摘要:基于表面肌电信号的控制策略是人机交互技术的一种重要基础，在人类对外围设备的控制方面具有重要的意义。肌电控制策略通过人体的表面肌电信号识别出人体的运动意图，进而转化为控制指令实现对外围设备的精确、稳定控制，改变了使用传统输入设备在便携性、操作空间以及特殊人群等方面的局限性。论述了基于肌电控制策略的发展历程，并比较了表面肌电信号相较于脑电信号作为控制系统输入信号的差异;阐述了基于表面肌电信号的控制策略在康复及辅助领域的应用情况，并指出了相关应用的未来改进和突破方向;分析和探讨了制约基于模式识别技术的肌电控制策略发展中涉及的表面肌电信号采集与提高肌电控制系统的控制效果和鲁棒性的相关技术问题，并给肌电控制系统的后续研究提出了一些可行的切入点。

摘要:传统的地震数据去噪方法,由于过多依赖数据的先验信息而使得去噪效果不佳。为了更有效地压制地震数据噪声,结合BP网络和奇异值分解（SVD）算法的各自特点,提出了联合去噪方法。该方法分别对BP网络的拓扑结构和实验方案的选取进行了深入探讨,最终确定实验方法为:首先将含噪地震数据经过BP网络分离,然后将输出的噪声经过SVD算法重构,得到联合算法输出的噪声,最后将含噪地震数据与输出噪声相减,即可得去噪后数据。叠前和叠后地震数据实验均表明该方法的可行性与有效性。通过与传统去噪算法对比,该方法去噪后的均方误差更低,信噪比更高,表明其对实际地震数据去噪效果更佳。

摘要:针对传统的时域、频域和时频域参数提取方法，难以从滚动轴承振动信号中提取出丰富的故障特征问题，提出通过多尺度排列熵提取故障特征，并结合改进的多分类相关向量机进行故障诊断的方法。由于多分类相关向量机的核函数参数不具有自适应选择的能力对故障诊断精度有较大影响，通过一种新智能优化算法蝗虫优化算法改进多分类相关向量机，实现多分类相关向量机的自适应优化故障诊断。采用美国西储大学的试验数据验证表明，提出的优化故障诊断模型能够实现滚动轴承不同类型的故障诊断和不同故障程度的辨识，与粒子群优化多分类相关向量机的故障诊断模型相比，提出的故障诊断模型准确率达到了100%。

摘要:信号指纹数据库（radio fingerprint database, RFDB）是基于WLAN的室内定位最重要的条件支撑。提出一种RFDB的测绘方法，该方法不依赖于额外的硬件或室内地图信息，通过图优化的方法融合手机的惯性数据、信号指纹数据，从而获得最大似然的室内位置估计，并根据位置的估计结果获得室内的RFDB，可用于WLAN室内定位。通过实验对比，证明了所提出的方法相比于地图点按方法定位误差下降了1.0 m，相比于基于高斯过程插值的方法在参考点稀疏的环境下定位误差下降了0.8 m。

摘要:机械设备故障诊断在工业应用中具有重要的意义。传统的基于振动信号处理与分析的故障诊断方法，依赖于丰富的专业知识和人工经验，难以保证准确的特征提取与故障诊断。利用深度学习方法可以自动学习数据深层次特征的特点，提出一种基于改进卷积深度置信网络的滚动轴承故障定性、定量诊断方法。首先，为了提供较好的浅层输入，将原始振动信号转换至频域信号；其次，在模型训练过程中，引入Adam优化器，加快模型训练，提高模型收敛速度;最后，为了充分发挥模型各层特征表征能力,对模型结构进行优化，提出多层特征融合学习结构，以提高模型的泛化能力。实验结果表明，所提出的改进模型相比于传统的栈式自动编码器、人工神经网络、深度置信网络以及标准卷积深度信念网络，具有更好的诊断精度，有效地实现了轴承故障的定性、定量化诊断。

摘要:针对工业工程各领域广泛应用的螺旋锥齿轮振动信号受环境噪声干扰大，出现故障时信号呈现非线性、非平稳特性，故障特征信息微弱，故障特征提取难、诊断效率低的难题，提出一种基于多尺度排列熵（multiscale permutation entropy，MPE）局部保持投影（locality preserving projections，LPP）与极限学习机（extreme learning machine，ELM）的螺旋锥齿轮状态识别方法。首先，构造MPE作为原始高维特征矢量；然后使用LPP对原始高维特征矢量降维,获得最优低维敏感特征矢量，挖掘并保留高维特征矢量的非线性结构特点；最后将所得敏感特征量输入ELM进行识别诊断。该方法应用于3种转速下4种故障状态螺旋锥齿轮的诊断中，并与基于MPEPCAELM与MPEELM进行对比识别，结果有效地证明了方法的准确性和优越性。

摘要:针对传统孤岛检测法定位精度差、抗噪性能不强的问题，提出了一种应用能量算子和改进最大重叠离散小波变换(maximal overlap discrete wavelet transform, MODWT)的孤岛检测算法。为了有效解决MODWT算法的边界效应问题，在传统MODWT算法的基础上，采用环形边界系数更新原来的小波系数，并通过滑动窗口分析其能量。再将该算法应用于孤岛检测，用处理得到的细节系数和近似系数能量分析孤岛状态下公共耦合点的电压扰动信号特征。仿真结果表明，该算法可准确检测电压扰动信号的起始时刻和幅值变化，且在实际信号检测中不受母小波和分解层数影响、抗噪能力强且时延偏差小。

摘要:提出一种基于Viterbi算法与时频差值平方和序列的微动周期估计方法。雷达目标的微动状态与目标动力、结构高度相关，不同目标具有显著的差异性，反映了目标的重要信息，可用于辅助目标探测及识别，具有重要作用。在雷达目标微动特性的研究中，诸如导弹等空间目标是研究的热点，目前已发表了大量关于空间目标的微动特征提取方法。对空间目标，其通常是平动与微动相耦合的复合运动目标，在进行微动特征提取时需考虑平动的影响。针对复合运动空间目标进行研究，提出一种基于Viterbi算法与时频差值平方和序列的微动周期估计方法，其中Viterbi算法可在低信噪比情况下目标瞬时多普勒的鲁棒估计，时频差值平方和序列则能够有效去除目标平动的影响，所提方法具有良好的估计性能。仿真结果验证了估计方法的有效性。

摘要:针对具有容差的模拟电路故障诊断难题，提出了结合经验模态分解(EMD)和子带多态谱(SPS)的提取模拟电路故障特征新方法。首先计算出待测试电路的二阶Volterra核序列，然后用EMD对Volterra序列进行分解，获得本征模态函数(IMFs)，最后通过计算IMFs的倒谱(CS)和Hiltert谱(HS)，对时频域的多态数字故障特征进行提取，从而将容差模拟电路中的软故障和非线性故障进行分离，完成模拟电路故障诊断。实验结果表明，该方法能够有效地解决故障混叠难题，提升故障元件定位和分离的能力。

摘要:为了进一步提高人脸表情识别算法的准确性，提出一种融合双编码局部二值模式(DCLBP)算子和绝对梯度直方图(HOAG)算子的人脸表情识别方法，该方法首先利用DCLBP算子提取人脸图像的局部纹理特征，利用HOAG算子提取人脸图像的局部形状特征；然后，采用典型相关分析法(CCA)融合所提取的两种特征；最后，利用支持向量机(SVM)进行人脸表情分类。实验结果表明，与单一特征识别方法和级联特征识别方法相比，本文方法获得了更好的识别效果，在CK (CohnKanade)和JAFFE数据集上的实验分别达到了100%和9905%的识别率，与其他相关方法的比较也验证了其有效性。

摘要:针对模拟电路存在的非线性和非平稳性，以及电路元件存在容差而带来诊断时的模糊性与随机性等问题，提出了一种结合了局域均值分解(LMD)云模型特征提取和人工蜂群最小二乘法支持向量机(ABCLSSVM)分类器的模拟电路故障诊断法。首先，利用LMD算法对初始故障信号进行分解，再将分解的信号通过云逆向发生器计算得出分解信号的云数字特征，并将得到的云数字特征构造为故障特征向量。然后，将部分故障特征向量作为测试样本输入到 ABC算法优化的LSSVM中，对各电路故障进行分类识别，得到各故障的分类精度。以两个国际基准电路CTSV和Sallen_Key电路为验证对象，结果表明，该方法提取的故障特征能很好的反映电路各故障状态信息，所提方法的故障诊断精度均达到99%。

摘要:已有雾气检测模型存在缺陷以及深层神经网络优化存在困难。模仿人类认知模式，借鉴迁移学习和闭环控制理论思想，探索了一种基于动态交错组卷积的雾气等级智能认知方法。首先，构建交错组卷积层以降低卷积运算的通道冗余；其次，构建可区分性测度指标和认知决策信息系统，获取雾气图像多层次差异化简约特征空间数据结构；再次，设计深层随机配置网络分类器，构建具有强泛化能力的分类准则；最后，基于广义误差和熵理论, 仿人类反复推敲比对的认知模式实时评测雾气等级认知结果的可信度，基于迁移学习机制实现雾气图像多层次差异化特征空间及其分类准则的自寻优重构，对可信度低的雾气图像进行再认知。15 000幅大雾图像的平均识别率为9598%，实验结果表明，所用方法与其他算法相比，增强了模型的泛化能力，提升了模型的认知精度。

摘要:针对纹理等细节信息丢失和图像边缘退化的问题，提出一种拟合扩散的自适应阈值图像去噪算法。首先，改进了扩散方程中的扩散系数，建立拟合扩散系数，克服因扩散强度过大带来的纹理细节信息丢失和边缘退化的弊端；然后，对阈值函数进行了自适应设计和改进，使其根据图像的最大灰度值和迭代次数自动控制阈值，进一步保留图像边缘和细节特征；最后，对新算法进行分析和仿真。实验结果表明，提出的新算法在图像去噪和保边缘、纹理等细节信息方面效果明显，峰值信噪比有了大幅提高,新算法性能优异,有利于实际应用。

摘要:针对传统移相方法精度和稳定性不高的问题，提出一种高精度自适应数字移相方法。该方法基于随机逼近算法和有源RC移相电路构建一个闭环控制系统，通过FPGA配置高精度的数字电位器，检测实际输出相位并作为随机逼近算法的观测值，经过多次迭代计算电位器电阻参数，使输出相位值逐步逼近设定相位值。移相精度和稳定性实验结果表明，在数字电位器可调范围内，移相误差不超过±03°，同时在至少11 h内移相误差不超过±025°，环境温度快速变化约20℃过程中，移相误差不超过±03°；实际应用实验表明该方法具有良好的鲁棒性和实用性。该自适应数字移相可为高精度移相提供一种新方法。

摘要:强监督识别算法需要大量的人工标注信息，消耗较多的人力物力资源。为了解决上述问题，满足实际需求，提出了两种基于弱监督信息图像识别方法用于细粒度图像分类(FGVC)。一种是联合残差网络和Inception网络，通过优化卷积神经网络的网络结构提高捕捉细粒度特征的能力。另一种是对双线性CNN模型进行改进，特征提取器选取Google提出的Inceptionv3模组和Inceptionv4模组，最后把不同的局部特征汇集起来进行分类。通过在CUB2002011鸟类公开数据集和Stanford Cars汽车类型数据集上进行测试，实验结果表明，提出的方法在两种数据集上的分类精度分别到达了883%和942%的分类精度，实现了较好的分类性能。

摘要:多层Morphin算法扩展了对未知环境的预测范围，克服了传统Morphin算法搜索轨迹不灵活的缺点，但每个搜索节点生成的搜索弧数目固定，搜索和评估所花费的时间随着搜索层数的增多呈指数阶增加。针对该问题，提出了一种可变搜索弧Morphin算法(variable search arc of Morphin，VSAMorphin)。调整每层搜索节点生成的搜索弧数目，使之不再固定，而是随着层数增加而减少，从而缩短搜索和评估时间。利用MATLAB仿真测试表明，多层VSAMorphin算法与多层Morphin算法所规划的路径基本一致，但运行时间却相对更少，从而验证了多层VSAMorphin算法的有效性和正确性。

摘要:针对Buck-Boost矩阵变换器（BBMC）逆变级在脉冲输入电压作用下存在的分叉与混沌现象，提出采用分段延迟反馈控制法，研究确定了其控制参数的稳定域。建立了该逆变级的离散迭代数学模型，针对该逆变级在分段延迟反馈控制法下的控制特性进行了分析，研究确定了实现系统稳定运行时控制参数k1、k2间的函数关系并确定了其稳定域范围，最后对上述理论分析的正确性进行了仿真验证。结果表明：分段延迟反馈控制能有效抑制BBMC逆变级在脉冲输入电压作用下所产生的混沌现象，对于确保BBMC逆变级的稳定运行具有重要意义。

摘要:针对瓶类回收计数问题，设计了一种智能环保回收箱瓶类投放计数装置。本装置通过传感器进行计数，投放瓶子过程中会使翻板结构产生振动问题从而影响了瓶子计数的准确性。为使翻板减振，提高计数的精度，在计数装置中加入了弹簧和阻尼器，建立装置的振动力学模型，然后利用MATLAB对模型进行仿真分析，对弹簧的弹性系数k值和阻尼器的阻尼系数c值进行选取和优化。通过实物模型试验，进一步验证所选弹性系数k值和阻尼系数c值是否符合预期。试验结果证实通过MATLAB仿真分析选取的k值和c值可以达到理想的减振效果。该减振方法对环保行业瓶子回收计数问题提供了参考价值。

摘要:汉字识别是人工智能与模式识别领域中重要的研究内容,针对现有的研究仍然存在着参数调整难度大、训练样本数少、不能识别所有常用字符等问题，提出了一种基于字符编码与卷积神经网络的汉字识别方法，首先通过查询字库得到所有字符信息，以utf8编码方式与多种字体编码文件进行编码输出字符图像，再进行多种图像处理后得到数据集，并利用深度卷积神经网络进行训练识别，在网络训练中通过数据扩增、批标准化、RMSProp优化等方式进行优化，同时加入正则化和Dropout防止过拟合。实验结果表明，所提方法对于汉字的识别率达到了9808％，与Alexnet、LeNet5相比，使用同一数据集在识别准确率上提高了937%、2114%，实现了一个识别率高、特征提取能力与泛化能力强的神经网络。

摘要:为研究模型在大攻角通气条件下的气动特性，研制专用通气测力风洞试验装置，该装置由1台六分量天平、2个波纹管及其他零件组成。波纹管实现模型的通气及气密性需求，天平实现模型的测力需求。采用ANSYS软件模拟分析了天平、波纹管的特性，获得了详细结构以及波纹管对天平干扰的理论结果，通过静态校准分别得到天平、测力装置工作公式，对比结果表明，有限元分析与实测结果一致。利用风洞试验进一步检验该测力装置的测量准确性，结果显示，该测力装置达到设计指标，满足该类型风洞试验需求。

摘要:加速度传感器输出值精确测量是相关数据预测的必要前提,为补偿制造工艺和测量环境影响带来的加速度传感器输出误差并准确预测加速度传感器输出数值，提出了基于自适应归一化奇异谱和神经网络的加速度传感器误差补偿及数值预测方法。首先分析加速度传感器输出误差产生的原因;然后根据奇异熵定阶去噪的方法提出了自适应奇异谱方法用于加速度传感器误差自适应补偿;最后选用基于滑动窗的径向基（radical basis function, RBF）神经网络作为加速度传感器输出数值预测方法，并用粒子群优化算法优化RBF神经网络的初始参数。实验结果表明，自适应奇异谱方法可以有效补偿加速度传感器输出误差，并可以选定不同的自适应参数以满足不同误差需求，并且粒子群算法优化的RBF神经网络可以有效预测加速度传感器输出数值。

摘要:提出结合全局和局部稀疏表示的合成孔径雷达（SAR）目标识别方法。基于全局字典的稀疏表示可以比较各个训练类别对于测试样本的相对表征能力。而基于局部字典的稀疏表示则体现各个类别对于测试样本的绝对描述能力。因此，两者的结果具有良好的互补性，可以为正确决策提供更充分的信息。采用DS (DempsterShafer)证据理论对两者的决策矢量（即重构误差）进行决策融合从而得到更为稳健的识别结果。基于MSTAR数据集进行了目标识别实验并与其他SAR目标识别方法进行了充分对比，实验结果证明了提出方法的有效性。

摘要:为解决移动条件下无线传感网节点失效时所导致的节点自愈困难，网络拓扑变动较大以及数据传输性能受限等不足，提出了一种基于反馈裁决机制的无线传感网节点失效自愈修复算法。首先，依据网络节点同一性及传输链路交叉特性，通过流量分析来构建节点失效裁决方法，通过排除失效节点的同级割点，避免割点对网络拓扑造成的分离影响，显著降低节点失效误判现象；再结合初级节点与次级节点具有的流量传递特性，设计节点失效评估机制，通过割点裁决与次级节点自愈重构，改善自愈过程中存在的拓扑变动，有效规避节点失效过程中存在的流量受限；随后，考虑到备用修复节点选取过程存在的节点自愈困难，结合割点可对网络拓扑进行切割的特性，定义备用修复节点优化选取准则，采用流量反馈机制来优化备用修复节点的选取，提高网络流量重定向能力，降低修复失败的概率。实验测试结果表明，与基于时变负载的复杂网络级联故障负荷再分配策略（TVLLRS），网络级联故障自愈算法（PFO）相比，所提算法具有更低的节点自愈总数和节点拓扑移动距离，以及更高的网络出口带宽。

摘要:能见度仪校准系统作为能见度校准的标准器，其不确定度直接影响到前向散射式能见度仪的校准结果。介绍了国家级能见度仪校准实验室的能见度仪校准系统的组成和校准方法，分析了校准系统不确定度的主要来源，依据国家计量校准规范JJF 10591-2012《测量不确定度评定与表示》，利用能见度测量数据，对校准系统A类和B类不确定度进行了评定分析，并对3台前向散射式能见度仪进行了校准试验。结果显示,整个校准系统在能见度3 000 m以下，扩展不确定度为58%，校准后的3台前向散射式能见度仪在100、500、1 000、1 500、2 000、3 000 m六个测试点的相对误差，最大为78%，最小为18%，满足能见度仪校准和实际观测要求。

摘要:现有电能计量芯片中无功功率计量电路难以同时满足计量精度高与硬件开销小的要求。为解决此问题，提出了一种无功功率计量的新方法，该方法采用3个一阶IIR滤波器，其中电压通道内的相位移动滤波器使电压信号产生-90°相移，电压通道和电流通道内的两个幅度补偿滤波器共同对由相位移动滤波器产生的信号幅度衰减进行补偿。两个幅度补偿滤波器被要求设计成具有相同的结构和参数，二者的并联应用不会改变电压与电流之间的相位差。提出了高效的无功功率计量系统设计方法，其中特别是幅度补偿滤波器设计的优化方法。仿真和实际产品测试结果表明，该无功功率计量方法不仅硬件资源消耗较少，而且可以达到较高的计量精度，优于现有电能计量芯片的无功功率计量方法。

摘要:为进行排气系统模态分析，分别通过有限元计算和实验测量得到了某轿车排气系统0～200 Hz的模态参数。通过比较发现，两种方法得到的系统各阶固有频率误差均小于10%，振型相似，证明了排气系统有限元模型的正确性和可靠性。然后，利用ADOFDD方法初步确定了排气系统的4个悬挂的位置，为了验证悬挂位置是否合理，建立了包括动力总成的排气系统的有限元模型，对吊耳进行了静态仿真计算，结果表明，其中两个吊耳静变形超过35 mm的工程极限，增加一个悬挂进行优化后，5个吊耳的静变形和应力改善率均在13%以上。研究方法对于轿车排气系统前期开发，悬挂位置的选择具有一定的参考价值。