摘要:针对深度强化学习算法在路径规划的过程中出现与所处环境交互信息不精确、回馈稀疏、收敛不稳定等问题，在竞争网络结构的基础上，提出一种基于自调节贪婪策略与奖励设计的竞争深度Q网络算法。智能体在探索环境时，采用基于自调节贪婪因子的ε-greedy探索方法，由学习算法的收敛程度决定探索率ε的大小，从而合理分配探索与利用的概率。根据人工势场法物理理论塑造一种势场奖励函数，在目标处设置较大的引力势场奖励值，在障碍物附近设置斥力势场奖励值，使智能体能够更快的到达终点。在二维网格环境中进行仿真实验，仿真结果表明，该算法在不同规模地图下都取得了更高的平均奖赏值和更稳定的收敛效果，路径规划成功率提高了48.04%，验证了算法在路径规划方面的有效性和鲁棒性。同时与Q-learning算法对比实验表明，所提算法路径规划成功率提高了28.14%，具有更好的环境探索和路径规划能力。

摘要:针对工程车辆轨迹跟踪控制方法中存在的跟踪精度低、响应速度慢、易抖动等问题，提出了一种鲁棒的非奇异快速终端滑模控制方法。首先，建立工程车辆的运动学模型和位姿误差模型。考虑到传统终端滑模存在的奇异性问题，设计了积分型非奇异快速终端滑膜控制器，使系统误差在快速收敛的同时抑制了控制器的抖振。其次考虑到传统趋近律趋近速度慢等问题，基于反步法分别设计了线速度和角速度控制律，并选用fal函数和反双曲正弦函数组合来设计趋近律，提高了系统的稳定性和趋近速度并且削弱了滑模控制的抖振。最后在Matlab软件中和传统的非奇异终端滑模控制器控制效果进行对比实验仿真。实验结果表明，与传统的非奇异终端滑模控制器相比，本文提出的非奇异快速终端滑模控制策略在跟踪精度和不同运动的鲁棒性方面具有明显的优势。

摘要:针对现有的手势识别方法存在数据集过少、利用特征信息较少和神经网络部分提取信息不充分的问题，提出一种基于毫米波雷达传感器 RAI图像的手势识别方法。首先使用TI公司的IWR1443毫米波雷达传感器采集10类手势数据构建数据集，再通过对手部反射的雷达信号进行时频分析，获取固定帧数的 RDI和RAI。为了充分提取手势特征并精确分类，在卷积神经网络基础上，引入了残差块和通道注意力块。实验结果表明，相较其他特征如RDI，RAI能更准确的表征手势，所提出的网络相比于CNN方法准确率提高了12.72%，相比于VGG16-Net和单参数VGG16-Net方法准确率提高了8.93%与10.41%，参数量降低了90.68%，时间复杂度降低了17.2%。

摘要:针对Faster R-CNN算法对复杂环境下的小样本绝缘子缺陷检测精度不高的问题，本文提出了一种融合迁移学习和主体局部的绝缘子缺陷分级检测方法。整个方法使用融合残差模块和特征金字塔结构的卷积神经网络作为骨干网络进行特征提取，用于适应不同尺度的缺陷目标，保留更多有效信息。首先使用迁移学习的方法改善对缺陷所在绝缘子主体的检测效果；然后对检测出的绝缘子主体进行自动裁剪来改善复杂背景对缺陷区域检测的影响，使得模型能够更有效地挖掘出缺陷特征；最后将裁剪后的缺陷绝缘子局部图像送入第二阶段进行训练，进一步提高模型准确率。通过对无人机航拍采集的绝缘子缺陷图像进行检测实验。结果表明，本文方法相较于Faster R-CNN基线模型平均精度提高了37.5%，达到了89.6%。在对自爆和破损检测上，精度分别提高了34.9%和60.2%。

摘要:针对D2D通信中用户复用频谱资源时产生的同频干扰问题，提出了一种改进的猎食者优化算法，对D2D用户进行功率控制。它在满足系统用户通信质量的约束条件下，根据猎人向猎物移动位置和猎物向最安全位置移动的规则来调整D2D发射功率，为了保持搜索与开发的平衡，提高收敛速度和寻优精度，采用Sobol序列对种群进行初始化，并且在猎食者位置更新公式中引入水波动态自适应因子，从而确定D2D用户最佳发射功率。仿真结果表明，该算法可以不仅可以提高系统总吞吐量和降低蜂窝用户受到的干扰，还可以提高收敛速度和寻优精度。

摘要:针对滑模观测器在永磁同步电机无位置传感器控制系统存在的高抖振、收敛速度较慢、观测精度差等问题，提出一种基于自适应滑模增益的变幂次趋近律的新型滑模观测器，该趋近律在幂次趋近律的基础上，增加由观测转速、磁链和外部输入预期目标电流误差组成的自适应滑模增益变指数项，自适应滑模增益变指数项具有时变的较快收敛速度，有效解决原有趋近律趋近模态时间过长的问题，使用李雅普诺夫稳定判据对系统进行了稳定性分析。通过新型滑模观测器和传统滑模观测器进行对照实验，结果表明，相对比较而言所提出的新型滑模观测器收敛速度更快，高频抖振削弱和带载能力加强，自适应滑模增益能有效控制电流误差幅值，最后观测精度提高了20%以上。

摘要:路径规划是保证可重构机器人快速完成任务的关键技术之一。为提高可重构机器人的行驶效率，缩短行驶路径，首先，提出一种基于Bresenham直线算法思想的改进型A*路径规划算法，实现可重构机器人路径点数消减、拐点消除，提高路径平滑度。在此基础上，考虑可重构机器人本身体积以及机器人可重构的特性，建立可重构机器人构型库，讨论了可重构机器人体积与周围障碍物的关系，减少机器人行走过程中与障碍物的碰撞几率。利用MATLAB仿真平台对改进型A*路径规划算法进行仿真实验，验证了算法的有效性，可应用于复杂环境的机器人路径规划；分析了机器人重构后路径规划问题，利用可重构特性可缩短机器人运行路程，体现了可重构机器人的优越性。

摘要:大坝安全监测是大坝安全的重要保障，对监测数据进行异常检测与恢复可有效避免对大坝状态的错误估计和判断，具有重要现实意义。近年来基于深度学习方法的大坝监测数据异常检测受到广泛研究，但现存方法存在数据利用不足、信息挖掘不充分等问题。因此，本文提出一种多维度LSTM异常检测与恢复方法，该方法用LSTM输入多个测点的大坝监测数据对单测点数据进行预测，有效利用了不同测点间的相关信息；最后利用拉依达准则对目标测点进行异常检测。本文利用大渡河瀑布沟水电站真空激光准直监测数据进行案例验证，通过与单维度的LSTM异常检测与恢复方法相比较，验证了所提方法能有效地检测数据异常和预测恢复正常数据，是一种有效的大坝监测数据异常检测与恢复方法。

摘要:针对目前语音转录文本错误率较高的问题，本文提出一种基于MacBERT的文本先检错后纠错模型，对语音转录后文本进行校正。检错阶段使用MacBERT-BiLSTM-CRF模型检查文本是否有错及出错位置。纠错阶段从置信度和字音相似度两个维度出发，划定“置信度-字音相似度”曲线判断候选字是否进行纠错。候选字的置信度使用MacBERT语言模型计算，并提出一种基于拼音码的字音相似度计算方法。在语音公开数据集Thchs-30上通过调用百度语音识别API进行实验，相比现有方法，在检错阶段和纠错阶段的精确率、召回率、F1值都得到了提高，其中纠错阶段精确率达到83.32%，提高了转录文本的正确性。

摘要:针对弱光线环境下道路交通标志检测精度不高、漏检、错检等情况，提出了一种改进YOLOX的融合检测算法。该算法引入轻量级Mobile Vi T Block模块，将CNN和Transformer结合，提高了网络对物体局部和全局特征的学习能力；通过添加自适应特征融合金字塔ASFF，对有效特征层进行加权融合，加快了网络训练收敛速度；并采用Focal Loss替换二元交叉熵损失函数，用以解决因样本少导致分类不准确的问题。实验结果表明，相较于YOLOX算法，改进YOLOX算法mAP值提升了2.89%，参数量减少了6.23 M，可视化实验进一步验证了所提算法可以提高检测精度，有效避免因弱光线导致的漏检、错检现象。

摘要:针对基于全卷积孪生网络跟踪算法在面对相似物干扰、光照变化等复杂环境时容易出现跟踪漂移的问题，本文在分析与实验基础上提出如下特征强化策略。首先，将改良的深度卷积神经网络VGG16引入跟踪框架来提高模型的特征学习能力；其次，针对单一特征无法充分描述目标信息，且对干扰物比较敏感的问题，本文设计一种特征增强模块，由浅至深融合不同层次语义信息来提高特征的表达能力；最后，提出一种轻量级的三元注意力机制，帮助模型自适应关注优势特征，进一步提高了模型在复杂环境下的鲁棒性。将上述策略应用到全卷积孪生网络算法上取得了显著的效果。在OTB100数据集上，本文算法成功率曲线下面积较基准算法提升了15.1%，距离精度提升了16.3%，在复杂环境下也能对目标进行有效跟踪。

摘要:针对传统高光谱图像聚类算法难以有效处理数据量快速增长的高光谱图像的问题，提出基于超像素锚层收敛选点的高光谱聚类算法。采用SuperPCA对原始数据进行基于超像素切割的降维；利用K-means选取具有代表性的锚点，构建基于锚点的邻接矩阵；通过无核邻近分配的方法构建相似图，避免对热核参数的调整；最后进行谱聚类分析获得聚类结果。在Indian Pines和Pavia Centre高光谱数据集进行仿真实验，结果表明该算法获得的分类图所含错分点更少，地物分布更加平滑，与当前高光谱图像聚类算法相比具有更优的聚类效果。

摘要:针对现有图像超分辨率重建技术中存在的特征提取方式单一、中间层特征提取不充分等问题，提出了一种通道可分离残差网络。首先，利用多尺度卷积的思想设计出多分支卷积块，充分提取图像的低频信息；其次，利用通道压缩进行降维以精简特征信息，并引入坐标注意力机制对局部融合特征进行增强，通过长短跳跃连接，在加速收敛的同时使得主干网络专注于提取高频特征；最后通过上采样层重建出高分辨率图像。将本算法在Set5、Set14、BSD100和Urban100等4个超分辨率重建领域中公共数据集上进行对比分析，其中在2倍重建任务的Set5数据集上，与DBPN相比，参数量是它的2/5，PSNR和SSIM分别高出0.09 dB和0.001 6。实验结果表明，该算法对图像特征充分提取，以较少的参数量实现了与其他大型模型性能相近甚至更好的重建效果。

摘要:为实现晶圆表面缺陷的无监督检测，提出了一种改进生成对抗网络的无监督晶圆表面缺陷检测模型，该模型通过目标图像与重构图像之间的差异来检测缺陷。该方法使用带有两层跳跃连接和记忆模块的编码器-解码器卷积神经网络来搭建生成器，跳跃连接用以捕获多尺度的输入图像特征，记忆模块对潜在特征实施约束，扩大真实缺陷样本与重构样本间的距离。该方法还通过改进判别器网络结构，使模型轻量化。实验结果表明，该模型能够准确分辨具有缺陷的晶圆样本，ROC曲线下的面积值达到0.934，与已有的无监督学习检测方法相比性能更优,同时判别器网络的参数量和计算量分别降低到1 M和60 M以下。

摘要:针对传统钢板表面缺陷检测方法效果差、缺陷定位不准确等问题，提出一种基于改进RetinaNetGHM的深度学习检测算法。首先，引入路径聚合特征金字塔网络融合浅层和深层语义信息，提升网络对小目标的检测效果；然后，使用GHMC和GHMR损失函数对缺陷进行分类和定位；最后，引入高斯形式的软化非极大值抑制算法，提高检测精度。实验结果表明，改进的RetinaNet-GHM算法的平均精度均值为76.7%，裂纹、夹杂、斑块、麻点、压入氧化铁皮以及划痕六类缺陷的平均精度分别为45.2%、88.2%、94.2%、86.1%、65.1%和87.4%。通过与其他经典算法相比，改进的RetinaNet-GHM算法具有较好的检测效果

摘要:为了避免因疲劳驾驶而导致交通事故的发生，维护城市道路交通和驾乘人员生命安全，该项目针对传统疲劳驾驶检测方法存在着精度低、参数复杂、泛化能力差等核心问题，采用MTCNN模型和基于红外的rPPG等理论，在光照变化、部分遮挡和头部偏转等复杂行车环境下精确提取驾驶员面部与生理信息；同时在深层挖掘多模态的特定疲劳信息后，结合多损失重构(MLR)的特征融合模块利用各模态间的互补信息，避免了单模态检测方法存在的局限性，进一步构建了多模态特征融合模型，增强模型的准确性与鲁棒性；最后考虑到疲劳的时序性，基于Bi-LSTM模型建立了疲劳驾驶检测模块。在自制数据集FAHD上展开实验，证明了红外生理特征提取模型的可靠性，多模态特征输入的有效性，同时与现有融合方法相比，本文方法融合后的预测结果与疲劳标定值间的相关系数提高了5.6%，均方根误差减少25%，疲劳检测系统准确率达到了96.7%，在推动智慧交通发展的同时对维护交通安全也有较好的积极意义。

摘要:为了准确、及时地发现输电线路中的缺陷，研究基于人工智能图像识别技术的输电线路立体化巡检模式。具体地，以人工智能图像识别技术为支持，借助K-means算法对立体巡检图像进行聚类处理，同时，采用人工神经网络对图像中输电线路缺陷进行智能识别。经测试，在相同工作量下，未采用本文所提技术的输电线路缺陷识别需要5个分析员持续工作15 d，平均每分钟进行2~3张图片的识别，图像识别速度为20~30 s/张；采用人工智能识别技术，识别速度高达0.25 s/张，仅需3.6 h便可以将识别任务完成。在弱光环境下，经过增强处理的图像边缘更加清晰，目标图像与背景实现明显分界，且现阶段可利用输电线路中相同部件不同角度的7张图片实现高于90%的识别准确率。另外，通过对相同条件下其他几种方法影响模型实际收敛情况的比较发现，所有方法的重构误差均呈现出逐渐降低之势，最终都趋于稳定。结果表明本文技术在立体化线路图像缺陷检测中有一定普适性，有利于工作效率的显著提升。

摘要:票据的自动识别是票据数据化以及提高票据信息处理能力的重要手段之一。考虑到相同类型票据的规格统一，结构相同以及存在大量重复信息，提出了一种基于模版与内容分离的票据识别方法。该方法通过颜色分割将票据的结构及固有文字提取为模版，剩余部分作为票据内容。结合改进的孪生神经网络和模板对齐将待测票据模版与模版数据库中已有票据匹配然后重建新的票据。结果表明，与原方法百度OCR相比，该方法在文字检测时间、识别时间分别降低了68%、91.13%，整体预测时间降低了88.62%，达到3.45 s/张。

摘要:宫颈细胞核的分割问题研究对宫颈癌筛查诊断具有重要意义，但受边缘模糊及存在干扰物影响给分割任务带来了巨大挑战。针对此问题提出一种基于DeepLabV3+网络的细胞核分割方法，首先充分利用主干网络的输出进行多尺度特征融合，并引入注意力机制，构建了细胞团分割模型，以减少背景中干扰物对细胞核分割的影响；基于此设计了融合Transformer与ResNet50的双路特征提取模块，兼顾模型对全局信息的获取及低层上下文特征的敏感度，提高了模型对细胞核与干扰信息的辨别能力。实验结果表明，算法在宫颈细胞核的分割任务中取得了良好的分割效果，均交并比为0.832 9，较DeepLabV3+模型提高了2.33%，且与其他方法相比获得了更优的性能指标。

摘要:针对工业管道尺寸偏差的在线测量问题，本文提出一种融合多组双目视觉系统的管径测量方法。该方法通过使用多组双目摄像机对管道测量截面上投影的多个激光标记进行图像采集、三维重建和坐标融合，通过椭圆拟合得到外管径、椭圆度等尺寸参数。该方法通过仿射距离变换算法实现特征点的自动匹配，并采用具有法向量约束的优化点云配准算法保证坐标融合的准确性性。为了验证该方法的可行性，搭建多组双目视觉实验系统，对3种公称外径分别为285、299和325 mm的管道进行了外尺寸测量实验。实验结果表明，系统测量的相对误差在±0.570%范围内，最大重复性标准差为0.551 mm，最长测量耗时为1.5 s。该方法和系统基本符合工业管道在线检测需求，具有良好的应用前景。

摘要:用户感知分析体系对运营商网络运维各环节均有重要的支撑作用，是提升网络竞争力的重要保障，但网络及业务的变化，对感知分析带来了新的挑战。本文分析了现网主流的感知分析体系原理，指出其在效果、成本等方面的劣势，进而提出一种两阶段的用户感知测量和分析框架，第一阶段通过对大量业务模型的学习建立一套通用的单项业务感知质量的量化评估模型；第二阶段构造出一种准无监督的机器学习模型，使得该满意度评估方法具备自学习的能力能够适应网络的动态变化，同时可以将网络短板定位到具体小区和具体业务，大大提高了方法的实用性和可用性。现网分析表明，该方法的查全率、查准率远高于传统方法，实践中基于本方法的满意度修复准确度、修复资源投入双优于传统方法。最后对该体系在能力、效能、运营等方面的演进前景进行了展望。

摘要:针对16线激光雷达点云稀疏以及港口海面目标较远导致的感知算法效果不佳问题，提出一种融合IMU的动静态目标检测方法。首先针对无人艇尾迹流点云易导致误检测的问题，提出改进的Ray Ground Filter算法实现海杂波滤除；接着针对不同距离目标点云疏密程度不同导致的聚类效果不佳问题，提出一种适用于不同距离的目标聚类算法；最后通过融合IMU实现激光雷达点云帧间投影，完成了动静态目标检测与关键点预测。利用无人艇实船实验平台和仿真平台进行目标检测实验，本文算法检测效率快、鲁棒性稳定，可较好实现无人艇对港口环境的感知。

摘要:由于口罩的遮挡会大幅降低人脸可供识别的特征，使得之前提出的人脸识别算法在现有外部环境下的识别性能大幅下降。因此，针对现有人脸识别技术在当前应用场景中的不足，本研究采用MobileNet v2轻量级卷积神经网络替换InceptionResNet-v1网络作为骨干网络对FaceNet人脸识别方法进行了改进，在简化模型参数的同时提高了模型的运算速度，并且在MobileNet V2网络中引入一种轻量型的混合注意力模块，同时将Softmax Loss与Triplet Loss加权融合作为网络模型的联合损失函数，通过调整权值达到最优后作为损失函数进行训练，提高网络的识别准确率。实验结果表明：本研究所提出的人脸识别网络在进行口罩遮挡人脸识别时，识别准确率达到92.1%，较原有人脸识别网络有大幅提升，同时识别速度也明显优于原有网络。

摘要:针对目前计算墙面裂缝宽度精度低的问题，提出一种基于亚像素级裂缝宽度计算方法。该方法在提取裂缝区域的基础上，运用基于中轴线垂线的裂缝宽度测量方法，结合多项式拟合裂缝边缘，提取裂缝左右边缘亚像素坐标点，从而运用欧式距离方法计算出亚像素级裂缝宽度，并且与像素级计算宽度的方法进行了对比。实验的结果表明，该算法计算结果更加精确，可用于多种类型的墙面裂缝宽度测量，其中纵向、横向和交叉裂缝测量的平均相对误差分别为3.02%、2.44%和3.72%，相比于像素级方法，平均误差分别减少了1.87%、1.95%和2.07%，具有较强的泛化能力以及稳定性。

摘要:表面肌电信号是人体表面肌肉通过收缩产生的生物电，能够反应人体肌肉的活动状况，在医学领域有重要的研究价值。由于表面肌电信号是微弱信号，较小的噪声就能产生较大的干扰；针对其这一弱点，本文设计了一款体积小、功耗低、抗干扰能力强的表面肌电信号采集系统。设计使用AD8232作为采集芯片，结合放大、滤波、模数转换电路，使用STM32进行数据处理，最后将数据通过低功耗蓝牙发送到上位机。测试结果表明：表面肌电信号能量主要集中在50~150 Hz，300 Hz以上明显衰减，受低频信号干扰较大。经过硬件滤波与小波降噪算法处理后，干扰得到较好抑制，尤其对低频干扰有显著衰减。系统有较强的抗干扰能力和可靠性，有着良好的市场前景。

摘要:为深入挖掘配电终端录波性能分析，提出了一种用于一二次深度融合设备检测终端录波平台的改进型动态时间规整算法。通过分帧及加窗完成对波形的预处理，计算源信号波形与受噪声干扰的终端录波波形的短时能熵比；将两组波形的短时能熵比序列作为输入测试向量，利用DTW对两个波形的能熵比序列进行路径规划并求解相似度；计算两组短时能熵比序列的公共子串长度定义优化匹配系数，修正波形相似度。实验仿真和实测数据分析结果表明，结合能熵比与公共子串的DTW算法提升了算法的计算效率和准确率。实验证明该方法能为配电终端的录波性能评估提供数据支撑。

摘要:针对老年人家居行为识别中的隐私保护、跌倒检测和识别率低的问题，本文提出了一种新的基于WiFi信号的人体行为识别算法。首先，在模拟家居环境中自主采集了10种老年人日常行为（喝水、跌倒、坐躺下等）；然后对提取到的WiFi信道状态信息用巴特沃斯滤波器降噪，并使用主成分分析方法数据降维；最后将处理后有清晰特征的CSI信号输入到基于注意力的双向长短时记忆模型用于行为分类，高效的双向结构和注意力机制不仅产生了信息更丰富的特征，还提高了行为识别的泛化性能。实验结果表明，与一些基准方法相比，本文算法在公共数据集和自主采集的数据集上都能实现对所有行为的最佳识别性能，准确率分别为98%和96%。