摘要:卷积神经网络(convolutional neural networks, CNN)凭借卓越的视觉特征提取能力，在深度学习领域获得了广泛应用。然而，随着网络复杂度提升及边缘计算场景对计算性能、能源效率的严苛需求，硬件加速面临巨大挑战。在低批量推理、需确定性低延迟以及硬件难以更新的特定应用场景中，通用中央处理器(central processing unit, CPU)和图形处理器(graphics processing unit, GPU)往往难以满足需求。在此背景下，基于现场可编程门阵列(field programmable gate arrays, FPGA)的CPU-FPGA异构计算平台，凭借其定制计算数据流、可重构性，以及确定性低延迟等优势，为实现边缘端低批量、低延迟的CNN推理任务提供了有效路径。从软硬件协同设计视角，系统性地探讨面向CPU-FPGA平台部署的CNN轻量化与计算加速方法：首先介绍降低网络复杂度的网络轻量化技术；其次介绍计算单元、计算阵列以及数据访存的层次化设计硬件优化策略；然后介绍基于高层次综合(high-level synthesis, HLS)的敏捷开发流程如何赋能加速器系统的快速迭代与验证。最后，从复杂芯片前端验证、确定性低延迟计算以及算法敏捷迭代3个维度，展望FPGA在人工智能新时代的技术定位、发展前景与挑战。

摘要:针对水质数据的时序性、 强非线性及维度高导致模型预测精度低的问题, 提出一种基于IGJO-TCN-BiGRU-SA的水质预测模型。 首先, 通过三次样条插值 (cubic spline interpolation, CSI) 算法修复缺失数据, 采用箱线图 (Boxplot) 和快速傅里叶变换 (fast Fourier transformation, FFT) 算法剔除异常数据, 提升数据的完备性, 利用灰色关联分析 (grey relational analysis, GRA) 算法分析水质指标相关性, 得到强相关性的水质指标; 其次, 以双向门控循环单元 (bidirectional gated recurrent unit, BiGRU) 为基准模型, 提取水质数据中的潜在变化特征, 采用时域卷积网络 (temporal convolutional network, TCN) 对数据进行局部特征提取, 增强了模型对不同时间尺度特征的提取能力, 并通过自注意力机制 (self-attention, SA) 自适应更新BiGRU模型特征权重, 有效提取全局上下文信息的关键特征; 最后采用改进的金豺优化算法 (improved golden jackal optimization, IGJO) 寻优TCN的L2参数、 BiGRU的学习率和神经元个数、 SA机制的键值, 从而提升水质预测精度。 以淮河流域水质历史数据为样本进行实验, 相对于LSTM、GRU、BiGRU和TCN-BiGRU-SA等经典算法, 所提出的IGJO-TCN-BiGRU-SA预测算法在MAE上降低19.64%~68.29%, RMSE上降低25.47%~75.19%, MAPE上降低28.71%~73.36%, R2上提升0.19%~3.61%。 实验结果证明, 基于IGJO-TCN-BiGRU-SA的预测算法明显提高了水质预测精度。

摘要:为克服传统模态分解方法在强噪环境下容易导致故障特征能量衰减与模态混叠的问题，稀疏重构理论被引入轴承故障诊断领域。该类方法通过在过完备字典中寻找与信号结构最匹配的原子组合，实现了对微弱故障冲击的精确逼近，从机理上保证了特征能量的完整性。贝叶斯正交匹配追踪算法（Bayesian orthogonal matching pursuit, BOMP）在弱特征重构与辨识方面展现出优势。然而，现有方法在迭代过程中通常会完全剔除贡献度低于预设阈值的原子，导致这些原子中蕴含的微弱但重要的故障特征能量被丢弃，从而影响信号重构精度和降噪效果。针对此问题，提出一种改进的贝叶斯正交匹配追踪模型（improved Bayesian orthogonal matching pursuit, IBOMP）。其核心改进在于优化了支持集原子选择的判断阈值策略，旨在最大限度保留低贡献原子中包含的微弱故障特征能量。与正交匹配追踪算法（orthogonal matching pursuit, OMP）、贝叶斯正交匹配追踪算法等经典稀疏重构算法的对比实验表明，所提IBOMP 方法能更有效地抑制噪声干扰并增强故障特征。基于南京航空航天大学智能诊断与专家系统研究室的轴承故障数据集验证，相较于OMP与BOMP算法，能显著提升轴承滚动体和外圈故障特征频率能量占比—分别提升22.71%、22.73%和46.22%、46.52%。

摘要:弓网电弧故障严重威胁列车安全运行，精准识别此类故障对保障铁路供电系统可靠性至关重要。针对传统方法在复杂工况下识别精度低，且难以兼顾时序与空间特征提取的问题，设计了一种基于马尔可夫转移场（MTF）与改进梦境优化算法的弓网电弧故障检测方法。首先通过鲁棒经验模态分解对原始电流信号去噪，4种工况下去噪信号信噪比均超36 dB、相关系数大于0.985，最大程度保留故障瞬态特征；利用MTF将一维时序信号映射为二维特征矩阵，构建DarkNet19与门控循环单元双支路架构，分别提取深层视觉特征与时序动态特征，实现多模态信息互补；引入改进梦境优化算法对学习率、GRU神经元个数等关键参数自适应寻优，同时优化多头自注意力机制，通过L1稀疏正则化与冗余度自适应动态缩放因子抑制冗余信息；结合迁移学习突破故障样本稀缺限制。实验结果表明，该模型在4种不同工况下故障检测准确率达99.58%，精确率与召回率均超99.5%，较SVM、1D-CNN、ResNet等6种对比模型准确率提升3.75%~6.67%；抗噪声干扰实验中，去噪后检测准确率较含噪信号提升6.71%，展现出更强的鲁棒性，为弓网电弧故障精准诊断提供了有效技术方案。

摘要:针对现有扩张状态观测器难以兼顾周期性与非周期性扰动抑制能力，尤其对电压源逆变器非线性引发的特定频率谐波观测与补偿精度不足的问题，提出一种基于准谐振扩张状态观测器（quasi-resonant extended state observer, QRESO）的永磁同步电机电流谐波抑制方法。通过将准谐振控制器嵌入扩张状态观测器（extended state observer, ESO）中，构建兼具低频扰动观测和高频谐波抑制能力的准谐振扩张状态观测器，并在无模型预测电流控制框架中实现扰动前馈补偿。所提方法通过低频积分环节与高频谐振模块的协同作用，可精准提取6次谐波扰动，同时保持系统稳定性。实验结果表明，与现有扩张状态观测器相比，在 1、2和6 μs死区时间条件下，准谐振扩张状态观测器使交轴电流6次谐波分别降低95%、97%和97%，相电流5次和7次谐波含量下降至1%以下，显著改善了电流波形质量与总谐波畸变率，验证该方法在改善电流质量方面的优越性能。

摘要:随着工业电动化和自动化水平的提升,电机作为动力系统的核心部件,其运行效率与控制性能直接影响系统的整体性能和可靠性。传统PI控制器由于响应速度较慢,抗扰能力不足,常常难以满足高动态控制需求。针对这一问题,提出了一种基于改进哈里斯鹰优化算法与PI控制器相结合的无刷直流电机转速控制方法。该方法结合了对立学习,自适应权重,非线性能量因子和嵌入式平滑处理等机制,显著提升了优化搜索能力和精度,并增强了控制系统在动态工况下的适应性。通过在Simulink仿真环境中进行多种工况测试,并结合基于GD32F103RCT6控制平台的实机试验,对比分析了EHHOPI与传统PI控制方法在突加速度,突加负载和变速变载等复杂工况下的控制性能。结果表明,EHHO-PI控制器在速度响应,抗扰动能力,调节精度等方面均优于传统控制策略,表现出较强的鲁棒性和实用性,适用于各种复杂环境下的稳定控制。该控制策略为电机控制技术提供了一种有效的优化方案,具有广泛的工程应用前景。

摘要:针对六维力传感器存在的维间耦合误差问题，提出一种基于改进灰狼优化算法（IGWO）与反向传播神经网络（BP）的解耦方法。通过引入动态分布参数调节、自适应非线性控制因子及改进的位置更新策略，对BP神经网络的初始权重和阈值进行优化，从而提升模型的收敛性能与全局寻优能力。基于六维力传感器的静态标定数据建立解耦模型，并将所提方法与最小二乘法、标准BP、GA-BP、PSO-BP及GWO-BP等方法进行了对比分析。实验结果表明，所提出的IGWOBP解耦方法能够有效降低传感器的维间耦合误差，其中I类分量的最大相对误差为0.267%，II类分量的最大相对误差为0.127%，整体解耦精度优于对比方法。为进一步验证该方法在嵌入式系统中的应用性能，将解耦模型嵌入STM32F103C8T6微控制器，并构建了由AD7606模块与传感器标定装置组成的实时数据采集系统。在500 Hz采样频率下开展实时测试，上位机显示的六维力/力矩解耦输出与标准加载值之间的最大相对误差未超过±1.6%，系统运行过程中未出现明显延迟或数据丢失，验证了所嵌入解耦算法在实时解耦精度与系统稳定性方面的可行性与有效性。

摘要:针对探地雷达信号在复杂的地下环境中容易受到噪声干扰、传统去噪方法存在模态混叠以及参数依赖性强的问题,提出了一种联合灰狼算法(GWO)、改进自适应噪声完备集合经验模态分解(ICEEMDAN)与改进的多参数控制小波阈值的去噪算法。首先采用GWO算法对ICEEMDAN中的噪声幅值(Nstd)和迭代次数(NE)进行寻优,实现参数的自适应调整并抑制模态混叠。然后设计改进的多参数控制小波阈值函数,对分解后的模态分量进行选择性的滤波重构,保留有效信号特征。仿真实验中,针对埋深为0.1 m的弱目标场景,该方法在输入信噪比为10 dB的条件下,输出信噪比提升至19.308 2 dB,比传统的自定参数的ICEEMDAN联合软硬阈值去噪算法平均提高了93.26%,波形相关系数为0.994 15,均方根误差为0.108 3;实测实验中,处理后的成像更清晰,目标的双曲线特征更加明显。该方法能够有效地提升探地雷达的信号质量,具有自适应性强、抗混叠和工程适用性高等特点,为地下目标的识别提供了可靠的技术支撑。

摘要:燃煤电站锅炉受热面的灰污沉积不仅会引发能效下降,持续累积还可能引发严重的安全事故，因此对锅炉受热面能效状态的精准预测是解决该问题的重要途径。为实现能效预测精度的提升,构建了一种应用两步分解的蜜獾算法（honey badger algorithm, HBA）优化的神经基扩展分析（neural basis expansion analysis, NBEATS）模型的燃煤电站锅炉能效预测模型。该方法以清洁因子作为锅炉受热面能效变化的表征指标,使用小波阈值理论对原始清洁因子数据实施去噪,并运用鲁棒经验模态分解（robust empirical mode decomposition, REMD）联合变分模态分解（variational mode decomposition, VMD）的两步分解获取去噪后数据的多个模态分量。在每个分解得到的模态分量上,应用HBA算法调优超参数的NBEATS模型进行独立预测,叠加所有模态分量预测值生成锅炉能效预测结果。贵州某300 MW燃煤电站锅炉数据集上的实验表明,相较于消融实验中的对比模型,本文模型在多个性能指标上展现出显著优势，均方根误差性能提升幅度在5.43%~93.31%之间;决定系数提高至0.98以上;平均绝对误差最优值达0.000 2。

摘要:针对船用升降机故障样本稀缺、实机故障复现风险高且成本昂贵的问题，提出一种基于多物理场因果建模的船用升降机建模方法和故障注入方法，用于故障样本生成。区别于传统仅在可测信号层叠加偏差的测量偏置型故障注入方法，该方法立足于船用升降机的多物理场耦合特性建立故障注入模型，通过动态修改部件级关键物理参数，实现升降机从部件级性能变化到系统级功能失效的演变。基于所提出的船用升降机故障注入方法，通过故障-物理量表征行为分析，以及与测量偏置型故障注入方法的对比实验，验证方法在多部件间故障传播的有效性；通过多种典型故障诊断算法的诊断效果一致性，证明提出方法作为故障诊断验证基准的有效性。所提出的方法能够生成具备强物理因果性的故障样本，为船用升降机智能运维与故障诊断算法的训练提供可靠的故障数据支撑。

摘要:纳米级半导体工艺下芯片电压已低至0.8 V，部分芯片功耗突破700 W，最高电流超过2 000 A，对支撑芯片工作的电源分配网络提出了宽频带范围、超低阻抗、低损耗等要求。电源分配网络当中去耦电容的本征参数是优化设计的关键，为了获取精确的电容参数模型，用于电源分配网络电源完整性仿真与分析，提出了基于矢量网络分析仪的高精度宽带去耦电容本征参数提取方法，引入矢量拟合和误差修正方法，解决了迹线噪声导致的测试轨迹过零问题，并提取了去耦电容本征参数。搭建了实验系统，设计了夹具并实施多级校准和夹具去嵌入，测试频率范围500 Hz~3 GHz，电容容值误差≤5%，等效串联电阻误差≤3%，等效串联电感误差≤6%，去耦电容本征参数测试值与参考值一致，代入等效模型得到的阻抗曲线与测量结果一致。该方法可高效可靠地获取去耦电容本征参数，为电源分配网络优化设计提供可靠数据，对支撑算力网络和数字系统等供电系统研发具有重要的工程意义。

摘要:风电机组齿轮因长期处于多噪声、高转速工况下运行，振动信号呈现非线性特性，致形态学滤波中单尺度滤波方法难以准确有效提取故障特征的问题，融合复合故障特征指标选取的最优结构元素（structuring element，SE）尺度，提出一种自适应多尺度组合差分积形态滤波（adaptive multi-scale composite differentiation product morphological filter，AMCDPMF）的齿轮故障特征提取方法。首先，引入3种形态学差分算子，构造多尺度组合差分积滤波器（multi-scale composite differentiation product morphological filter，MCDPMF）；其次，引用复合故障特征指标自适应选择多尺度滤波信号的最优SE尺度；最后，融合MCDPMF和最优SE尺度，计算每个尺度的权重系数，构造AMCDPMF滤波器实现自适应提取信号特征。结果表明，AMCDPMF能够有效的提取齿轮仿真和实验信号故障特征，相较于单尺度和3种经典多尺度滤波器，AMCDPMF故障能量比（energy ratio，ER）和改进的信噪比（improvement in signalto-noise ratio, ISNR）分别提高了5.15%、3.5 dB，提取齿轮故障特征能力更佳，有效提升风电机组运行的可靠性，推动可再生能源的高效利用。

摘要:结构光三维测量技术广泛应用于工业检测、医疗成像等领域，其测量精度受到投影仪非线性影响而降低。针对传统相移法在非线性环境下的误差问题，特别是在与二值条纹投影技术结合时，通常需要大量条纹图案以保证测量精度，造成数据采集效率低下。围绕如何提高测量精度并减少投影幅数展开研究，提出了一种基于等间距二值条纹的十六步相移编码方法。该方法通过预先生成满足等间距分布的二值条纹图案，并将这些条纹与同一周期内的正弦强度值进行一一映射匹配，进一步采用加权叠加策略重构正弦条纹。这种创新编码方式使得每幅二值条纹不仅能够独立贡献信息，还能在十六步相移解算法中被高效重复利用，从而显著降低所需条纹图案数量，有效提升三维测量效率。在实验环节，将所提出方法与传统十六步相移法、十六步二值离焦法及十六步二进制编码法进行了定量对比。结果显示，该方法在展开相位精度方面取得了显著提升，展开相位精确率较其他3种方法分别提高了71.42%、87.17%和85.29%，表明新方法在提高测量精度和减少投影幅数方面具有显著优势。

摘要:针对无人机编队、工业机械臂等多电机系统因通信拓扑符号化、路径有向化、外部干扰等导致转速协同控制精度下降的问题，提出一种基于二部一致性控制协议的多永磁同步电机转速协同控制策略。首先，将单永磁同步电机矢量控制系统视为智能体，多永磁同步电机转速协同控制问题转化为含虚拟领航者的二部一致性问题，并依据竞争关系进行分部、以权重系数直接参与调节、基于入边权重求和的原则来设计分布式控制协议。其次，为领航永磁同步电机设计基于改进型变幂次趋近律的滑模转速环控制器，同时采用基于超局部模型设计领航电机与各跟随电机的电流环无模型滑模控制器，以提升多电机系统的控制精度和抗干扰能力。最后，通过构建5台永磁同步电机仿真平台验证。结果表明，空载工况下，系统能够在有限时间内实现高精度转速跟踪，稳态跟踪误差低于0.006%；在负载扰动下，该方法对均质及异质负载扰动均具备良好的抑制能力；在通信拓扑切换导致连通性下降时，尽管协同误差略有增大，但整体收敛时间与稳态跟踪误差稳定。该方法为复杂通信拓扑下多永磁同步电机高精度、强鲁棒转速协同控制提供了一种有效解决方案。

摘要:地层孔隙压力是油气勘探与开发中的关键参数，精准预测对保障钻井安全与提升作业效率具有重要意义。针对传统模型和浅层机器学习模型缺乏对岩性空间信息的有效融合，导致模型泛化性能受限等问题，提出一种融合岩性信息的深度图注意力网络孔隙压力预测方法（CLG）。模型以井深、当量循环密度、机械钻速与钻压、自然伽马、孔隙度及岩性编码等多源参数为输入，相关数据主要来源于随钻测量（LWD）系统，采用箱型图清洗、滤波、归一化处理提升数据质量。通过CNN提取局部特征，LSTM捕捉时序依赖，图注意力机制融合岩性结构信息。在渤海某勘探区应用结果表明，CLG模型在多个井位均取得优异性能（R2=0.997 9，MSE=0.003 5，RMSE=0.059 6，MAE=0.048 1），在盲井预测中，预测精度提升15%左右，泛化能力得到加强。该方法有效提升了岩性感知下的地层孔隙压力建模水平，为复杂地质条件下的油气钻井提供可靠支持。

摘要:地质构造超前探测是保证煤矿高效生产与安全发展的关键技术。针对传统地球物理勘探技术无法实现深部巷道地质构造超前精准探测的问题，研究设计了基于频谱声学的地质构造超前探测新方法。首先，理论分析了巷道掘进中顶板岩层的谐振特性，阐述了利用弹性波属性反演煤岩体应力变化进行地质构造超前探测的基本原理；其次，搭建了连续监测与实时预警系统平台，研发了地震检波器和监测分站等系统硬件，开发了可人机交互操作的系统控制软件；最后，选取深部开采的典型代表平煤八矿己15-15080机巷进行了有效性验证。结果表明，地质构造监测指标高值区与地质构造揭露区相重合，在地质构造揭露前的一段距离，地质构造预测系数均会出现迅速增大并超出临界值的现象。相对应力系数在断层处的单侧、双侧或者整体出现高应力，这与地质构造演化情况相一致。按照掘进方向直线距离计算，超前预警距离为7.2~37.7 m，实现超前探测的可靠性高达92.85%。研究结果为深部巷道地质构造超前探测提供了高效可靠的新技术。

摘要:在肌电信号手势识别领域,表面肌电信号固有的信号变异性是导致当前深度学习模型特征提取能力不足,识别准确率低的主要原因。针对这一问题,结合时序卷积神经网络的长期上下文建模优势与小波变换对非平稳信号的时频分析特性,提出一种新型小波门控时序卷积网络模型。首先通过小波卷积模块将输入的肌电信号进行多级离散小波分解,并将得到的各级分量分别进行一维卷积,小波域的卷积操作在实现多尺度提取时频特征的同时又自适应地增强关键的时频模式并抑制冗余分量,接着将卷积后的细节系数与近似系数进行离散逆小波变换以重构信号,最后将重构信号输入融合门控单元的时序卷积网络,利用时序卷积神经网络捕捉sEMG信号中的长期依赖关系,并使用门控单元对所提取的特征进行过滤。该网络结构在Ninapro DB1数据集上对52类手势分类实现了81.85%的准确率,相比于传统时序卷积网络,准确率提高了4.9%,与近年本领域主流深度模型(如DuNet、GengNet等)相比,该方法在保持模型参数量较小前提下,准确率相对提升幅度达4.0%~7.8%。

摘要:针对天气雷达金属球标校过程中“球体稳定度量化不足、找球流程缺乏体系化参数约束、以及跨库机理与偏差放大规律不清”等关键问题，提出一种基于“无人机+激光测距相机+标准金属球”的天气雷达远场绝对标校方案。首先构建最大水平位移约束的稳定度指标（S≥97%），获得金属球最佳标校位置；其次，设计基于“十字扫描”找球流程，实现金属球在天线主瓣及距离库中心的快速、精确对准；最后以长沙气象雷达标校中心S波段双偏振参考雷达（Z9740）为测试对象，结果表明，金属球处于距离库中心时，反射率因子（Z）和差分反射率（ZDR）与理论值平均偏差仅-0.28和0.16 dB，波束宽度、天线增益、脉冲宽度反演偏差分别为0.01°、0.14 dB和-0.11 μs；若出现跨库，Z与ZDR偏差增至-4.03和0.45 dB，波束宽度、增益及脉冲宽度误差增大至0.06°、-0.17 dB、0.56 μs。通过对比试验，阐明了“脉冲-窗重叠”是能量分拆与偏差增大的根源，并给出位置动态调控与脉冲加窗等改进建议。该方法可将天气雷达Z和ZDR绝对标校精度分别提升至0.5和0.2 dB以内，可为全国天气雷达组网一致性评估提供绝对验证手段。

摘要:为提升水下平台对目标的探测精度,设计并验证了一套布设于载体舷侧的声纳系统。系统由水听器阵列及电子系统组成,并工作在被动声纳模式。采用相移波束形成技术对接收信号进行空域处理以估计目标方位角,利用匹配滤波技术对回波信号进行处理以估计目标距离;电子系统部分采用低噪声信号调理及同步采集模块,实现对48通道声学信号的低噪声同步捕获,并设计了高速大容量存储系统保障数据的实时记录。实验结果表明，电子系统自噪声谱级低至2.52 nV/√Hz @40 kHz,系统整体幅度一致性误差小于3 dB,相位一致性误差低于6°。系统具备2.10°和1.35 m的分辨能力,以及3.96°和2.12%的定位误差。

摘要:精准的车道线信息对于自动驾驶系统中的路径规划和决策模块至关重要。为实现高精度的车道线检测，将车道线细长且结构连续的特点作为先验信息，提出一种先验引导的多尺度车道线检测网络。该网络以Resnet-18作为主干特征提取结构，在不同阶段引入门控融合模块，有效抑制了冗余信息传播，提高了跨层信息交互效率。针对车道线细长、连续、跨越大范围空间的特点，在FPN网络中引入了大核注意力机制，显著扩大感受野，增强网络对不同尺度车道线的感知能力。在检测头部分，结合了车道先验和全局特征，有效解决了仅依赖局部像素难以准确识别车道线的问题。此外，设计辅助分割分支并采用交叉熵损失函数，以优化参数更新过程，增强模型在细粒度特征上的表达能力。实验表明，在TuSimple数据集上精确度达到96.96%；CULane数据集上取得了80.1%的F1分数，该方法在复杂场景能够实现了高精度的车道线检测，且在现有的车道线检测方法中展现出很强的竞争力。

摘要:金属环境会影响射频识别(radio frequency identification，RFID)标签天线的阻抗匹配和辐射性能，同时为了减小标签厚度，提出了一种小型化低剖面双臂螺旋抗金属超高频RFID标签。标签天线由上层辐射贴片和下层接地面组成，上层辐射贴片结构为两条偶极子臂从中心向外螺旋延伸，呈中心对称，芯片位于两条螺旋臂的对称中心。从上层辐射贴片偶极子臂上引入一条金属短接臂连接下层接地面，通过改变辐射贴片中的偶极子臂宽度和短路臂的位置，能够有效调节标签天线工作频率，减小天线尺寸。所提出的标签天线尺寸为27 mm×0.6 mm，将该标签贴于金属圆柱形水阀上表面，在等效全向辐射功率为3.28 W的条件下，水平方向围绕一周实测阅读距离在8.5~9.3 m。所设计的标签天线具有低剖面、抗金属、全向性、读取距离远、易生产等特点，适用于在金属水阀、酒类金属瓶盖等圆柱形金属应用场景中，采用RFID技术进行生产运输、识别监测等方面的管理。

摘要:为提高抑郁症的自动识别准确率，提出使用融合深度残差网络作为编码器，同时引入改进长短时记忆网络与自注意力机制以提升网络模型对数据时序性的感知能力，得到效果较好的PLSTM-AttnNet模型。首先对脑电信号进行滤波、去噪等预处理操作，提取6项典型时域数据以及涵盖涵盖δ、θ、α、β、γ 5个频段的微分熵与功率谱密度。将预处理的数据输入ResNet编码器提取空间维度信息，使用PLSTM模块和自注意力Attention模块处理ResNet编码器的输出特征以捕捉数据的时序维度信息，提高抑郁症的识别准确率。在公开EEG数据集上开展大量对比实验，量化结果显示，所提PLSTM-AttnNet模型分类准确率达97.3%，较于单一ResNet模型、ResNet-PLSTM模型，准确率分别提升10.1%、3.9%，且在F1分数等评价指标上均显著优于对比模型。结果表明，该模型通过ResNet与PLSTM-Attention的创新融合，有效强化了EEG信号时序空间特征的协同表征能力，解决了传统模型特征捕捉片面的问题，为抑郁症的高效自动识别提供了可靠方案，具有重要的临床应用价值。

摘要:针对芯片制造过程中熔丝修调依赖逐次搜索索引修调码、循环读写频繁、测试时间长以及硬件资源消耗大的问题，在梯度提升多分类框架基础上，设计了一种面向熔丝修调码的单次预测模型。模型从结构层面引入抗过拟合机制，在残差学习过程中通过随机丢弃部分残差样本，弱化模型对异常样本和噪声样本的过度记忆；同时在叶节点输出阶段引入高斯扰动，使模型对数据分布波动保持更好的鲁棒性与泛化能力，并结合模糊区域判别思想，构建修调码模糊区域的数学描述，对靠近相邻边界的样本进行再判别和校正，从而有效降低相邻类别间的误分类概率。实现对相邻修调码不确定样本的精细区分。实验结果表明，所提出模型在准确率和稳定性方面均具有显著优势，在熔丝修调索引任务中，对32 bit修调码的整体预测准确率超过97.8%，R2指标达到0.99以上，显著缩短了测试时间并减少测试系统读写次数与硬件资源开销。

摘要:针对空间引力波探测等重大航天任务中微推力器地面标定面临的高精度需求，以及环境温度波动引起的热噪声严重制约测量装置性能的问题，开展了热噪声抑制技术研究。基于扭摆式微推力测量原理，深入分析了扭丝刚度热弹性效应、结构热膨胀及传感器漂移等误差来源，揭示了环境热噪声对测量精度的影响机理。在此基础上，研制了一套基于现场可编程门阵列（FPGA）控制的精密环境温控系统。该系统采用外部液体循环恒温罩的硬件架构，结合自适应Smith模糊PID控制算法，为测量装置构建了一个高稳定性、抗干扰的准绝热工作环境。实验结果显示，所研制的系统性能优异，成功将核心测量区域的温度波动峰峰值抑制在20 mK以内；与无温控状态相比，扭丝两端的温度梯度降低至原有的0.5%，由温度波动导致的理论测量相对误差从0.66%降至0.003 7%。研究结果表明，该温控系统有效解决了环境热波动对微推力测量的干扰，提升了装置的测量精度与热稳定性，为微推力器的高精度标定提供了关键技术支撑。

摘要:随着人工智能模型的飞速发展，合理的开发和利用人工智能模型服务人们生活变得十分重要。鉴于传统推荐系统无法感知用户实时情绪，难以提供情绪适配书籍的问题，针对这一问题，设计了一种融合表情识别技术与人工智能模型的书籍推荐智能体。为了使表情识别结果更加精确，创新性地采用MTCNN-MobileNet_V2 融合架构进行训练，训练结果显示此方法相较于传统基于HOG的识别方法平均准确率提高约23.6%。该智能体基于树莓派4B硬件平台，首先通过Camera V2实时采集用户面部图像，采用MTCNN算法检测并对齐人脸区域，再使用MobileNet_V2轻量化卷积神经网络进行表情分类；随后，系统集成大语言模型Qwen-3-32B进行语义推理和生成个性化书籍推荐；最后利用MQTT与Home Assistant实现推荐结果实时展示。实验结果表明，此系统平均准确率为94.72%，在标准光照（≈800 Lux）下情绪识别准确率为97.7%；在低照度（≈350 Lux）下为83.1%。5人场景下识别准确率约92%，响应时延约5 s，系统响应延迟适中，可实现实时推荐。该智能体显著提升了推荐准确度和用户体验，同时验证了此方法的有效性，为未来基于情感输入的个性化推荐提供了有效依据。

摘要:风力机叶片作为风力发电设备的核心部件,其健康状态对于整个设备的正常运行至关重要。针对运行状态下叶片状态参数实时监测需求,设计并实现了一套基于5G通信的分布式实时监测系统。系统采用双层分布式架构,由多节点数据采集单元集群和上位机软件构成。提出两级同步触发策略,实现全数据采集通道的高精度同步采样,触发延迟仅为最小采样周期的0.13%。融合压缩感知技术构建触发率和数据传输速率动态调节模型,并进行参数优化设计,实现了5G网络波动环境下触发率的自适应闭环调节以及数据采集与数据传输的动态匹配,提高了系统数据传输的可靠性。实验测试表明,系统本底噪声波动小于0.5%,非线性误差小于1.1%,通道一致性误差小于1%,压缩感知重构准确率达98%。该设计不仅为风力机叶片的实时监测提供有效的解决方案,其两级同步触发策略与动态调节机制也为其他在线实时监测系统开发提供技术参考。

摘要:为系统评估第五代增强型移动通信（5G-Advanced）系统在复杂电磁环境下的抗干扰性能，本文针对现有干扰测试方法在模拟真实非正交干扰上的不足，设计并实现了一种基于正交失配干扰机制的5G-A专用测试平台。该平台创新性地提出通过引入归一化频率偏移以破坏子载波正交性的干扰生成方法，建立攻击信号频偏同干扰能量扩散效率的解析关系。硬件上采用FPGA结合高速ADC/DAC模块与可配置射频前端，实现了干扰信号的频率，功率，波形以及时序精准产生与高精度控制。为全面验证平台有效性及评估5G-A关键信道的抗干扰能力，射频馈线直连与静态/动态空口实测两种场景，并重点分析考察了同步信号块（SSB），物理下行控制信道（PDCCH）与物理上行控制信道（PUCCH）在不同强度正交失配干扰下的性能表现。实验结果表明，相较于传统窄带干扰，正交失配干扰在相同发射功率下可使终端误码率提升2倍，同时能够准确地测试上述关键信号及信道的抗干扰性能，对推动5G-A的可靠部署具有积极意义。

摘要:远距离侦察任务中多模态图像融合功能旨在生成兼具各模态显著特征且真实有效的融合图像。为解决远距离目标特征表达真假混杂、纹理结构失真的难题，提出一种扩散重建与小波频域感知融合架构BalanceFusion，旨在提升远距离下红外与可见光图像融合的细节信息表征能力及真实性。该方法首先采用高效图像复原网络增强目标的特征表示能力；然后引入小波条件驱动融合模块，融合频域感知强调目标热辐射轮廓特性，降低因超分辨率过度聚焦于目标而忽略背景结构的影响；最后，逐层聚合模态差异显著的多尺度高频特征信息，确保多模态融合图像包含充分有效的细节信息，在增强特有特征的基础上保持共有特征的真实性。实验结果表明，算法在实飞数据上显著优于现有框架，结构保留与感知质量(Qabf)指标和空间频率(SF)指标分别提升33%和21%，展现了远距离多模态图像融合能力。