行检验,完成云阴影的检测。实验结果显示,本文设计方法在光照充足条件下能够精准检测出两个云阴影位置,光线较暗条件下检测结果与实际仅存在最大为1px的误差,能够精准定位两个云阴影的位置,从而提高了云阴影检测准确性。

摘要:当前的目标检测算法在复杂的海底环境中表现较差，对海洋底栖生物的识别精度较低；为此，针对海洋底栖生物的检测问题进行研究，提出了一种基于YOLOv8-M的改进模型IFL-YOLO；针对特征提取不足问题展开研究，设计C2f-dcs模块，通过结合空洞卷积与注意力机制，扩大模型感受野，增强网络特征提取能力，优化小目标检测性能；针对传统特征融合方式缺乏上下文信息的问题进行研究，设计CGF模块，应用自适应特征融合，有效融合上下文信息，提升定位精度，并引入小目标检测头进一步提高检测精度；采用自适应标签分配方法，根据不同类别样本的统计特征进行自适应的IoU阈值设定，改善正负样本分配能力；经实验验证，改进后模型在DUO海洋底栖生物数据集上实现了73.4%的检测精度，较改进前提高了3.1%，显著提高模型检测精度。

摘要:干式变压器局放故障产生的声纹信号具有非平稳性和多分量调制特性，在含噪环境中难以有效提取瞬态脉冲成分、共振频率分布和空间方向性等关键特征，降低故障状态检测的准确率。为此，提出基于改进ResNet18和声纹SDP的干式变压器局放故障状态检测方法。根据干式变压器局放故障声纹特性，通过声纹传感器实时采集声纹信号，经过SDP处理（谱分解处理）生成声纹信号的时频图与空间谱图。通过输入层、卷积层、残差层、注意力机制层与全连接层的优化，改进ResNet18模型，引入了两条特征提取路径，一条用于提取声纹信号的时域特征，另一条用于提取频域特征。时域路径采用叠加的残差块，以捕捉长时依赖关系和瞬态脉冲成分，而频域路径则使用可变形卷积层，以灵活地调整卷积核形状，更好地捕捉共振频率分布和空间方向性等频域特征。以干式变压器声纹信号时频图与空间谱图为依据，采用改进ResNet18模型制定干式变压器局放故障状态诊断程序，获取最终的局放故障状态判定结果（轻微，一般，较重与严重），从而实现干式变压器局放故障状态的有效检测。实验结果显示:应用设计方法后，局放故障状态检测准确率最大值达到了99.5%，提取的声纹信号时频图与实际声纹信号时频图趋于一致，局放故障状态判定结果与测试样本标注结果相同。

摘要:在案件监控视频中,慢速运动的小目标容易因长时间曝光或摄像机抖动产生运动模糊,导致特征丢失或形变,难以准确捕捉其关键特征,降低检测精度。为此,提出改进OMP算法下多摄像机慢速动小目标增强检测方法。针对噪声干扰等问题,融合高斯、中值滤波与 Retinex 算法去噪增强,为小目标特征提取提供高质量图像。利用Faster R-CNN进行小目标特征提取,通过卷积和池化操作捕捉局部特征,RPN网络生成候选区域,提出新置信度公式精准确定区域,再用RoI Pooling获取特征向量。应用改进 OMP 算法增强小目标特征,引入局部相关性和能量分布,结合非线性变换,提高增强效果与稳定性。多摄像机小目标关联与信息融合环节,基于特征向量相似度关联小目标,采用加权融合处理信息,形成完整运动轨迹。基于卡尔曼滤波和支持向量机实现慢速动小目标跟踪与检测结果输出,先初始化状态估计与协方差矩阵,经状态预测、观测更新持续跟踪,再输入SVM判定类别,同时采用可视化技术标注显示结果,包括绘制外接矩形框、标注位置和类别信息、显示视频帧等,为用户提供准确清晰的慢速动小目标信息。实验结果显示:设计方法应用后视频帧图像对比度最大值达到了1.9,小目标特征重构误差最小值达到了0.4%,具有较高的检测精度。

摘要:直流电机出厂故障检测的核心挑战在于电机运行时声音信号中微弱故障特征的精准提取，此类信号常受机械振动、电磁噪声及环境干扰的影响，导致传统方法易受模态混叠与频带交叠干扰；针对这一难题，提出了一种基于改进型局部均值分解与复合多尺度气泡熵融合的直流电机故障诊断方法；并采用粒子群PSO优化极限学习机ELM进行分类建模；实验结果表明，所提出的方法能够有效地区分电机的正常状态、转子轴弯曲、叶片断裂以及轴承故障状态，在特定的320组测试样本中仅仅1组测试出错；因此，该方法为直流电机的故障诊断提供了一种新的技术途径，有助于提高电机的可靠性和运行效率。

摘要:蒸汽阀门作为核电与化工领域的关键流体控制设备，其健康状态直接关乎生产安全。针对蒸汽阀门通用监测软件多通道采集易阻塞、复杂模型适配缺失的难题；提出了基于 PyQt5 框架与模型化设计范式的故障诊断软件设计方案；构建“实时采集-离线分析”双模架构，设计异步双缓冲与 QThread 线程池技术，突破多通道同步采集与模型推理争夺资源的瓶颈；利用主蒸汽隔离阀满功率运行数据，建立 LSTM-SVM 级联混合驱动模型，通过 LSTM 捕捉时序规律预测特征并由 SVM 划定决策边界，实现从“态势感知”到“趋势预警”的协同诊断；经实验验证，系统支持 26 路通道无阻塞同步采集；报警响应时间 ≤80 ms，故障判定准确率约 94 %，典型故障排查时间缩短约 90 %；实际应用验证了方案有效性，解决了蒸汽阀门无专用监测软件的难题。

摘要:传统的测试性抽样方法不考虑工况因素，所得的样本集无法反映系统真实测试性水平。针对该问题，提出了一种基于工况划分的覆盖充分性与风险方法结合抽样方法。该方法利用考虑多工况的综合故障率以及对各工况分别进行充分性增补，所得样本集可做到工况、结构、功能覆盖，提高了测试性试验结果的准确性。最后通过实例验证了该方法的有效性和可行性。

摘要:针对传统方法在电力负荷预测中存在的多时间尺度无法精准捕捉与深度模型超参数难以自适应优化等问题,构建了一种基于改进特征模态分解(FMD)与牛顿拉夫逊算法(NRBO)优化长短期记忆网络(LSTM)的短期负荷预测模型；该模型在特征模态分解模块中引入辅助白噪声以抑制模态混叠,并将传统峰度模态筛选改进为基于模态能量的筛选方法,以剔除低能量噪声模态并增强分解结果的稳定性,基于上述改进将原始负荷序列分解为一系列具有不同中心频率的本征模态函数,同时引入 NRBO 算法对 LSTM 的超参数进行全局寻优,提高模型的收敛速度与泛化性能；设置多个预测模型进行对比实验,实验结果表明,所提的FMD-NRBO-LSTM 模型的MAE、RMSE、MAPE分别为5.1949KW,6.2923KW和1.2747%,所有指标均优于对比模型,验证了所提模型的预测精度与泛化性能。

摘要:使用数值仿真方法研究了飞行器发动机喷管扩散段破损连带舵机受影响对其飞行弹道的影响,分别建立了发动机喷管破损推力模型、因喷管破损而诱发的滚转舵机故障数学模型,并将两者耦合集成至飞行器六自由度动力学模型中进行综合仿真；结果表明：喷管扩散段破损达1/2,滚转舵机正常时,在喷管破损段将只将产生破口方向偏离理论弹道的扰动；喷管扩散段破损达1/2连带滚转舵机卡死时,在破损段会诱导飞行器产生滚摆运动,导致飞行器姿态与控制系统设计姿态相差越来越大,控制失效,落点远远偏离目标点；喷管扩散段破损达1/2,连带滚转舵机输出滞后90°时,飞行器会进入荷兰滚模态,随着飞行时间的增加,最终控制失效飞行器落点偏离目标点；喷管扩散段破损达1/2,喷管破损连带滚转舵机卡死时对飞行器弹道影响最严重,会使飞行器严重偏离目标落点；

摘要:复杂动态交通场景中车辆行驶环境复杂,动态障碍物与车辆避撞安全距离的时空动态耦合特性影响行驶车辆避撞路径规划效果,导致其避撞控制效果不佳。为此,提出基于贝塞尔曲线的车辆避撞控制方法。先构建车辆行驶环境,获取根据静态障碍物位置与车道分布,并通过动态障碍物初始位置与行驶参数的获取,预测动态障碍物位置,实现复杂行驶环境中动静态障碍物信息的获取。然后考虑车辆行驶的运动学和动力学原理,检测车辆实时行驶数据,作为车辆避撞控制初始值。根据车辆避撞安全距离求解结果,利用贝塞尔曲线,规划车辆避撞行驶路线。最后根据车辆行驶位置与规划路线之间的偏差,得出车辆避撞控制程序触发决策结果。在设定约束条件作用下,计算规划避撞控制目标与初始值之间的偏差作为控制量,生成并执行车辆避撞控制指令,实现车辆避撞控制。实例分析结果表明:在静态、动态和静动态复合场景下,与传统控制方法相比,优化设计控制方法的车辆行驶路线拟合偏差和行驶速度控制偏差均得到明显降低,且车辆的动态曲率约束满足度和多障碍物避撞安全裕度取值更大,证明其可有效实现车辆碰撞,控制效果较好。

摘要:针对LNG储罐在复杂气液耦合工况下面临的压力监测滞后与控制精度不足的问题，本研究基于VOF多相流模型，开展了一系列监测与控制方法的深入研究。通过耦合VOF气液界面动态追踪机制、MPC的滚动优化策略以及DDPG算法的扰动补偿能力，构建了一套“监测–优化–补偿”一体化智能控制架构。采用VOF-WTD-WPE多尺度融合方法，实现了机理模型与实时监测数据的协同感知；结合MPC-DDPG协同优化框架，有效处理多约束条件与非线性扰动。实验测试结果表明，所提模型在压力监测误差均值方面降低85.2%，稳态波动范围缩小53.3%，异常检测灵敏度提升至98.2%，误报率降至1.5%；系统比能耗下降30.4%，计算资源占用减少68.7%。该研究成果显著提升了LNG储罐压力监测的实时性与控制精度，为LNG储运系统的智能安全运行提供了可靠的技术支持。

摘要:小型无人机飞行过程中,面对复杂环境时的三维激光雷达采集模式容易出现出现“假回环”问题,由此生成的轨迹位置误差较大,导致小型无人机飞行轨迹自动控制质量下降,为此提出基于机器视觉技术的小型无人机飞行轨迹自动控制方法。通过无人机搭载相机获取无人机飞行区域环境图像,运用机器视觉技术完成色彩模型转化、曲率滤波、特征点提取与转化等图像处理工作,感知飞行环境中的障碍物分布信息,绘制出三维环境感知地图。机器视觉技术通过特征点提取和匹配算法,能够减少因激光雷达数据噪声或环境干扰导致的误匹配问题,这有助于降低“假回环”的出现概率。应用改进A*算法在机器视觉环境感知地图中搜索出一条飞行路线,为后续飞行轨迹控制提供重要的基础。结合迭代学习算法和PD控制算法建立自动控制方案,该控制方案主要考虑规划飞行路线和无人机实际飞行轨迹之间的误差,对飞行轨迹进行有效控制,保证无人机的飞行安全性。实验结果表明,依靠该方法完成飞行轨迹自动控制后,所呈现出的位置误差小于0.5m,能够更好地辅助小型无人机完成飞行任务,可以在实际中得到广泛应用。

摘要:地磁导航作为一种全天候、多时段、全自主的导航方式，需要精确的实现干扰磁场的建模与补偿；针对无人机航空磁测数据时间序列混沌性的特点，提出了一种考虑非线性动态磁场的航磁补偿方法。该方法首先使用Tolles-Lawson(T-L)模型对航空磁测数据进行初步的补偿；再使用互信息法和Cao氏法确定了无人机非线性动态磁场的延迟时间和嵌入维数，经过相空间重构，输入Volterra级数模型，使用递推最小二乘法对Volterra级数模型的核函数进行辨识；最后对T-L补偿后的结果进行二次补偿。通过实际飞行数据的验证，该方法大大地提高补偿的精度，且具有较好的鲁棒性和泛化性，改善比超过了30。

摘要:管道缺陷检测作为管道安全管理的重要组成部分，对保障管道安全至关重要，超声波检测技术可用于识别和评估管道的内部缺陷；针对人工分析检测数据存在的执行效率低、漏检误检等问题，提出了一种基于改进YOLOv8n的管道超声图像缺陷识别方法；在YOLOv8的C2f模块中引入动态蛇形卷积，增强对缺陷的特征提取能力，将空洞卷积集成到SPPF模块，以减少缺陷信息损失，通过共享组卷积检测头，降低模型复杂度的同时提高对缺陷的定位能力；实验结果表明，改进的YOLOv8n算法能够实现管道超声图像自动缺陷检测，且改进后的模型与原模型相比，mAP50提升了2.1%，计算量和参数量下降了15%和7%；较其他主流检测算法，综合表现最佳。

摘要:如今船舶目标检测技术在不断发展，但在雾天、雨天和雪天等恶劣天气条件下，船舶目标的可见度低，导致模型特征提取不全面，检测性能会显著下降。针对以上问题，提出了一种轻量化目标检测模型GSPN-YOLO。该模型基于YOLOv8s架构，在主干网络采用幽灵卷积替换普通卷积，使用GhostNCSP模块替代C2f模块，降低计算量的同时提高网络精度。在颈部网络设计了通道重排多尺度特征金字塔，显著提升了多尺度特征的表征能力。经实验测试，GSPN-YOLO在自制数据集上，相较于基准模型YOLOv8s，其AP@50:95提升了2.1%，AP@50提升了2.7%，AP@75提升了2.5%，同时参数量减少了45.5%。此外，其检测性能优于YOLOv10s、YOLOv11s等SOTA目标检测算法，满足了在复杂天气条件下船舶检测的应用需求。

摘要:针对激光通信设备终端在初始指向过程中,因其内部GPS定位系统受外部环境干扰而致使终端转台在初始指向过程中出现的随机转动状况,导致终端转台指向产生偏差。利用其内部INS惯性导航系统来检测终端转台的实时姿态数据,数据中既包含高频噪声又包含低频噪声；对于传统的卡尔曼滤波算法无法在较短时间内对既有高频干扰又有低频干扰噪声的测量数据进行准确估计,对此引入线性拟合与均值滤波算法,提出基于改进的卡尔曼滤波算法在激光通信终端初始指向中的应用；通过上位机采集初始指向过程中的终端转台的姿态数据,并通过人为调整,将双端转台对准,获取对准时的准确姿态数据,对3种算法的降噪结果进行比较,相比另外的两种算法:传统的卡尔曼滤波算法、平均值法；改进的卡尔曼滤波算法效果更好,其能将转台指向角度误差误差控制在2mrad以内,实验结果表明改进的卡尔曼滤波算法很大程度上提高了激光通信终端初始指向系统的精度与鲁棒性。

摘要:针对水下目标检测中图像模糊、生物群聚遮挡重叠问题,本研究提出一种基于YOLOv11-S改进的MEFF-YOLO算法。设计边缘特征融合主干网络(EFF-DarkNet),通过多尺度边缘特征生成模块(MEFG)提取浅层高分辨率边缘信息,并利用跨通道融合模块(EFFC)实现边缘特征与常规卷积特征的深度融合,提升目标边界表征能力。其次,提出多尺度部分聚集卷积模块(MPAC),通过分层级联卷积与残差连接,在减少冗余计算的同时保留多尺度原始信息。最后,提出Inner-MPDIoU损失函数,融合尺度自适应辅助边界框策略与最小点距优化方法,提升边界框定位精度。在DUO数据集上的实验表明,MEFF-YOLO以10.26M参数量实现72.1%的mAP0.5:0.95,推理速度达227.2 FPS,较YOLOv11-S精度提升3.3%,为复杂水下环境中的生物检测提供了高精度、高效率的解决方案。

摘要:雾霾等复杂的天气会严重降低自动驾驶汽车采集的图像质量。传统的图像去雾方法存在去雾效果不明显、去雾效率较低的问题，导致汽车环境感知准确度低、去雾实时性差，极大降低汽车环境感知能力, 给汽车自动驾驶带来极大的安全隐患。为解决上述问题，本文引入多尺度空间特征提取和特征融合模块，通过局部连接和权值共享计算优化去雾模型。同时，在去雾模型训练的前向传播和反向传播过程中加入优化的Attention机制，完成基于多算法融合的去雾算法研究。在不同数据集条件下，将本文提出的去雾算法和传统去雾算法的去雾和消融效果进行对比，以峰值信噪比PSNR和结构相似度SSIM作为评价性能的主要指标，分析不同算法的去雾效果。实验结果表明：本文提出的算法去雾效果更明显、去雾效率更高，极大地提高了自动驾驶汽车环境感知能力，从而提高了自动驾驶汽车的行驶安全性能。

摘要:脉冲神经网络由其突出的生物可解释性和能效，在对能量消耗有极端限制的应用领域正在受到越来越多的关注，但目前已实现算法普遍存在识别能力相对传统算法较弱、未充分利用输入数据的时间相关性等问题；为此提出了一种基于SpikeYOLO的改进算法TS-SpikeYOLO，该算法在原算法的特征提取结构后引入多尺度扩张卷积MSGDC与残差时移TS模块，通过将过去相邻帧的部分通道移入本帧并进行特征融合，在增加少量参数的情况下改善了算法的信息提取和时间相关性的利用能力；通过引入多尺度扩张卷积和残差结构使算法能够有效融合调整后的特征图并减小非本帧特征引入导致的算法表达能力减弱和训练不稳定；实验结果表明，该算法在选取人与车两种目标的COCO2017静态数据集上的mAP50达到72.0%，在类似的基于KITTI和MOT15数据集制作的动态数据集上的mAP50也达到80.1%，相比基本算法分别提升了1.7%和1%，而算法参数量仅增加2%, 有利于提升脉冲神经网络在视频相关目标识别任务上的应用前景。

摘要:微电网作为一种高效灵活的能源分配系统，能够集成可再生能源与传统发电资源，优化能源调度，提高系统的运行效率；针对微电网调度中的复杂性与动态性问题进行了研究，对微电网的结构进行了分析，建立了包括光伏电池、风力发电机、燃气轮机、柴油发电机及蓄电池等多种能源单元的微电网系统模型，通过改进人工蜂鸟算法进行优化调度，并结合目标函数（包括运行成本与环境治理成本）进行多目标优化，确保在满足负荷需求的同时，最小化运行成本与碳排放；算法方面采用了混合技术策略对基础人工蜂鸟算法进行了改进：引入拉丁超立方体采样（LHS）提升初始种群的多样性，有助于扩大搜索空间并提高全局搜索能力，引入模拟退火（SA）机制则增强了算法跳出局部最优的能力，从而提高了整体收敛性能；实验通过对不同调度策略的比较，结果表明改进人工蜂鸟算法在迭代初期表现出较快的收敛速度和较高的求解精度，显著优于传统的人工蜂鸟算法及粒子群算法。经微电网实际应用，基于改进人工蜂鸟算法的微电网优化调度实现了能源使用效率的提高、减少了弃风弃光现象，同时通过合理的分时电价策略降低了电力成本，优化了电力采购与销售过程，在应用于较为复杂的微电网环境中也具有良好的表现，具有较好的工程应用前景。

摘要:作物分类是农业遥感工作的基础任务之一。在实际应用场景中，作物的生育期会由于不同地区的气候、种植习惯等因素不同而出现较大差异。现有的分类方法在跨地域、跨年份的数据上的分类效果不佳，模型的推广效果有限。因此对地块级的卫星图像时间序列作物广义分类工作展开了研究，提出了一种基于注意力机制的生长率编码器，采用了积温映射生长率的方法，将日历时间替换为归一化生长进度进行时序位置编码，提升时序分类模型在跨地域、跨年份数据上的适应性。通过对4个研究区的小麦、大豆、玉米等7种作物的数据集进行推理测试，该方法整体准确率（OA）和F1分数分别达到了91.22%和83.47%，证明该方法可以应对更复杂的数据，能够显著提高分类模型的泛化能力。

摘要:云数据呈现出爆炸式增长,其规模海量、来源多元异构、结构复杂且动态变化显著。为实现高维、复杂云数据的高效处理、增强对云数据不确定性和模糊性的适应能力,设计基于云计算技术的海量云数据模糊聚类算法。构建基于云计算的海量云数据分析框架,主节点服务器采用随机森林算法实现来自多个异构源的海量云数据融合后,在对其作切分处理后,将得到的多个云数据切片分配给从节点服务器,计算节点在MapReduce数据模型下调用模糊K-means算法执行本地云数据聚类任务,采用量子粒子群算法优化初始聚类中心后,输出云数据聚类结果。实验结果表明:该方法可实现云数据模糊聚类,簇内云数据呈现紧凑分布形态,簇间数据区分度高；聚类中心优化选择后,聚类误差降低至0.10左右,分离系数为0.891,分离熵为10.441；计算节点数量为10时,加速比达到最大。

摘要:特征选择作为降维方法，能够减少高维数据计算复杂度。然而传统方法多集中于单目标优化，难以同时平衡分类准确率和特征数量，特别是在高维数据中存在收敛性不足的问题。针对该问题，提出了一种基于强化学习和双种群策略的多目标特征选择算法（QSNSGA-Ⅱ），该算法通过强化学习动态调整关键参数，在保持种群多样性的同时加快收敛速度。采用双种群协同进化策略，增强了全局搜索能力，提高了算法性能。通过在多个UCI数据集上进行实验，尤其在高维数据集Musk1和Sonar数据集上准确率达到了91.1585%和84.636%，展示了该算法优异的特征选择效果及较好的收敛性和多样性。

摘要:针对全球GNSS观测数据规模持续增长及多源数据管理、质量控制和自动化处理的迫切需求，设计并实现了一种面向大规模GNSS观测数据的一体化预处理系统；该系统采用模块化分层架构，集成格式转换、数据编辑、质量检查、单点定位、结果可视化及报告生成等功能，具有功能完备性、结果可靠性、输出多样性、高度自动化和高效并行化等显著技术特征；基于135个基站的观测数据进行性能测试，结果表明：在六核十二线程的硬件环境下，该系统可将数据处理耗时由98分钟缩短至约17分钟，效率提升约576.5%，当并行度设置接近CPU物理核心数时可获得最佳性能；该系统有效降低了大规模GNSS数据预处理的技术门槛，显著提升了处理效率和可靠性，为GNSS精密定位、误差建模及气象反演等应用提供了高效的数据支撑。

摘要:输电线路覆冰是电力系统运行中常见且危害性极大的气象灾害，其附加荷载会导致导线弧垂增加、绝缘性能下降甚至杆塔损毁；基于此，对输电线路覆冰重量估计问题进行了研究。针对无人机巡检图像因拍摄角度差异导致的几何畸变以及低能见度条件下图像质量下降的情况，采用透视变换进行视角校正，并利用改进小波变换融合可见光与红外图像，以提升图像清晰度、对比度和细节表现。结合SURF特征点检测、FLANN匹配与加权平均策略，实现了输电线路全景图像的无缝拼接。在拼接图像中提取导线弧垂参数，并结合抛物线力学模型与导线设计参数，反演计算线路覆冰重量。经实验测试，该方法在多日实测数据中与拉力传感器测值的平均误差小于6%，在准确性、鲁棒性和计算效率方面均优于传统方法，能够满足电力系统覆冰监测与防灾减灾的工程应用需求。

摘要:基于三维气密陶瓷封装技术，以提升集成密度与信号传输性能，实现射频前端系统级封装（SiP）小型化为目的，开展了一项毫米波射频前端SiP的设计与实现研究。采用三维直接覆铜（DPC）陶瓷基板与单片微波集成电路（MMIC）进行三维堆叠设计，并使用陶瓷通孔与铜柱构建类同轴传输结构，实现了射频信号的垂直互连，显著提升了射频前端SiP的集成密度和信号传输效率。通过详细的射频性能分析与关键参数计算，验证了该结构在毫米波频段的有效性。测试结果显示，在工作频段内，发射输出功率为21~22 dBm，接收增益为25~26 dB，接收噪声系数小于3.2 dB，电压驻波比小于2.3，拥有6 bit移相功能步进5.625°和6 bit衰减功能步进0.5 dB，射频前端SiP尺寸仅12×12×4 mm3。

摘要:针对固定翼目标姿态角估计在宽角度、多目标场景下泛化不足、开销大的问题，提出基于并行Resnet1D-ConvLSTM-Tucker（RCLTu）网络的HRRP姿态角估计方法，该方法利用HRRP角度敏感性与类间相似性，通过双分支分别提取空间结构特征与角度序列相关性，融合层引入Tucker分解实现特征保留与模型轻量化，进而实现HRRP姿态估计；初步验证利用HRRP进行姿态估计的可行性；基于16类FEKO仿真HRRP数据集（6400样本）验证表明，模型方位角（Angle1）、俯仰角（Angle2）估计MAE均维持低水平，显著优于对比方案；消融实验证实Tucker分解有效降参，模型兼具高精度与轻量化；该方法为复杂空战场景提供轻量化解决方案，对雷达目标感知工程化具有参考价值。

摘要:针对高性能射频前端接收部分小型化的应用需求，基于0. 25 μm GaAs pHEMT工艺，设计了一款工作频率覆盖2 ~ 18 GHz的紧凑型超宽带低噪声放大器。放大器采用了两级级联电路拓扑，前级选用共源共栅结构配合源极串联电感负反馈，后级选用共源极结构，通过两级并联负反馈及紧凑型版图设计技术，优化了芯片的增益平坦度与面积，在噪声系数较小的同时拥有较大输出功率。经实验测试，芯片在2~18 GHz频带内实现了噪声系数≤2.8 dB，小信号增益22~26 dB且呈正斜率，输入驻波比<2.2，输出驻波比<2，输出功率1 dB压缩点>14 dBm。该器件尺寸仅为1 mm×1.5 mm，满足了宽频带、低噪声及小型化的工程应用需求。

摘要:针对GNSS信号在受欺骗攻击时易受到欺骗信号的影响的问题,研究GNSS欺骗信号频域特征提取算法设计和统计特性。根据GNSS信号频谱结构和高阶统计特性的变化特征,给出了频域参数、频域矩峰度系数、单频能量聚集度、频域矩偏度系数、平均频谱平坦系数五种频域特征,给出了相应的数学模型和计算方法,通过仿真信号,对正常与欺骗条件下各特征的统计分布情况进行了对比,通过区间统计方法来反映特征在不同样本序号和实验条件下的波动程度,并以Cohen’s d指标进行定量分析。得出不同频域特征在正常和欺骗条件下各特征间具有一定的统计差异,部分特征具有较强的区分能力,能够反映欺骗信号对GNSS频谱统计特性的影响。研究结果为复杂欺骗环境下GNSS欺骗检测算法特征的选择和设计提供了理论依据。

摘要:智能算法是解决三维环境中无人机路径规划问题的重要工具，在求解时容易出现陷入局部最优、路径最优性有限的问题，为解决此问题，提出了一种基于分工的增强型哈里斯鹰优化算法进行路径规划；设计了势能波动学习策略增强探索效率，提高算法对空间的搜索性能；对算法在开发阶段选择迭代策略时的盲目性问题进行了分析，提出了分工机制根据种群质量调整猎物逃逸机会，避免策略的盲目选择；设计了一种精英时变莱维飞行，平衡算法对于前期跳出局部最优、后期提高收敛精度的不同需求；使用仿真实验与其他算法进行对比，评估改进算法的性能。仿真结果表明，改进算法在收敛精度和稳定性等方面均得到明显提升，能有效解决无人机路径规划问题。

摘要:航天器有效载荷遥测数据受太空环境影响而复杂多变,高纬度下包含的特征量众多,不能准确识别遥测数据中的有效特征,导致划分到不同类型中的数据集无法准确反映原始数据的特征和关系,影响融合质量。为此,提出基于深度自编码高斯混合模型的航天器有效载荷遥测数据融合方法。按照时间顺序对多站遥测数据进行全帧编号,并通过编号对齐实现数据采集时间统一；引入主成分分析特征选择算法,对有效载荷遥测数据中的关键特征进行有效筛选；构建深度自编码高斯混合模型,对航天器有效载荷遥测数据进行分类；基于支持因子的证据理论融合算法分析样本相关性,实现遥测数据的融合处理。实验结果表明:通过该方法完成航天器有效载荷遥测融合处理后,完整涵盖了不同测站获取的对地观测卫星遥测数据包含细节,融合数据与真实数据之间的相关系数超过了0.98,极大提高了数据处理质量。

摘要:针对快跳频卫星通信中时差估计结果在恶意干扰条件下性能严重恶化的问题,提出一种基于干扰预处理的时差估计方法。提出的方法设计了基于分段FFT的频域干扰检测与抑制方法,能够有效识别并抑制受干扰的跳频信号,同时结合基于分段FFT的频域时差估计方法,实现不同恶意干扰条件下的可靠时差估计。在不同干扰条件下的时差估计性能进行仿真,仿真结果表明在不同干扰带宽、干扰强度下提出的方法均能够得到准确的估计结果,归一化时差的均方误差小于0.01,保证快跳频信号正常解调。

摘要:为解决低轨卫星高动态特性、业务请求动态不均及信道环境复杂多变带来的资源调度难题,提升低轨卫星通信系统性能,对低轨卫星通信系统多维信道资源调度进行了研究；基于波束跳变和时隙聚合技术,提出一种高效多维资源分配策略,将复杂多维资源分配问题分解为三部分,综合衡量每个位置区的数据量、缓存时延及信道状态三个指标,采用量化评估方法计算KPI值并对位置区进行优先级排序,通过贪婪算法确定跳波束图案及不同波束的时隙等级,提出改进遗传算法对带宽和功率资源进行联合优化,引入干扰聚类和时隙重组技术,将同时隙位置区聚类为无干扰簇以降低干扰及算法复杂度；仿真测试表明,该策略在系统传输能力和传输时延等方面均有较好提升；该策略能适应低轨卫星通信环境,在业务需求分布不均及信道环境复杂多变情况下均表现良好,可有效填补低轨卫星多维资源高效调度的技术空白。

摘要:针对开关电源在高频环境、弱电流条件下电流检测精度低、易受干扰的问题，设计了一种数字化磁通门电流传感器系统。系统采用双微控制器协同工作，其中STM32F1负责外围电路的控制，实现磁通门感应电压的周期采样，并将数据传输至STM32F4进行后端处理。在数据处理阶段，结合小波变换与Savitzky-Golay滤波算法实现对信号的有效去噪，并通过Goertzel算法高效提取信号的二次谐波幅值，作为反映电流状态的特征指标。经实验测试，传感器在-3A至+3A测量范围内灵敏度约为0.57V/A，线性度误差小于1%，在干扰条件下仍保持稳定输出。结果表明，系统能够满足开关电源等电力电子设备对实时性与准确性的需求，并具有良好的工程应用前景。

摘要:针对半实物射频仿真测试验证中的复杂电磁环境构建需求，为提供多功能化的小型化信号激励类设备，对雷达及通信信号建模、产生、调制方法进行研究，并基于RFSoC芯片,提出了一种可重构功能的信号激励生成设备设计与实现方案。实测结果表明，可重构信号激励生成设备可基于设置参数实现超宽带的雷达、通信信号的产生，也可通过信号回放的方式输出事先采集的信号，为室内环境复杂电磁环境的构建提供有力支撑。

摘要:针对复杂电磁环境干扰导致心电诊断仪器信号失真、降低诊断精度的问题,本文提出基于波束赋形技术的抗干扰优化设计方案,结合S3C2410A处理器与ATmega16单片机构建双核协同硬件架构。通过优化硬件接口隔离、电源域分割及阻抗控制,同时利用波束赋形技术计算空域匹配权值并合成定向波束,辅以干扰识别与动态补偿算法,实现目标心电信号增强与干扰抑制。实验结果显示：在射频连续波、宽频噪声干扰下,该方案将心电信号信噪比提升至最大值0.2dB,信号波动范围分别控制在[-15dB,73dB]、[-16dB,73dB],与理想指标的误差仅为2dB、1dB；较传统方法(如变分模态分解、GNSS增强),信号波动偏差降低30dB以上。研究表明,该设计满足IEC60601医疗设备电磁兼容标准,可在复杂电磁环境下保障心电诊断的精准性,为极端场景下的可靠监护提供解决方案。