摘要:光频域反射技术(optical frequencydomain reflectometry,OFDR)通过将光频扫描非线性转化为可补偿的相位误差，结合频域信号处理，实现厘米级空间分辨率与长距离测量的统一，已成为光纤诊断与精密测量的核心技术之一。但可调谐激光扫频的非线性及相位噪声会影响系统的等频率采样，引起反射展宽和距离偏差，因此，非线性补偿成为提升系统性能的关键。非线性补偿的研究主要从硬件和算法两方面展开，一方面，通过调整系统的硬件结构，实现等频率间隔采样，在前端抑制扫频非线性并兼顾量程与分辨率。另一方面，在数字信号处理层面，通过使用各种算法在无需附加复杂光路的情况下改善空间分辨率和信噪比。对OFDR传感、解调等基本原理进行介绍，对空间分辨率、传感距离等影响OFDR系统性能的因素进行分析，着重整理了在提升OFDR系统性能关键技术的研究进展，最后提出OFDR所存在的问题以及展望了未来的发展趋势。

摘要:针对遥感图像目标检测中背景复杂、目标尺度多变及对任意方向旋转敏感等核心难题，提出一种基于双域特征提取与多维度聚焦扩散机制的新型检测算法（DMADet），旨在提升模型在复杂遥感场景下的感知能力与鲁棒性。首先，设计双域协同特征提取网络（DDCNet），通过Scharr算子强化空间域边缘细节，并结合快速傅里叶变换提取频域全局表征，实现空间、频域特征的双向交互与互补融合；其次，为缓解特征金字塔跨层传递中的语义衰减问题，构建多维度聚焦扩散金字塔（MFDPN），采用通道分块加权策略自适应融合高低层特征，并引入轻量化双流协同注意力模块（LDC-Attention），增强多尺度上下文感知能力；最后，面向旋转目标检测，提出自适应旋转感知检测头，利用动态路由机制生成方向感知卷积核，有效提升模型对任意朝向目标的检测精度与旋转不变性。实验结果表明，DMADet在DOTA-v1.0、NWPU VHR-10和RSOD 3个主流遥感目标检测数据集上的mAP@0.5分别达到75.9%、96.8%和85.7%，显著优于当前先进的对比方法，充分验证了所提算法的有效性与优越性，不仅有效缓解了因背景干扰、尺度变化和旋转多样性导致的检测精度不足问题，还显著提升了目标定位的准确性与鲁棒性。

摘要:针对葡萄糖酸钙在临床检测中的关键作用，设计了一种基于太赫兹时域光谱（THz-TDS）的检测方法，该方法能够实现快速、无损且高精度的光谱分析。首先，采用压片法制备了质量百分比为2.5%~20%的葡萄糖酸钙片状样品，并配置了以水-甘油混合物为溶剂的5~20 mmol/L摩尔浓度溶液。利用自主搭建的THz-TDS透射系统，在室温和真空环境下对这些样品进行光谱检测。随后，通过傅里叶变换将时域信号转为频域谱，提取得到的吸收系数与折射率谱，并通过线性拟合建立浓度与光谱参数之间的定量关系。实验结果表明，片状样品在1.19、1.39、1.66、1.87和2.29 THz处展示出显著的特征吸收峰。数据分析显示，这些吸收峰的吸收系数与样品质量百分比呈明显的线性关系，其中1.66 THz处的线性拟合度高达0.991。而对于溶液样品，由于溶剂的强吸收特性，折射率谱分析显示在1.66 THz处，折射率与摩尔浓度之间也具有良好的线性关系，拟合度为0.987。结果表明，该方法不仅能够有效定量分析样品的吸收特性，还可以准确评估样品的色散（折射率）特性。结合微型THz-TDS设备和人工智能算法后，此技术在临床血钙监测和药物真伪鉴别等应用中展现出显著的科学研究价值和应用潜力。

摘要:针对细小纹理以及背景复杂的场景中纤维绳索表面缺陷检测存在小目标漏检率高、检测精度低和算法鲁棒性不足等问题，提出了一种基于判别式训练重建嵌入模型(discriminatively trained reconstruction embedding for surface anomaly detection, DRAEM)改进的纤维绳索表面缺陷算法。在预处理部分加入GrabCut分割算法提取每张图像的掩码，通过掩码约束异常生成减少背景影响，以避免复杂背景造成的误检的问题；在重构网络中加入跳跃连接来捕获高维图像空间正态数据分布，并添加通道和空间双重注意力模块以强调对异常区域重建的能力，以提高细小纹理的重构效果避免纹理丢失从而导致小尺度缺陷漏检的问题；在分割网络编码器后两层加入Transform模块优化对正常与异常的级联的全局特征的捕捉；同时用空洞空间金字塔池化(atrous spatial pyramid pool, ASPP)，捕获不同尺度的上下文信息进行全局特征聚合，为分割提供足够的语义差异，以提高模型的分割精度和表面小目标缺陷的检测精度。实验结果表明，与原DRAEM对比图像级AUROC提高了4.4%，像素级AUROC提高了4.43%，像素级平均精度提高了21.86%，提高了模型的识别精度与鲁棒性，更好地应用于纤维绳索的缺陷检测。

摘要:为解决当前偏振图像融合技术着重于融合结果的视觉质量与统计指标,忽略了融合图像在后续高级视觉任务中的应用这一问题,提出一种由语义分割引导的偏振图像双支路特征提取网络结构。融合网络包括编码器、融合层和解码器。在编码器中,构建2个由梯度残差密集块GRDB和SwinTransformer组成的双支路特征提取器,用于提取源图像的局部偏振特征与全局强度信息;在融合层内,采用可逆神经网络INN建立两类特征相关性,用以无损增强偏振特征并进行融合;在解码器中,使用Restormer作为基本单元,恢复和保留融合特征中的高频特征和场景细节,以提升图像清晰度并获得融合图像。为了使融合结果包含丰富的语义信息,本文在训练阶段将融合网络与分割网络级联,利用语义分割损失引导高级语义信息回流并指导融合网络训练,提高融合图像在高级视觉任务中的应用性能。实验结果表明,提出的融合网络,其融合结果在主观评价和语义分割任务中均取得最优值,并在客观评价指标中信息熵EN和结构相似性指数SSIM分别比其他融合方法提升了27%和16.8%。

摘要:针对非接触式三维重建中相机与光平面标定存在的人工干预频繁、分步标定累积误差大及自动化程度低等问题，提出一种基于交叉结构光的自动同步标定方法。该方法利用双激光束交点的几何不变性构建了交叉结构光空间几何模型，推导单组图像下相机内参、外参及光平面参数的求解算法。该流程摒弃传统标定方法中对靶标多次重定位的依赖，直接通过特征点云的几何变换实现参数统一，实现标定与测量的一体化集成。通过对标准氧化铝板与非标准铝合金零件的扫描实验，验证该方法在不同材质与几何特征下的有效性。结果表明，在标准工业条件下，该系统的尺寸测量误差控制在±0.5 mm以内，平均三维重建精度达±0.25 mm，峰值误差率低于2.67%。该方法有效克服传统方法对人工辅助的依赖，在保证高精度的同时显著降低操作复杂性并提升检测效率，为工业测量、逆向工程及表面形貌分析提供一种高效、低成本且全自动的解决方案。

摘要:针对水体对光的吸收和散射等现象导致的水下图像出现色偏、模糊和细节丢失等问题，提出了基于关键特征传递的KFT-GAN 水下图像增强模型。设计了 KFT 关键特征传递模块，解决了色彩、边缘和纹理等关键特征在网络中高效传递的问题，并结合深度可分离卷积构建了轻量化的网络模型，与使用普通卷积构建的模型相比，参数量降低了60.6%，增强了模型的学习效率。同时该模块有利于生成器网络的编码阶段从输入图像中获取充足的关键特征，并通过下采样和跳跃连接将提取的关键特征传递至解码阶段进行图像重建，增强了重建图像的质量。另外，基于感知损失原理提出了混合损失函数，同时强调图像的多个关键属性，获得了视觉质量更好的图像效果。模型在EUVP和UIEB数据集上均取得了较好的性能，PSNR值分别为21.384 2和18.025 6，SSIM值分别为0.741 3和0.688 9，通过与传统算法和深度学习算法进行定性和定量的对比实验都证明了该模型的有效性和优越性。

摘要:在计算机视觉任务中，尘、雾环境对图像的能见度及细节特征造成了严重的影响，制约了下游视觉任务的性能，为恢复和增强由恶劣天气条件退化的图像细节，提出一种时空频域图像恢复增强方法。该方法通过研究光在尘、雾大气条件下的扩散数学模型，用高斯滤波模拟大气对光传播的扩散衰减作用，从退化的输入构建了伪时间图像序列，并通过时空维度的傅里叶变换得到序列的时空频域特征。受还原赝热流（RPHF）理论的启发，设计了频域反卷积核对序列的高频信息进行加权以抵消大气扩散对图像细节信息的退化效应，对加权之后的频率特征进行傅里叶反变换以重建增强图像。为了验证该方法，建立了包含不同退化强度的尘、雾场景天气数据集，并对其进行实验。实验结果表明，与传统算法相比，该方法在中、重度退化场景下（如雾-重度退化的可见边缘比e: 78.990）表现较优秀，能够较有效地恢复图像细节。然而，在轻度退化场景下，由于图像的高频信息较多，方法对于图像高频信息不加区分地放大对图像质量的恢复产生了负面作用。总体而言，该方法更适用于中至重度退化图像的恢复与增强。

摘要:针对交通场景下目标分割精度低和掩膜质量差的问题,提出一种改进YOLOv11n的高效交通实例分割算法。 首先,在主干网络的C3k2模块中融合小波变换卷积WTConv,构建C3k2-WTConv模块,以高效扩展感受野并增强低频特征提取;其次,设计特征交互增强AIFI-LA模块,降低快速空间金字塔池化（SPPF）的多尺度计算冗余,并提高处理长序列和保留关键特征信息能力;然后,提出特征重校准EMCSA模块,并嵌入至特征重组上采样算子（CARAFE）中,构建CARAFE-EMCSA模块重构上采样,以增强环境特征的捕获能力和特征图的整体判别性;最后,将Soft-NMS与DIoU-NMS相融合并替换原 非极大值抑制算法（NMS）,在保留更多高质量边界框的同时,利用相对位置信息进一步优化选择,提升边界框精度.实验结果表明,在Cityscapes数据集上,与原模型相比,边界框精度mAP@0.5和mAP@0.5:0.95值分别提高了9.2%和8.5%,分割掩膜精度mAP@0.5和mAP@0.5:0.95值分别提高了10.6%和8.8%,在BDD100K数据集上,边界框精度mAP@0.5和mAP@0.5:0.95值分别提高了5.1%和7.4%,分割掩膜精度mAP@0.5和mAP@0.5:0.95值分别提高了4.5%和6.6%.由此可知,所提方法在交通场景分割方面的有效性.

摘要:在卫星信号受阻或拒止的复杂环境中，仅依赖全球导航卫星系统（global navigation satellite system，GNSS）的车载定位系统往往难以获得稳定且高精度的位置估计，视觉路标因此成为提升车辆自主导航鲁棒性的关键辅助信息。然而，传统视觉地图构建方法普遍存在建图耗时长、依赖连续跟踪、对光照与动态场景敏感等问题，导致路标精度与一致性不足。针对这些问题，提出一种融合RTK（real-time kinematic）约束的高精度视觉路标构建方法。首先，基于车辆行驶航向角序列检测近直路段，并采用线性插值策略从中选取具有代表性的图像帧作为视觉路标，构建语义先验以增强路标的长期稳定性与可重识别性；随后，以路标帧为中心生成邻域图像集，结合RTK提供的全局位置信息对初始位姿进行校正，提升局部地图重建的初始化质量与鲁棒性；进一步在局部稀疏建图与全局优化中引入自适应RTK约束，实现尺度一致、地理对齐的高精度路标构建，并在RTK信号受干扰或短时失效时触发退化平滑约束以保持系统稳定。实验结果表明，相较传统方法，所提方法在地图精度、重建时间与跨季节、跨光照以及动态场景下的定位鲁棒性方面均显著提升，建图精度提高82.2%，耗时降低81.3%，定位精度最高提升70.1%。

摘要:针对当前雷暴云识别命中率不高的问题，通过深度学习技术提高识别的准确性。聚焦于融合大核卷积注意力机制（large kernel attention, LKA）和U-Net架构，构建了一种新的雷暴云识别模型LkaUNet,以增强模型对雷暴云整体形态特征和长距离的空间依赖的建模。研究过程中，基于湖南省2022~2023年间的S波段雷达基数据和闪电资料，进行了多阶段质量控制实现雷达组合反射率与雷电数据的时空匹配与噪声抑制，生成了高质量的雷电概率和雷达组合反射率拼图数据集。在此基础上，构建了以U-Net为基础框架，并引入大核注意力模块的深度学习模型。大核卷积注意力机制通过扩大模型的感受野，提高了模型捕获长距离依赖，增强模型对雷暴云特征的感知能力。实验结果表明，采用回归损失函数训练的模型，当阈值大于0.4时，LkaUNet模型的临界成功指数（critical success index，CSI）和命中率（hit rate,HR）均高于基准U-Net模型，同时漏报率（negative alarm probability,NAP）更低；采用分类损失函数进行训练，LkaUNet模型临界成功指数达到0.730 1，对应的命中率为86.27%、漏报率为13.73%、虚报率为18.45%。研究表明，LkaUNet能有效建模雷暴云长距离的空间依赖关系，为深度学习在强对流天气的监测提供了有效方案。

摘要:短时傅里叶变换（short-time Fourier transform, STFT）对于音频处理、通信系统和实时频谱分析（real-time spectrum analysis, RTSA）等领域的非平稳信号分析至关重要。然而，在实际RTSA仪器中，传统 STFT 的硬件实现往往受限于固定窗函数和固定跳变大小，并且为了满足高速、低延迟的数据流处理需求而消耗过多的逻辑单元与乘法运算资源，难以在资源受限或便携式平台上部署。针对上述问题，提出一种新颖的并行窗口短时傅里叶变换（PW-STFT）架构，该架构利用基于FFT的处理技术。所提出的PW-STFT结构集成并行窗口乘法器和基于正则有符号数编码（CSD）编码的运行时可参数化的乘法器，且支持任意窗口和跳变大小，能最大限度地降低硬件开销。在32点、跳变大小为8的STFT上进行的实验表明，所提出的PW-STFT架构与已有方法相比显著降低了资源使用量，同时仍保持了可接受的信号噪声及失真比（signal-to-noise and distortion ratio, SINAD）40.31 dB。这种硬件节省和输出保真度之间的平衡使该设计适合跨各种窗口类型和信号条件的实时STFT应用。因此，PW-STFT架构为实时频谱分析提供了一种灵活、资源高效的解决方案，能够对非平稳信号进行高吞吐量和精确的时间频率分析。

摘要:传统俘能器存在能量转换效率低、工作频带范围小等问题，为了获得一种高性能、低成本的压电俘能器，提出了一种变振角式双端共振宽体压电俘能器。该俘能器以中心对称型加宽悬臂梁为振动载体，夹持端位于中轴线处，以中部夹持双振动端激励的模式工作，通过在宽梁面上移动质量块来改变其振角，并通过此设计优化了系统的动态响应特性。研究通过搭建激振器实验平台并制作实验样机进行控制变量实验，实验结果表明，俘能器在一定外接电阻下有最优的输出功率；振角的改变能提高俘能器的输出性能；在质量块增加时系统输出功率增加；在20°夹持角度，激振加速度为0.4g，频率为17.8 Hz时，俘能器达到最优的输出功率为4.66 mW；通过改变力臂长短来改变输出性能和谐振频率，可以通过并列多个力臂不同的装置来拓宽工作频带。通过中心对称悬臂梁结构与可变振角设计，实现了压电梁复合形变下的动态响应优化，为振动能量采集提供了新的理论依据。

摘要:针对随钻磁力计测量误差引起的钻具方位角解算严重失真问题，提出基于联邦循环扩展卡尔曼滤波(FREKF)的随钻磁力计在线校准方法。首先建立钻具地磁信息的联邦融合框架，基于随钻磁力计误差校准模型构建非线性测量方程作为主滤波器，分别与加速度计观测地磁矢量模型组成子滤波器1，与陀螺仪递推地磁矢量模型组成子滤波器2。其次，在子滤波器测量更新过程中使用状态估计结果和状态估计协方差矩阵作为一步预测结果和一步预测协方差矩阵进行循环滤波，提高状态估计精度。然后对循环滤波的子系统进行联邦融合，实现随钻磁力计的高精度校准。最后设计模拟实验和实钻实验，实验结果表明，使用FREKF算法能够有效校准随钻磁力计误差，校准后结解算的方位角平均误差可控制在0.8°以内。

摘要:针对汽车方向盘等具有复杂曲面的工件在自动化视觉检测中的路径规划需求，传统“先视点后路径”的解耦规划方法易陷入局部最优，难以兼顾覆盖率与效率。为此，提出一种视点与路径协同优化的覆盖路径规划方法。首先，基于目标点云模型的轴对齐包围盒进行空间细分，并结合随机偏移生成视点位置；通过球坐标系采样确定视点位姿，构建冗余视点集合。其次，建立融合景深、视场角、可见性及遮挡约束的视锥体覆盖评估模型，量化各视点的有效覆盖能力。最后，提出改进的混合灰狼优化算法-鲸鱼优化算法（IGWO-WOA），融合混沌映射初始化、反向学习策略、动态收敛因子及鲸鱼优化算法中的螺旋狩猎机制，实现视点选择与访问顺序的多目标组合优化。实验结果表明，在两种复杂方向盘模型上，所提方法相较传统的群智能算法，路径长度分别缩短 20.6% 与 11.5%，覆盖率提升至 99.7% 与 99.86%，全程实现零碰撞，路径质量显著优于对比方法。

摘要:针对传统跌倒检测在遮挡及光照干扰下易误检、难以平衡轻量化和检测精度的问题，提出了一种基于改进YOLOv8的室内老人跌倒检测算法。首先，设计了将全维动态卷积融合骨干网络的C2f模块中以此在特征提取阶段具备自适应性，提升了模型的特征提取能力。在颈部网络采用FasterNet模块改进C2f模块，有效降低了计算成本；同时，在快速空间金字塔池化（SPPF）中融合大核可分离卷积注意力机制（LSKA），提高了目标检测的精确度，并在检测头前引入SEAM（spatial-enhanced attention module）注意力机制，进一步增强了检测能力。对模型进行了对比实验、消融实验，并利用改进后的算法将检测结果转化为热度图进一步验证算法的有效性。实验结果表明，与原始YOLOv8n模型相比，改进后的算法平均精度均值（mAP）mAP@0.5达到91.0%，提升了1.1%，参数量减少了20.6%，浮点计算量减少了42.7%，证明所提算法在室内老人跌倒检测任务中实现了检测精度与模型轻量化之间的有效平衡。

摘要:提出了一种基于优化Cartographer-SLAM算法的机器人自主导航系统设计，旨在解决传统Cartographer算法在长走廊、重复结构或动态环境中回环检测易受误匹配和累积误差影响的问题。通过改进回环检测和自适应优化策略，显著提升了系统的鲁棒性和精度。主要改进包括引入动态时间规整方法筛选回环候选并结合动态阈值调整策略以减少计算冗余和提高检测效率；采用贝叶斯优化机制融合栅格匹配与时序匹配分数，根据环境特征动态调整权重以增强复杂环境下的匹配鲁棒性；在后端优化中引入基于置信度传播的动态加权策略，为高置信度回环分配更高权重以抑制误匹配对地图一致性的影响。实验部分分为仿真和真实环境验证，在Gazebo仿真中改进算法在“日”字形走廊和工厂货架环境中的闭环误差平均降低23%，计算效率显著提升。真实环境中，以南京林业大学教九楼走廊为测试场景，改进后的闭环误差从0.52 m降至0.31 m，地图一致性明显改善。在ACES Building (Austin)开源数据集的验证结果表明，改进算法性能优于主流方法，具备良好泛化性。此外，基于改进算法的自动引导车（AGV）系统在实际动态避障和路径规划实验中表现良好，验证了系统的实用性和稳定性。该研究为复杂环境下机器人自主导航提供了高效、低成本的解决方案，具有重要的工程应用价值。

摘要:X射线计算机断层扫描成像(computed tomography, CT)凭借高分辨率与非破坏性特性，已成为医学诊断、生物研究及工业检测领域的核心工具。然而，高分辨率CT成像依赖密集投影数据采集，导致成像时间延长，容易引起被测样品的辐射损伤。为了平衡图像质量与辐射安全，稀疏采样CT可以减少投影数据量，降低了辐射暴露与成像时间，但重建图像中会出现严重的混叠伪影，制约了进一步结构分析。为此，提出一种增强型非局部均值算法，结合自适应各向异性视场(field-of-view, FOV)核与双边权重函数，有效抑制稀疏采样CT图像中的混叠伪影。该算法通过动态调整FOV核捕捉局部结构特征，较传统各向同性FOV核显著提升特征保真度。同时，该算法基于双边权重策略，实现了相似图像块获得更高权重，在保留关键细节的同时增强噪声抑制效果。实验结果表明，算法在模拟与实验数据集上均显著提升图像质量，且对原始结构细节的干扰极小。算法在对比度噪声比(contrast-to-noise ratio, CNR)与结构相似性(structural similarity, SSIM)指标上相比经典非局部均值算法提升15.9%与7.2%，验证了其在稀疏采样CT成像中的应用潜力。所提出的增强型非局部均值算法有效提升图像质量，为稀疏采样CT的伪影抑制提供了有效解决方案。

摘要:为解决Scara机器人关节摩擦导致定位精度下降的问题，提出了一种改进的人工萤火虫算法来识别摩擦模型参数，在传统算法的基础上进行了两方面优化，结合Levy飞行策略和惯性因子，利用非高斯随机游走和自适应惯性权重对陷入局部最优的萤火虫进行随机初始化，提升算法的全局搜索能力；引入模拟退火算法对潜在最优解进行局部退火操作，提高了算法的局部寻优能力。通过测试函数性能分析以及参数辨识实验，表明改进的人工萤火虫算法相较于其他优化算法具有更好的寻优性能。最后，为了进一步验证通过算法辨识所得摩擦模型的有效性，设计了基于摩擦补偿的模糊PID控制器进行机器人轨迹跟踪控制实验。实验结果表明，识别的摩擦模型精度较高，并且提出的控制方法相较于仅用模糊PID控制方法能够有效抑制关节摩擦对Scara机器人轨迹跟踪控制的不利影响，机器人两关节的位置跟踪误差分别减少了76.1%和81.9%，进一步提高了机器人的定位精度。

摘要:用于探月工程对接机构地面对接性能试验的对接性能测试台（性能台），其运动模拟器的惯量值会影响地面试验数据的准确性，由于性能台运动模拟器质量、惯量需与飞行器完全一致，因此对惯量开展原位校准测量具有重要的现实意义。首先基于附加质量配重的弹簧振子法建立了运动模拟器的运动振动方程和转动惯量原位校准方法；其次基于SimMechanics软件工具箱搭建了运动模拟器附加质量配重前后的运动模型并仿真出两个模型的振动周期，根据理论模型和仿真出的振动周期计算出仿真惯量，验证了理论算法的正确性；最后，基于音圈电机和限位机构组建校准装置对运动模拟器进行原位校准试验以及试验的主要误差来源分析。实验结果表明，3个轴的惯量校准结果与理论值的偏差均不大于5%，装置引起的测量误差小于2.5%，小于运动模拟器最大允许误差的1/4，该校准装置能够解决性能台运动模拟器惯量校准的难题。

摘要:聚乙烯管道广泛用于能源输送及供水排水等关键领域,精准探测其位置对于保障城市安全具有重要意义。针对现有管道定位技术中存在噪声敏感和时延计算不准的问题,提出一种基于联合降噪与互信息时延的弹性波成像定位方法。首先,搭建实验平台并采集检波器接收信号;其次,采用集合经验模态分解联合小波阈值算法对信号进行降噪处理;然后,利用互信息函数法计算信号时延,并结合多条测线数据进行叠加成像以确定管道位置;最后,通过COMSOL仿真验证方法可行性,并对埋深为0.5与1 m的PE管道进行现场测试。实验结果表明,该方法所得管道平均定位误差分别为0.042和0.085 m,较未降噪条件下分别降低0.058和0.820 m;与互相关函数法和时域叠加法相比,该方法在0.5 m埋深下平均定位误差分别降低0.067和0.063 m,在1 m埋深下分别降低0.222和0.057 m。研究结果表明,该方法显著提升了管道定位精度,对复杂环境下的埋地PE管道探测具有重要的工程应用价值。

摘要:与普通非流动颗粒相比，气溶胶颗粒流速项的增加导致反演方程病态性加剧、对噪声的敏感度增加，难以获取准确的正则化参数。为提高流动气溶胶颗粒正则化参数选取的准确性，在传统Morozov偏差原理的基础上，提出基于加权Morozov偏差的改进灰狼算法(weighted morozov discrepancy-improve grey wolf optimizer, WMD-IGWO)优化正则化参数。该方法通过小波包分解得到电场自相关函数的噪声分量，根据噪声分量对Morozov偏差函数加权建立目标函数，降低噪声对数据的影响。对GWO的收敛因子进行非线性改进，将目标函数代入IGWO全局寻优，获得最优的正则化参数，进而提高了反演结果的准确性。4组模拟的气溶胶颗粒(292、483、167/575、208/733 nm)在不同流速下的反演结果表明，与L-curve方法相比，WMD-IGWO反演所得粒度分布的分布误差及峰值位置误差更小，反演结果准确性更高。584 nm单峰和243/825 nm双峰实测颗粒的结果表明，WMD-IGWO分别最多能降低0.041和0.116/0.087的峰值位置误差，优于L-curve方法的反演结果，验证了模拟实验的结论。

摘要:基于时间寄存器的模拟时域信号处理电路(简称为模拟时域电路)是当前研究热点，具有低功耗、抗干扰能力强等优点，但仍存在时间寄存器溢出问题。提出并验证了一种自动校准电路，可有效解决模拟时域电路因工艺-电压-温度（PVT）造成的时间寄存器溢出问题。该电路主要由时间寄存器、数字控制算法、时间误差检测器和可编程电流源构成。其利用数字控制算法并结合时间误差检测器能够实时检测时间寄存器存在溢出风险；当检测到存在溢出风险时，其将自适应地修改可编程偏置电流以调整时间寄存器中电容放电速度从而消除风险。该校准电路采用SMIC 0.18 μm CMOS工艺进行设计和流片。芯片测试结果表明，未使用该校准电路时，温度和电源电压波动时时间寄存器存在溢出风险，造成了模拟时域信号时序偏差大于15%；当使用该校准电路时，时间寄存器可保持稳定，时序偏差小于1%。该设计可集成至时间数值转换器和全数字锁相环等模拟时域信号处理电路中以提升电路鲁棒性。

摘要:针对A*算法在大范围连续障碍物环境中存在时间效率低、遍历节点数过多、安全性低及路径不平滑的问题,提出一种改进的A*算法。首先,提出8种双层5领域来提高时间效率和路径平滑度,并设计边界拓展和满障碍物拓展的方法来解决使用小邻域搜索陷入死锁的问题;其次,提出一种启发函数分层策略,该策略将搜索区域分层并根据分层阈值赋予不同层启发函数不同权重,从而减少遍历节点数及进一步提高时间效率;最后,提出一种安全探测的方法来使路径与障碍物保持安全距离。与不同环境下的5种算法相比,仿真实验表明改进A*算法的运行时间平均减少了30.9%,路径安全性平均提高了14.7%。此外,改进A*算法的路径平滑度较高,综合性能优于其他5种算法。所提出的改进A*算法不仅能在大范围连续障碍物环境中满足移动机器人安全高效的路径规划需求,还在不同环境中表现出更强的鲁棒性。在不对路径进行二次规划的情况下改进A*算法的路径也能具有较高的平滑度。

摘要:针对计算全息技术在噪声环境下再现像质量退化的问题，通过构建峰值信噪比（peak signal-to-noise ratio, PSNR）和 结构性相似指数测量（structural similarity index measure,SSIM） 的双指标评价体系，系统研究了噪声对四类典型计算全息图再现质量的影响规律。基于MATLAB仿真平台，对比分析了迂回相型（罗曼Ⅲ型）、修正型离轴参考光（博奇法及李氏编码）、相息图及计算全息干涉图在不同噪声系数下的性能表现。研究结果表明，噪声系数与再现像质量存在明显相关性，PSNR值随噪声系数增大呈下降趋势，且在低噪声区间（ef1≤0.3）下降较为显著；SSIM指标整体表现出更强的稳定性，特别是在修正型离轴参考光编码中表现优异；编码策略的优化能有效提升抗噪性能，如李氏编码通过正交分量分解与多级灰度量化可在ef1=1.0时保持PSNR约为19 dB，罗曼Ⅲ型编码通过增大通光孔宽度可使PSNR提升94.2%；连续型全息图在细节保持方面优于二值化全息图，但二值化方法在特定应用场景中仍具实用价值。该研究为不同噪声环境下计算全息编码方案的选择提供了理论依据。

摘要:基于高精度的全球卫星导航系统（GNSS）测量技术，GNSS用户能够获取精确的对流层天顶延迟（ZTD）产品。为了应用GNSS测量的ZTD产品，分离天顶静力学延迟（ZHD）与天顶湿延迟（ZWD）是重要步骤。在ZHD/ZWD分离过程中，需依托于高精度的ZHD模型。提出了一个新的ZHD模型——NNSZHD模型，该模型专用于ZHD/ZWD分离。NNSZHD模型的建立基于人工智能算法，将直接计算法获取的ZHD和间接计算法获取的ZHD进行组合建模。直接计算法是基于无实测气象参数的ZHD模型计算的ZHD值，间接计算法是采用ZTD测量值减去无实测气象参数的ZWD模型计算的ZWD。基于此建模思路，并依托当前较高精度的无实测气象参数的ZTD模型——GTrop模型，选取3个关键参数（由GTrop模型计算的ZHDGTrop和ZWDGTrop以及ZTD测量值）作为建模参数，并采用多层前馈神经网络作为NNSZHD模型的建模框架。通过全球389个探空站的数据对NNSZHD模型进行训练，并使用另外的375个站点的数据对该模型进行精度评估。结果表明，NNSZHD模型在地表附近的模型精度为12.35 mm，较GTrop模型和GPT2w模型精度分别提升3.78和3.40 mm。在10 km高度以下对流层区域，NNSZHD模型的精度为7.52 mm；与GTrop模型和GPT2w模型相比，精度分别提升了7.08和35.13 mm。在仅能使用无实测气象参数的ZTD模型的条件下，NNSZHD模型在GNSS对流层延迟误差改正和GNSS气象学等领域具有广泛的应用前景。

摘要:雷达非相干干扰会引起底噪增加并产生虚假点迹，导致多扩展目标跟踪数据关联歧义性加剧，引发轨迹断裂和身份混淆，进而造成目标状态和形状估计错误。因此，提出了一种联合空时聚类和概率假设密度的雷达抗干扰多扩展目标跟踪方法。首先，针对扩展目标散射点数目和位置的随机时变特性，利用随机有限集理论建立多扩展目标状态和量测集合，结合空时聚类完成动态、时变量测集合的高质量划分，不仅避免了虚假目标引入的复杂显示数据关联操作，而且能够解决量测集合维度增加导致的划分爆炸问题。进一步联合概率假设密度函数，通过对不同量测划分子集对应的高斯分布和逆Wishart分布加权求和，消除虚假目标干扰，完成多扩展目标运动轨迹及形状的精确跟踪。最后，交叉轨迹、不同信噪比(SNR)和可变目标数目场景实验结果表明，所提方法最优次模式分配(OSPA)距离在0.5 m以内的跟踪点迹超过95%，优于基于K-means聚类的概率假设密度滤波器(K-means PHD)、扩展目标广义逆Wishart概率假设密度滤波器(ET-GIW-PHD)及随机矩阵(RMM)等方法。

摘要:飞机平尾蜂窝夹芯复合板结构复杂、面积大、缺陷类型多，通过超声C扫描成像技术能够直观分析蜂窝与蒙皮粘接状态；由此产生大量的检测图像，需依赖技术人员丰富的工作经验进行评估，存在评估效率低、主观性强等问题。因此，提出基于深度学习的蜂窝夹芯复合材料板粘接层超声C扫描图像智能分类技术。首先，通过界面反射波跟踪方法采集胶层与蜂窝间界面的超声C扫描检测图像，结合图像处理技术进一步提高图像质量；其次，为构造训练数据库，通过滑动窗方式截取C扫描图像样本，根据C扫描幅度分布将样本分为3种粘接状态（目标区域），提出小样本图像数据集扩展方法；最后，构建50层残差网络（residual network 50 layers，ResNet50）并对其进行训练，并评估深度学习网络对蜂窝粘接状态的分类能力。研究结果表明，通过界面反射波跟踪能够克服蒙皮表面形状变化并形成蜂窝粘接层C扫描图像，ResNet50网络能够识别蜂窝夹芯复合板结构的3类目标区域，具有良好的稳定性和准确率，并体现出“智能性”特点。