摘要:针对传统的载荷标定方程计算机翼蒙皮载荷精度低的问题,提出了一种基于深度学习的机翼蒙皮载荷计算新方法。 考 虑真实机翼蒙皮受力复杂,首先建立了机翼蒙皮试验件模型,使用 Ansys 仿真软件对试验件进行有限元分析,获得应变与载荷 仿真数据,并对仿真数据进行数据清洗与预处理;其次,构建深度神经网络模型,将应变与载荷作为神经网络模型的输入与输出 值,采用 Adam 算法优化提出的载荷计算模型;最后,在测试集上对载荷值进行预测,使用平均相对误差与绝对值差作为评价指 标。 实验结果显示,基于深度学习的载荷计算方法在小载荷数据上平均绝对误差为 0. 081 N,在正常载荷数据上的平均相对误 差为 0. 063 8%;与传统载荷计算方法比较,本文提出的新方法计算的载荷精度明显优于传统方法。

摘要:针对小波软、硬阈值函数去噪后信号存在局部震荡和边缘模糊导致去噪效果不佳的问题,研究了小波去噪原理和优化 阈值函数的规则,设计了一种具有连续性、灵活性和恒定偏差小的可调阈值函数,提出了一种基于改进阈值函数的小波去噪算 法,将其应用于含有高斯白噪声的信号中进行去噪。 实验表明,相较于传统方法,所提方法对仿真信号和心电信号都具有灵活 性和适用性,并且去噪后信号的信噪比提升了 16. 21%,皮尔逊相关系数增大了 1. 62%。 因此,本文所提算法具有可行性,可有 效保留特征信息,去噪效果更加理想。

摘要:为提高风速预测精度,本文从挖掘风速数据可预测性和优化预测模型性能两方面出发,提出一种融合完全经验模态分 解(CEEMDAN)和改进的布谷鸟算法优化长短期记忆深度神经网络(ICS-LSTM)的风速预测模型。 首先采用 CEEMDAN 降低风 速序列的不稳定性,提高其可预测性。 其次对分解得到的各子序列建立 LSTM 预测模型,并采用 ICS 优化 LSTM 的关键参数,提 高 LSTM 预测模型的回归性能。 然后对各个子序列采用最优参数 LSTM 预测模型进行建模预测,最后叠加子序列预测结果得 到风速预测结果。 经实测数据验证,本文所提模型的平均绝对误差和平均相对误差仅为 0. 82 和 0. 95,对比研究表明本文所提 预测模型的优越性。

摘要:针对传统检测方法不能有效地从强混沌背景噪声中检测出小信号,本文研究了强杂波背景下小目标检测原理,提出了 一种基于 SSA-SVM 的混沌小信号检测方法。 利用麻雀搜索算法优化 SVM 惩罚参数 C 与核函数参数 σ 提高预测准确性,从而 降低检测门限,提高检测率。 在 Lorenz 混沌系统中加入目标信号进行仿真,结果表明:提出的方法能有效地从强混沌背景噪声 中检测出小信号,瞬态小信号预测的均方根误差为 0. 000 434 3(信噪比为-137. 707 3 dB),比传统 SVM 算法预测信号的均方根 误差 0. 049(信噪比为-54. 60 dB)降低了两个数量级。 利用 IPIX 雷达实测海杂波数据,对所提方法进行实验验证,进一步说明 了该方法的有效性。

摘要:机场行李传送装置输电母排触点状态的观测,对减少机场行李传送装置意外停机、保障机场正常运营具有重要的意义。 输电母排触点故障发生时往往伴随温度的上升,温度的变化能够直观反映输电母排触点状态。 因此可以采用编码器-解码器长 短期记忆网络(Encoder-Decoder LSTM)对输电母排触点进行温度预测。 首先采用双向长短期记忆网络(Bi-LSTM)组成的编码 器对母排触点的历史温度数据进行编码,再由长短期记忆网络(LSTM)组成的解码器预测输出输电母排触点未来一段时间的温 度值。 通过对国内某机场行李传送装置一个月的温度观测数据进行测试。 实验结果表明采用 Encoder-Decoder LSTM 的时间序 列预测方法优于传统的时间序列预测模型以及其他现有的深度学习预测模型。

摘要:在遥感测绘、爆炸场测试和物流安全等领域,往往需要高精度测量二维温度场信息。 由于测量面积较大或者监测设备 有限,经常导致温度场测试精度和分辨率较低。 为此,本文结合压缩感知与分段 Hermite 插值理论提出一种二维温度场压缩重 构方法。 该方法首先对温度场进行随机欠采样;然后对采样结果进行分段 Hermite 插值以提高采样率;最后利用插值结果进行 OMP 高概率重构。 该方法可以有效降低二维温度场测试的测量点数量。 试验表明,在压缩率为 75%情况下,二维温度场的重 建误差不大于 6. 5%。

摘要:为了研究变压器铁芯振动噪声的分布情况,本文基于 COMSOL 的多物理场耦合计算分析一台 200 kVA 油浸式变压器 铁芯振动的声场分布。 首先利用 COMSOL 有限元计算软件,构建了 200 kVA 油浸式变压器铁芯振动的电-磁-力多物理场模型, 计算出变压器铁芯磁场分布情况及铁芯所受应力分布变化规律、位移分布规律,并对铁芯的典型位置的应力时域数据做频谱分 析,得到铁芯所受应力集中在 100、200、300 Hz. 再将上述多物理场计算出的铁芯表面加速度经过 FFT 变换后的频域数据作为声 场的激励源,作声场的谐响应分析计算出变压器铁芯振动的声场分布。 最后,以一台 200 kVA 变压器空载实验数据验证仿真数 据的正确性,经过比较发现有较好的吻合效果。 仿真与实验得到的一致规律是:变压器铁芯振动噪声频率集中在 500 Hz 以下, 且发现规律:变压器油箱的侧方声压>上方声压>正面声压;变压器油箱的侧方及上方的声压频率含量是 100 Hz> 200 Hz> 300 Hz,而油箱的正面声压频率含量是 100 Hz>300 Hz>200 Hz。

摘要:针对双有源桥(dual active bridge, DAB)变换器中 IGBT 开路故障诊断精度较低的问题,提出基于莱维飞行麻雀搜索算 法(Levy sparrow search algorithm, LSSA)优化深度信念网络(deep belief network, DBN)的故障诊断方法。 首先,利用莱维飞行策 略改进麻雀搜索算法的收敛速度和全局优化能力。 然后将 DBN 的均方差作为适应度函数,利用 LSSA 寻找 DBN 的最优隐藏层 单元数,根据得到的最优值建立 DBN 故障诊断模型。 通过 RT-LAB 搭建 DAB 变换器半实物仿真系统,对变压器漏感电流信号 进行故障诊断,在收敛速度、适应度值和诊断精度指标方面进行对比分析。 实验结果表明诊断模型可以有效诊断 DAB 变换器 开路故障,且诊断精度达到 99%。

摘要:针对联合收割机作业过程中田间路面起伏影响割台高度进而导致割台高度测量难和喂入量波动等问题,提出基于双惯 性传感器的联合收割机割台高度实时获取方法和基于线性二次调节器( linear quadratic regulator, LQR)的割台高度控制方法。 通过两个惯性传感器分别测量联合收割机车身和倾斜输送器倾角实时求得割台高度,基于运动学和割台结构分析建立割台系 统数学模型,通过选择性能函数求解线性二次型最优控制问题,得到割台高度控制的最优解,并根据最优解控制液压缸调节割 台高度,使割台高度稳定在预设范围内。 仿真结果表明,传统 PID 控制器跟踪含有随机噪声的阶跃信号时误差均方根为 0. 226°,而 LQR 控制器跟踪含有随机噪声的阶跃信号时误差均方根为 0. 133°,因此 LQR 控制器的动态性能优于传统 PID,可以 提高割台高度的调控质量。

摘要:基 于 线 性 自 抗 扰 控 制 ( linear active disturbance rejection controller, LADRC) 在 永 磁 同 步 电 机 ( permanent magnet synchronous motor, PMSM)转速、电流复合控制中无法应对 q 轴电流突变和参数整定存在缺陷,提出一种改进的自抗扰控制器。 首先,分析常规 LADRC 在转速、电流复合控制的设计方法,并对其核心参数进行剖析。 其次,基于常规 LADRC 用最速控制综合 函数(fhan)代替比例微分(the proportion of differential, PD)进行控制律设计,提高系统控制性能并优化参数配置方式;同时基于 该函数特性,设计电流外环控制器,利用电流偏差反馈算法对 q 轴电流进行限幅控制,避免电流冲击过大损伤硬件。 通过搭建 实验平台测试,实验结果显示改进的 LADRC 能有效应对 q 轴电流冲击,同时具有与传统 LADRC 相当的抗扰能力,并且对扰动 的瞬态响应时间缩短 20 ms,表明改进的 LADRC 具有更高的安全性能和良好的抗扰能力。

摘要:针对强机动车载环境下 GNSS / SINS 组合导航系统非线性增强以及随着迭代次数增加,舍入误差累积,协方差阵不再非 负定,导致滤波精度下降甚至滤波发散,提出了运动约束辅助的基于 SVD-CKF 的组合导航方法。 在传统运动约束的基础上,引 入了向心加速度约束,抑制了载体的前向速度误差发散,避免了载体拐弯时发生侧滑导致的定位精度下降。 为了验证算法的有 效性进行了车载实验,结果表明相较于经典 SVD-CKF 算法,基于运动约束辅助的 SVD-CKF 算法的经度、纬度误差在 3 个弯道 处平均减小了 10. 54%和 44. 64%,东向、北向速度误差平均减小了 50. 87%和 62. 61%。 该算法不仅提高了车载环境下的定位精 度,也提高了组合导航系统的稳定性和鲁棒性。

摘要:远程程控恒流源作为智能工厂伺服控制环节的重要部件,定量的求解其远程控制全过程的动态模型对于伺服控制策略 生成和优化控制等具有重要意义。 本文针对程控恒流源的动态性能分析以及远程高效控制,提出了一种基于边云协同的恒流 源动态模型建模方法。 该方法考虑了远程控制过程中的通信延迟、数据丢包等相关情况,同时辨识了从云端控制到边端输出的 整个模型的结构和参数,并通过离散域和连续域传递函数的转换,获得远程程控恒流源连续域动态模型,克服了传统边端控制 对于不同控制时间间隔需要重新建立离散化模型的不便,支持了恒流源所在伺服系统的远程高效控制。 仿真验证和应用模拟 验证表明,该方法可以精确辨识恒流源连续域动态性能模型并应用于实际边云协同程控系统。

摘要:本文基于时间放大技术设计了一种两步式的时间数字转换器(TDC),可应用于高精度的飞行测量领域。 本设计采用 SMIC 55 nm CMOS 工艺,采用环形延时 TDC 作为粗量化电路,采用游标式 TDC 作为细量化电路。 游标式 TDC 的精度受到延时 失配限制,导致在设计时难以突破更高精度的要求。 时间放大器通过放大粗量化产生的时间余量,并继续进行第二次细量化, 降低了细量化电路的设计难度。 针对传统时间放大器输入范围有限以及放大精确度不足的弊端,提出一种新的时间放大器结 构,具有精确放大宽范围输入时间间隔的能力。 仿真结果表明,采用该种时间放大器的 TDC 可实现的分辨率为 3. 7 ps,测量范 围为 80 ns,微分非线性(DNL)为 0. 73 LSB,积分非线性(INL)为 0. 95 LSB,该设计能够在高线性度下更好地兼顾 TDC 的分辨率 与测量范围。

摘要:为了减小 MEMS 陀螺仪随机误差,提出了一种新的去噪算法。 该算法首先通过自适应噪声完备经验模态分解 (CEEMDAN)将原始数据分解为多个本征模态函数(IMF),并根据多尺度排列熵与马氏距离将 IMF 分为噪声 IMF、混叠 IMF 和 信号 IMF;其次对噪声 IMF 用小波包(WP)去噪,对混叠 IMF 用 Savitzky-Golay 滤波器(SG)去噪;最后,把处理后的 IMF 和信号 IMF 进行重构,得到去噪后的信号。 通过所提方法对 Bumps 信号进行实验分析,去噪后信号从 6 dB 提高至 17 dB,均方误差降 低 71. 9%;对实测陀螺仪静态数据进行分析,实验结果证明去噪后信号的角度随机游走降低 31. 5%,表明该方法能显著提高 MEMS 陀螺仪的精度。

摘要:为使水果采摘机器人在复杂情况下如树叶遮挡、果实目标尺度变化大等情况能准确地检测出水果,提出一种 YOLO (you only look once)改进模型与 NMS(non-maximum suppression)改进算法的目标检测方法。 首先,对传统 YOLO 深度卷积神经 网络架构进行改进,设计一种更细化的 SPP5(spatial pyramid pooling)特征融合网络模块,强化特征图多重感受野信息的融合, 并基于此模块提出一种 YOLOv4-SPP2-5 模型,在标准 YOLOv4 网络中跨层添加并改进 SPP 层,重新分布池化核大小,增强感受 野范围,从而降低目标误检率;其次,提出一种 Greedy-Confluence 的 NMS 改进算法,通过对高度接近的检测框直接抑制和对重 叠检测框综合考虑距离交并比 DIOU( distance-intersection over union)和加权接近度 WP(weighted proximity)的方法,均衡 NMS 的计算消耗并减少检测框的错误抑制,从而提高遮挡、重叠物体的检测精度;最后,分别对改进方法进行性能测试,验证方法的 可行性,随后制作水果检测数据集并进行格式转换和标签标注,然后采用数据增强技术对训练数据进行扩充,并使用 K-means++聚类方法获取先验锚定框,在计算机上进行了水果检测实验。 结果表明,基于改进 YOLO 网络及改进 NMS 的水果检 测方法在准确率方面有显著的提高,平均精度均值(mean average precision,MAP) 在 YOLOv4 上达到了 96. 65%,较原网络提升 1. 70%,并且实时性也得到了保证,在测试设备上达到了 39. 26 帧/ s。

摘要:颜色恒常性是计算机视觉的重要研究方向,但在目前的研究中,大多数算法专注于单光源均匀分布的情况,光源非均匀 分布的问题一直没有得到很好的解决。 针对该问题,在单光源非均匀分布的情况下,将颜色恒常性转换成一个多对一映射任 务,提出了一种基于生成对抗网络直接校正的方法。 该方法根据颜色恒常性的特性,将图像拆解成内容编码和光源编码,改变 光源编码为目标光源编码,重组生成目标光源下的图像。 为了使非标准光源更加多样化,加入光源采样模块,帮助网络学习到 更为丰富的光源信息,实现多对一映射。 同时,为了在输入不同的光源编码时可以引导图像映射到不同的光源下,加入光源监 督模块以区分具有不同光源的图像,帮助光源转换模块更好地将内容编码和特定光源编码结合起来,生成目标图像,实现颜色 恒常性。 同时,针对本文任务,在现存的数据集上渲染非均匀分布的光源,构造了单光源非均匀分布的数据集。 实验结果表明, 本文方法较好地解决了光源非均匀分布的问题,在非均匀数据集上超越了其他算法,最终生成的图像也更加接近标准光源下 图像。

摘要:目前临床使用的脑血氧无创监测设备大多为双波长,由于黑色素的吸收会导致测量结果出现偏差,因此需要对测量结 果进行修正。 为此本文基于近红外光谱无创监测脑血氧的基本原理,针对现有脑血氧无创监测设备的不足,考虑前额叶的光学 特性,研制了一种四波长探测光源(700、760、805、850 nm)以及双路光电检测器的脑血氧无创监测传感装置,并建立了光谱吸光 度的数学模型,在此基础上构建了新型的脑血氧无创监测系统,实现了可抑制皮肤黑色素成分干扰的脑血氧信息无创测量。 最 后通过对 Valsalva 运动以及空载的对照实验进行秩和分析,初步验证了本系统的有效性。

摘要:研究了电磁层析成像技术(EMT)在生物柴油制备过程中磁性催化物的分布检测上的应用。 为了能够有效应用磁性催 化物的导磁特性,在一种 8 线圈 TMR-线圈结构的传感器阵列的基础上设计了仿真实验,比较了不同粒径大小的催化剂分布的 成像结果,研究表明,该线圈结构适用于磁性催化物的分布检测。 为了改进传统成像算法成像质量差、成像速度慢的缺点,研究 了匹配追踪算法(CoSaMP)在图像重建上的应用,并与传统的 Tikhonov 算法和 Landweber 算法进行比较,结果表明 CoSaMP 算法 有更好的边缘处理能力和更快的成像速度,与其他两种算法相比,图像误差平均降低了 30. 4%,成像速度提高了 46%,有效提 高了重建图像质量与速度。

摘要:喷涂工件的 3D 模型在机器人自动喷涂生产线中具有重要意义,它是机器人喷涂路径规划和自主编程的基础。 针对实 际喷涂应用中工件的 3D 模型无法获取或与实际工件存在偏差的问题,提出一种基于互补视角的多相机快速建模方法。 首先, 采用两个对立装配的 RGB-D 相机,以互补的视角分时采集工件的局部点云;然后基于自制的简易双面标定板,提出一种基于交 点共面联合优化的外参标定算法,准确估算无重合视场的多相机相对空间位姿关系;最后根据此位姿关系融合两个相机采集的 局部点云,实现喷涂工件的快速 3D 重建。 实验表明,本文方法可以完整的重建结构复杂的多面体工件,重建时间低于 160 ms, 误差约为 5. 3 mm。

摘要:为了改善我国现有钢轨检测识别方法准确性和鲁棒性不高以及弯轨拟合较差等问题,提出一种基于直线-曲线混合模 型的钢轨检测识别算法。 首先对图像进行预处理,调整滞后阈值进行 Canny 边缘检测。 采用累计概率 Hough 变换对直轨检测 并完成近远视场的划分以及消失点的确定。 对近视场直轨采用直线模型拟合,根据其检测结果对远视场进行循环线性近似获 取钢轨特征点,并根据钢轨灰度特征进行验证,采用最小二乘法完成曲线拟合。 直线-曲线模型的切换根据制定的规则完成。 实验结果表明,提出的算法检测正确率为 90. 1%,适用于不同环境的场景,具有较好的鲁棒性。

摘要:光纤连接器的表面检测属于精密仪器检测,因此工厂环境中的大量灰尘会影响连接器表面的复原效果。 然而现有的检 测技术运行时间长,对于图像细节的保留能力差,并且难以克服实际工作环境中的干扰。 因此提出一种优化超限学习机的自识 别降噪技术。 首先对于干涉数据进行降维处理;其次,采用 AdaBoost 算法优化超限学习机对噪声点进行定位;最后通过滤波算 法对噪声点位置进行修复。 实验得出,基于 AdaBoost-Elm 的自识别降噪算法具有较高的噪声识别能力,其平均噪声识别率达 97. 33%。 此外,采用基于 AdaBoost-Elm 降噪算法得到 BBS 的平均值为 131. 14,NRIQAVR 的平均值为 2. 61,降噪效果均优于全 局滤波算法。 最后,通过模拟工厂环境,采用基于 AdaBoost-Elm 的中值滤波算法在不同光强条件下对重度污染的光纤探头进行 3D 复原测试,其 BBS 达到 130 左右,NRIQAVR 低于 2. 57,对比基于 Elm 的中值滤波算法具有明显优势。

摘要:由于传统检测算法对棉布包装缺陷检测不够准确、对小目标缺陷识别率不够高,所以提出改进的 Faster R-CNN 深度学 习网络,对棉布包装存在的破损、污渍、孔洞、杂质、线头等 5 种缺陷进行检测。 通过对图像进行预处理实现图像增强,然后改进 Faster R-CNN 中的 RPN 和 ROI 结构,为加强小目标缺陷的检测能力,在主干网络中融合特征金字塔网络结构,最后对 ROI 进行 双线性插值以解决多次量化引起的像素偏差问题。 实验表明,改进后的网络对棉布包装表面缺陷检测的平均精度均值 mAP 为 91. 34%,与传统算法相比,mAP 值提高了 9. 08%。

摘要:为有效抑制印度国家卫星通信 C 频段和 X 卫星频段对超宽带通信系统的干扰,提出了一种新型双陷波超宽带滤波器。 该滤波器采用阶梯 T 型多模谐振器(multimode resonator,MMR)与缺陷地结构( defected ground structure,DGS)的交趾耦合,实现 超宽带特性。 采用非对称耦合线及在 MMR 两侧耦合分裂环谐振器的方法,分别在 6. 67 ~ 7. 06 GHz,7. 47 ~ 7. 57 GHz 两个频段 内产生陷波。 实测结果与仿真结果吻合较好,该滤波器的通带范围为 3. 03 ~ 11. 50 GHz,3 dB 带宽达到 123%,插入损耗仅有 0. 87 dB,两处陷波中心频率分别在 6. 87 GHz 和 7. 52 GHz,陷波深度均大于 20 dB,且整体尺寸紧凑,仅有 16 mm×8 mm 大小。

摘要:针对滚动轴承早期故障特征微弱且难以有效辨识的问题,提出一种基于 tSNE-ASC 特征选择和 DSmT 融合决策的滚动 轴承声振信号故障诊断方法。 利用多个传感器采集轴承在不同故障模式下的声振信号,将每个信号通过 VMD 分解得到 K 个 IMF 分量;对各个 IMF 分量进行特征提取,构建各个特征的数据集矩阵;利用 tSNE 将各特征数据集矩阵降维至二维,计算平均 轮廓系数(ASC);根据 ASC 大于临界值提取出声振故障信号的敏感特征;基于诊断模型实现轴承故障的初级诊断;利用 DSmT 将声振信号初级诊断结果进行融合决策,得出最终的诊断结论。 实验结果表明:基于 tSNE-ASC 的特征选择方法能有效提取混 合域特征中的敏感特征,在不同工况、不同诊断模型中均具有很高的诊断精度;DSmT 决策融合有效降低了单一信号诊断的不 确定性,在变载荷和升降速非平稳工况下均有很高的诊断精度。

摘要:碳纤维复合材料被广泛应用于航空航天等高新技术领域,其在服役过程中会产生疲劳损伤,埋下安全隐患,因此需要 对其健康状况进行监测,利用损伤概率成像算法能够得到直观反映结构健康状况的图像,但传统的损伤概率成像算法在无损伤 区域的损伤概率高,难以准确定位损伤,针对以上问题,提出基于 Lamb 波能量和飞行时间的损伤概率成像算法。 将待测区域 均匀划分成 N 个像素点,计算每条通道的 Lamb 波能量与飞行时间损伤因子,确定各通道损伤因子影响区域的概率值并叠加, 得到每个像素点的损伤概率并成像。 实验结果表明,与目前常用的基于能量损伤因子和互相关损伤因子的损伤概率成像算法 进行对比,提出的方法能够直观地反映碳纤维复合材料缺陷情况,并且识别效果更优,成像误差显著减小,误差 error 分别降低 了 4. 420、2. 117、2. 055 和 4. 732、2. 380、2. 647,能够更准确地识别缺陷,有效地保障碳纤维复合材料结构的安全应用。

摘要:航空发动机回油管路处于润滑油和空气两相混合流动状态,实现管路中油气两相空隙率的测量对深入了解回油管路工 作特性,进行管路流动分析及设计具有重要的意义。 本文根据回油管路的运行状态,设计了适用于高温工况的 8 电极电容层析 成像( electrical capacitance tomography,ECT) 传感器;利用采集的阵列电容信号,建立了基于主成分回归( principle component regression,PCR)的空隙率测量模型;并针对回油管路温度变化范围大所引起的测量误差,提出了一种基于满管电容标定值的空 隙率测量温度补偿方法,并进行了实验研究,结果表明,本文所提出的空隙率测量模型及温度补偿方法是有效的,在 20℃ ~ 180℃温度变化范围内,空隙率测量的绝对误差均在 10%以内。

摘要:使用超宽带(UWB)进行定位过程中,卡尔曼滤波是一种常见的降噪方法,但由于对非线性系统滤波性能差,且定位目 标运动轨迹易超出基站布局区域以及受到异常噪声干扰,会影响定位系统的准确性和稳定性。 针对这一问题,提出一种对称强 跟踪(SST)平方根容积卡尔曼(SCKF)算法,通过引入对称时变渐消因子调节各协方差矩阵,实现改变误差协方差矩阵中多重 衰落因子矩阵的工作方式,进而调整滤波增益,计算复杂度虽略有增加,但增强定位模型的适应性与鲁棒性。 仿真验证表明,在 异常噪声干扰下,改进后的算法(SST-SCKF)相较于 SCKF/ 多重渐消因子的 SCKF( ST-ASCKF)算法可有效提高定位准确度,且 定位轨迹较于单渐消因子的 SCKF 算法(STSCKF)更为平滑;利用 SST-SCKF 算法设计基于 UWB 技术的定位方案,通过动态模 拟实验表明,本文提出的 SST-SCKF 算法较之 SCKF/ STSCKF/ ST-ASCKF 滤波性能更优,为复杂环境噪声下人员 UWB 定位提供 更好的降噪,使定位更为精准。

摘要:针对目前车辆跟踪研究算法中,核相关滤波算法(KCF)在复杂背景下存在特征提取单一以及尺度无法自适应的不足, 本文提出一种多特征融合的尺度自适应算法。 该算法以颜色直方图信息作为颜色特征,将具有更多语义信息的高层卷积特征 和拥有较高分辨率的底层卷积特征作为深度特征,并与颜色特征进行自适应特征融合。 然后,采用上下文图像对目标背景信息 进行约束优化,并通过平均峰值相关能量检测衡量响应置信度,最后利用高置信度的跟踪结果来避免模型易受干扰的问题。 通 过在 OTB100 数据集上的实验表明,本文算法的精度分别比其他的主流跟踪算法 Staple、SAMF、KCF、TLD、DSST 和 CSK 高出 4. 9%, 5. 7%, 10. 2%, 10. 3%, 23. 4%, 29. 7%。

摘要:针对传统卷积神经网络在调制方式盲识别过程中,存在模型体积大、运算量高、无法部署至移动端等问题,提出了一种 基于双注意力机制与 Ghost 模块的轻量级 CNN 模型 AG-CNN(attention and Ghost convolution neural network)调制识别方法,该方 法首先将调制信号映射至复空间,并根据归一化点密度对映射点进行颜色处理,得到高阶特征密度星座图;将该特征作为 AGCNN 模型的输入进行学习训练,最后使用训练好的模型对接收端接收到的未知信号进行识别。 实验表明,AG-CNN 模型对散点 为 10 000 的密度星座图识别率在 99. 95%以上,与相同层数的 CNN 模型相比,卷积层参数量压缩 6. 01 倍,计算量压缩 6. 76 倍, 且相较于 VGG-16、InceptionV3、ResNet-50、Shufflenet、Efficientnet 等卷积网络模型,参数量与浮点数运算数下降明显,且在大幅节 省学习参数量、降低模型复杂度的情况下,表现出优秀的分类性能。