摘要:针对辐射源个体识别中单一神经网络随着辐射源个体数量的增加，模型的识别准确率显著下降的问题，提出一种基 于深度神经网络和随机森林集成模型的广播式自动相关监视(ADS-B) 辐射源个体识别方法。该方法利用多种深度神经网络 模型和随机森林对增强数据集进行训练，然后利用集成学习方法中的硬投票方法对各网络模型和随机森林识别得到的结果 进行集成表决，使得识别结果更具有说服力，同时在在辐射源个体数量增加的情况下依旧保持较高的识别率。实验结果表 明，在融合了DRSN、VGG、ResNet、GoogleNet、DenseNet 5类神经网络和随机森林后，相比于单一的神经网络，识别准确率能 够提升了3%～20%,且在辐射源个体数量增加的情况下依然能保持较高的识别准确率。

摘要:频率分集阵列(frequency diversity array ,FDA)在雷达探测与成像中具有很大优势。然而，当FDA 应用于逆合成孔 径雷达(inverse synthetic aperture radar ,ISAR)时，FDA的自动扫描特性成为了需要解决的关键问题之一。针对该问题，将 FDA持续性聚集跟踪波束技术应用到ISAR 成像中，实现了高能量积累的FDA-ISAR成像。首先通过该技术向位于不同时 刻不同角度的目标重复发射脉冲信号，然后对跟踪波束的回波进行相位补偿，最后采用快速傅里叶变换算法完成二维成像。 仿真结果表明，使用持续性聚焦跟踪波束可获得能量叠加的增益效果，并且结合此技术的FDA-ISAR成像系统可实现对运动 目标的二维成像。

摘要:为减小光刻机硅片台在步进扫描运动中的冲击和振荡，研究了一种S 型轨迹规划算法。采用S 型轨迹规划方法中的 复合法，引入可调节的权重系数，兼顾时间和冲击两个因素，分别对步进运动、扫描运动加速段和扫描运动减速段进行研究。 在对步进运动和扫描运动进行仿真分析的基础上，针对一种特定分布的曝光场进行“步进+扫描”综合仿真。仿真结果表明， 相较于传统3阶轨迹规划，所研究的S 型轨迹规划的加速度曲线更加平滑，不易激励柔性环节产生残余振动，可有效地减小冲 击和振荡，保证光刻机硅片台在扫描曝光过程中的稳定性。

摘要:模块化并联增容技术具备即插即用等优势，已成为大功率变流器重要发展方向。传统集中式控制需增设辅助通信网 络，系统成本显著增加。分布式控制无需独立通信网络，但多环路结构易出现带宽低、响应慢等问题。为此，提出一种改进型 分布式架构的分段预测电流控制(SPCC)方法。首先，建立多模块并联系统统一零序模型，并对零序电流动态行为进行比较分 析。其次，推导系统离散预测模型并设计SPCC方法，在每个控制周期将电压矢量分解为两部分，包括基础电压矢量和零电压 矢量，以满足固定开关频率和提高预测架构灵活性需求。进而，构建兼顾交直轴电流跟踪、零序电流抑制的价值函数，并制定 最优电压矢量选取和占空比计算原则。最后，基于双45 kW 测试样机对所提SPCC方法进行实验验证与分析，所提方法空载 至满载响应时间2 ms,稳态电流畸变率3.1%,功率因数大于0.99,且具有固定开关频率、分散无互联等优势。

摘要:在用户密集分布的蜂窝网络中，功率分配是决定系统性能和通信质量的重要因素之一。由于现有的功率分配算法往 往达不到理想效果，而且泛化能力较差。在此基础上，提出一种基于D3QN(dueling double deep Q network)的功率分配算法 来优化系统的传输速率。D3QN 采用双神经网络和竞争网络优化神经网络的结构，通过解耦动作的选择和价值的评估，解决 了DQN中出现的高估问题。仿真结果表明，该算法能够获得的平均速率比 DQN高7.14%,在收敛速度和稳定性方面也有较 好的表现，且泛化能力较强，可适用于不同实际场景。

摘要:超声前列腺图像分割是一项极具挑战的任务，目前传统检测算子面对灰度对比不显著的部位难以去辨别，神经网络 则忽视了超声图像信噪比低的影响且消耗大量算力。为解决以上问题提出一种高效的基于解的空间约束的超声前列腺图像 分割算法，将分割问题转化为求边界点问题，首先对法向量算子改进，改善其检测能力；然后使用降噪自编码器根据形状约束 克服噪声优化解的空间；最后引入迭代算子将解的范围限制在极小的区域实现精准分割。实验表明，模型交并比型(IoU) 达 94.4%,DSC 值约97.05%,精度高于当前热门的神经网络算法，且更轻量化。

摘要:风电功率的准确预测可以有效地减少并网波动。现有的风电功率预测模型存在输入特征过多、超参数选择难、时序 过长易丢失重要信息等问题。为此，提出了一种麻雀搜索算法(SSA) 优化双向长短时记忆(BiLSTM)加注意力机制(AM) 的 短期风电功率融合预测模型。首先，SSA对 BiLSTM神经网络的节点数、学习率和训练次数等超参数进行寻优，确认最佳参 数；然后，引入AM 对 BiLSTM的输入特征分配不同权重，强化关键特征；最后，应用所提模型对新疆210 MW 风电场的风电 功率进行预测，并与其他模型的预测结果对比。结果表明，SSA-BiLSTM-AM预测模型的均方根误差(RMSE) 为5.4114、平 均绝对误差(MAE) 为3.6749,显著优于其他模型的预测精度，证明了SSA 优化算法和AM 能够有效提高风电机组的短期功 率预测精度。

摘要:在面对使用不确定的参数控制时隐式广义预测算法响应速度慢，导致辨识精度低下的问题，提出一种基于改进天鹰 算法(AO) 优化的隐式广义预测控制。首先在天鹰算法4个搜索阶段设置可变的惯性权，使得天鹰算法各个搜索阶段更加均 衡，避免了收敛过程耗时长且易陷入局部最优的问题。其次采用改进的天鹰优化算法求出隐式广义预测控制有约束条件时 的最优控制。最后将算法应用到某厂循环流化床锅炉进行仿真，从时间上来看，用改进AO 算法优化的隐式广义预测的平均 仿真速度为3.9831s,比隐式广义预测平均用的5.9531s 有了明显的速度上的提高，并且在小误差内，能有良好的跟踪效 果。仿真结果表明了该算法的可行性，以及其优越的控制性能。

摘要:弹药跌落环境模拟系统主要用于对各种弹药(箱装或裸弹)、引信、仪器设备等进行跌落试验。针对野外复杂背景下 高速相机采集的目标跌落图像噪声大、边缘复杂不易提取且图像数据量大等问题，设计了融合高斯核函数和边窗思想的滤波 算法、基于感兴趣区域(region of interest,ROD的改进Hough 直线检测算法以及基于序列图像ROI 动态更新的边缘直线自 动提取算法，解决了去噪过程中目标边缘扩散和序列图像姿态角解算耗时长的问题。实验表明，所提出的改进算法保护了高 噪声图像的边缘特征，直线检测耗时低于标准Hough 变换耗时的1/10,实现了多帧图像运动目标姿态角的快速自动提取，姿 态角解算平均绝对误差为0.36%。

摘要:为解决储能单元在工作过程中产生的荷电状态(state of charge,SOC)不均衡问题，提出了一种基于指数型下垂控制 的改进SOC 均衡方案。该方案将指数型下垂控制中的放大因子n 与储能单元间的SOC 差值建立函数关系，使其能够跟随储 能单元间的SOC 差值变化由小到大连续增大，提高了SOC 的均衡速度，也解决了均衡过程中功率响应速度和功率收敛速度 两者不可兼顾的问题，同时在下垂系数中引入容量权重因子，消除了容量对 SOC 均衡的影响。最后，在MATLAB/Simulink 中搭建了相关模型并仿真验证了所提方案的正确性和有效性。

摘要:在运动中确定与掌握运动强度十分重要，适宜的运动强度能有效提高身体机能；强度过大会使身体机能衰退，甚至危 机生命安全。针对传统运动强度评估方法评估指标少、精度低的问题，提出了一种基于知识图谱的运动强度评估方法。首 先，通过BERT-CRF提取运动强度评估指征，在Neo4j数据库中建立了运动强度评估的知识图谱；其次，在RecGNNs 知识推 理的基础上，实现了针对不同年龄群体运动强度的个性化精准评估；最后，构建了运动强度评估系统。实验结果表明，基于知 识图谱的运动强度评估系统运行稳定、可靠，个性化评估的准确率可达到85.7%。

摘要:研究了一种基于改进压缩感知技术的相敏光学时域反射计(phasesensitive optical time domain reflectometer,更-OT- DR)系统。对于压缩感知技术，信号稀疏度K 直接影响信号恢复的质量。为了提高信号恢复的质量，应该获得更接近原始信 号的真实稀疏性度K。因此，提出了一种基于硬阈值的信号稀疏度K 的计算方法，同时，采用结合收缩阈值的重构方法，尽可 能保留信号的有效成分。实验结果表明，振动频率为1 kHz的正弦振动信号在5.6 km 的距离处被成功地重建。与常用的硬 阈值压缩传感技术、移动平均去噪技术和Sym8小波去噪技术相比，所提出的压缩感知技术的信噪比分别提高了3.55、13.2 和8.02 dB.

摘要:为弥补单一低场核磁共振分析仪或单一近红外光谱仪器能够检测到的信息有限、分离式采样操作繁琐耗时的缺点， 通过研究近红外所用透射式光纤与低场核磁主频21 M、线圈直径25 mm 的探头组合，研发了一款能够同位、同步采样，实现 信息互补的联用分析仪。性能测试结果表明，低场核磁均匀区长度大于25 mm, 近红外光谱标准偏差小于0.003,其他各项测 试结果均符合应用技术要求。最后以84个柴油样品在该联用仪器上进行采样分析试验，以柴油的50%回收温度和密度建立 模型，结果表明，经过特征提取、数据融合的检测模型分别优于基于低场核磁共振与近红外单一数据集的检测模型。由此可 见该联用仪器在柴油分析中具有信息互补的趋势，在石油产品、食品农业、生物医药等检测领域具有实际应用意义与推广 价值。

摘要:针对传统永磁同步电机(PMSM)控制系统中转速超调大以及负载扰动等问题，设计了改进指数趋近律滑模控制器。 在传统指数趋近律的等速项和指数项上加了调节函数，使趋近律具有更快的收敛速度和更好的抗抖振能力。为了进一步提 高精度，引入了低通滤波负载转矩观测器，将负载转矩的观测值进行前馈补偿以减少负载扰动。在MATLAB/Simulink 上建 立仿真模型，并与PI、传统指数趋近律、未进行前馈补偿的改进指数趋近律3种控制方法进行实验对比，仿真结果表明，基于 改进滑模指数趋近律和转矩前馈补偿的控制策略相比于其他3种控制方法，在减少转速的超调不稳定、增强系统的抗负载扰 动等能力上有进一步的提升。

摘要:针对采用脉冲无线电一超宽带实现高精度定位进行了研究。首先提出了基于现场可编程门阵列板的全数字发射机， 由其I/0 口产生并输出脉冲信号；然后脉冲信号通过接收天线接收，并由每个接收支路上的低噪声放大器放大，通过比较算 法将脉冲信号转换为1位数字样本；为了降低噪声功率，将数字化后的样本按脉冲帧的相应相位进行平均，并将平均后的脉 冲样本与模板信号进行关联，将相关器输出与阈值进行比较，接收机通过检测超过阈值的相关器输出来估计脉冲信号的定 时；最后，处理单元根据单向测距一到达时间差方法估计出发射机的位置。实验测试结果不仅验证了提出的定位系统的有效 性，而且表明了提出的定位系统相比于传统的基于模数变换器的接收处理系统在发射机定位均方根(RMS) 误差和模态值的 RMS误差方面分别提高了41.48%和23.11%。

摘要:针对传统Gmapping算法因粒子耗散导致定位精度不准确的现象，改进粒子群算法(IPSO)结合Gmapping算法(IP- SO-Gmapping)被提出。通过引入相似度测量参数和新的学习因子，IPSO 算法中粒子的全局开发能力得到提升，同时避免了 陷入“局部最优值”的现象。其次将IPSO算法应用于传统的Gmapping中，使得粒子向高似然区域移动，改善了粒子的分布状 态，这也使得IPSO-Gmapping算法表现出了极好的性能。分别使用公共数据集和实际场景进行验证，总体的平移旋转误差大 幅度降低。通过实验测试表明，所提出的IPSO-Gmapping算法使用更少的粒子在位姿估计准确性及建图精确性上优于传统 的Gmapping算法

摘要:针对博物馆中幻影成像虚拟展示装置的交互需求，设计了一种自然手势的计算机视觉交互系统。利用单目相机对自 然手势进行动作采集，针对不同身高人群手部活动范围，计算了单目相机最优捕获位置，实现了140～190 cm 人群高度的手 势识别。采用Mediapipe机器学习框架对捕获的手势图像实时遍历，获得单帧手掌的标定位置。结合21个特征关节点的手 掌模型，使用非极大值抑制算法对自遮挡的手掌进行识别，根据欧氏空间距离判别阈值和单个手指曲率对指间动作做出分 类，定义幻影成像常用5种交互动作，通过坐标关系建立了指尖和模型特征点之间的实时映射。实验结果表明，所设计的交 互系统，系统识别准确率达到98%,满足幻影成像系统中手势控制虚拟模型的要求。

摘要:为了解决人脸表情识别中存在的对关键信息获取能力不足、识别率偏低、模型容易出现过拟合等问题，以ResNet18 作为基本网络进行改进得到一个新的表情识别模型(IERNet) 。IERNet 通过引入 ECA 注意力机制构建出两种不同的注意力 残差单元，并组成注意力残差模块，从而增强对深层的表情关键特征的提取能力；又引入 Iception模块来提取图像的多尺度浅 层信息，通过同时引入这两个模块的方式增强了网络的鲁棒性、提升了模型的识别率；最后使用全局平均池化结合Dropout 技 术取代全连接层，可以有效防止模型的过拟合问题同时还能简化模型。通过实验数据可知，在公开表情数据集CK+ 和 FER2013上取得了不错的成绩，准确率分别达到了97.778%和73.558%。

摘要:温度测试对于军工、冶金、化工等行业的安全快速发展有着重要的意义，特别是高温环境下的温度测量，超声测温相 对于其他测温方法有着测温范围广、响应时间快、测量精度高等优点；如今大多数用于超声温度测试的传感器多为直波导杆， 为了应对一些特殊环境(如核反应燃料棒、管道以及一些需要较小传感器的环境等),设计了一种异型的螺旋状分布式波导传 感器，可以根据环境的区域大小拉伸、折叠或改变半径调节传感器的尺寸，还可以根据需要加工多个反射缺口，用于同一环境 的多点测量。通过实验以及COMSOL仿真拟合钨铼合金(tungsten-rhenium alloy 25,WRe25)的温度曲线，验证其测试温度 上限可以达到1600℃。结果表明，测试精度较高，螺旋状波导杆满足高温测试的应用需求，同时为缩小传感器的测试环境以 及提高测试精度提供参考。

摘要:针对传统的水质检测、农业灌溉、金属材料工艺控制以及新兴的酒类鉴别，含盐量检测、药物提取等新型问题中，对电 导率测量精度，测量范围的要求不断提高，要求电导率测量设备不仅要适用于实际生产应用中低电导率的测量，还需要兼顾 高电导率的测量，且电导率测量精度需求越来越高。针对以上问题设计了一种高精度自校准量程自适应的电导率检测电路， 通过电路将带有电导率信息的激励信号与未过电导池的参考激励信号进行互相关运算并由低通滤波器对其进行滤波得到与 电导率相关的电压信号。正弦激励幅度可调电路与电导率测量电路中自动校准模块相互合作完成电路的自动校准、量程切 换电路保证了电导率测量的宽量程、采用互相关算法降低电路噪声及去除电导池等效电容，弥补了传统电导率测量电路定量 程、测量范围小、精度差的缺点。测试结果表明，电导率测量电路可以测量电导率范围为0～30000 μS/cm, 测量精度为 0.01 pS/cm,测量基线噪声为0.3 nS/cm。

摘要:随着音频载体设备的发展，扬声器在向着体积小、功率大的趋势发展，长时间工作在大信号驱动时音圈发热严重，会 出现音圈断路等热损坏问题，通过对扬声器电参量数据的预测，可以降低功放功率等方法保护音圈，延长使用寿命。针对功 率试验中扬声器电参量数据的时序特性，提高预测准确率，提出一种基于变分模态分解(variational mode decomposition, VMD)和编解码器(sequence to sequence,Seq2seq)模型的扬声器电参量多步预测方法。该方法首先使用VMD将原始数据进 行分解，降低数据的非平稳性，利用分解后的数据构建训练集并使用Seq2seq网络模型进行训练和多步预测。仿真结果表明， 所提出的预测模型在单步预测情况下，模型评价指标均方根误差(RMSE)为0.044、平均绝对百分比误差(MAPE)为0.15%、 决定系数(R²) 为0.94,在五步预测的情况下，模型评价指标RMSE为0.05、MAPE为0.17%、R² 为0.92,均优于其余对比模 型，表明所提出模型的精度更高。

摘要:随着集成电路集成度的提升，印刷线路板的工业复杂度逐渐提升，制造过程中产生的瑕疵也更加微小复杂。针对目 前传统图像处理算法难以准确检测到各种微小瑕疵的问题，提出了一种基于改进型 YOLOv5s的印刷线路板瑕疵检测识别算 法。首先更改原先网络的三尺度检测层，用检测更小目标的检测层替换原本的大目标检测层，加强模型对微小目标的检测精 度；同时使用K-means++ 算法重新聚类先验框；然后将PANet 网络调整为BiFPN 网络，使用可学习权重评估每个特征的重 要性来加强特征融合；最后在C3 模块中融入 SENet, 使网络有选择地关注信息特征并过滤冗余信息。结果表明，改进后的网 络模型检测精度达到97.83%,召回率达到95.73%,并且对比原始网络误检、漏检率大大降低，完全满足工业检测要求。

摘要:针对不同颜色的可回收饮料瓶回收价值不同，进而需要解决颜色识别分选问题，提出一种基于YOLOv5s 的轻量化模 型并配合DELTA 并联机器人分选设备进行智能识别分选。模型减少了原 Backbone中C3 数量，并使用1×1的卷积核代替 了C3 和Conv 模块部分3×3的卷积核，采用GhostConv替代传统Conv,CIOU 损失增加了检测框尺度、长和宽的损失，提高 了矩形框回归效果，选择CIOU Loss作为 bounding box的损失函数，通过对其他传统模型对比实验，验证了模型的有效性。 结果表明，参数量和计算量相较原模型分别减少了33.80%和36.84%,对回收饮料瓶颜色的识别时间达到了0.008 s, 识别图 片速度125张/s, 识别精度达到了97%。较传统模型，改进YOLOv5s模型识别准确率更高，识别速度更快。

摘要:为解决水下图像由光照不均匀等原因引起的颜色偏差、对比度低、细节不清晰等问题，提出了一种基于颜色校正和加 权融合的水下图像增强方法。首先，对补偿了红色通道的原始图像采用白平衡算法进行颜色校正，解决图像失真问题。并将 颜色校正后的图像从 RGB空间转换到Lab 空间，然后采用对比度限制自适应直方图均衡比(CLAHE) 算法处理的L 亮度通 道来增强图像的对比度和亮度。最后，将颜色校正后的图像和增强对比度后的图像进行加权融合增强图像细节的清晰度。 实验结果证明，采用所提算法处理不同水下场景图像效果显著,4个图像质量评价指标信息熵、峰值信噪比(PSNR)、水下图像 质量评价度量(UIQM) 和水下彩色图像质量评级(UCIQE) 值与其他算法相比均有明显提升。并且与原始图像相比，所提算 法处理后的图像的信息熵至少提升了5.6%,UIQM 值提高了1.48倍以上，UCIQE 值提高了7.5%。

摘要:与正常剂量计算机断层扫描成像(CT) 相比，低剂量CT 成像可以有效减少X 射线对身体的辐射，但因此产生的噪声 会显著降低CT 成像质量。传统的神经网络由于提取通道单一，影响了图像的特征提取，不利于低剂量CT 图像的降噪。分 析了基于双注意力机制和记忆与高频特征融合的神经网络图像降噪方法。实验结果表明，与目前常用的3种典型网络相比， 该模型避免CT 图像过度平滑，可有效保留图像细节纹理。与ADNet 网络模型相比在结构相似性上提升了0.0055,峰值信 噪比上提升了0.2707。

摘要:目前，大多数基于深度学习提取建筑物是采用语义分割的方式，没有考虑建筑物几何特性，而传统方法在对遥感建筑 物提取时只考虑其灰度特征，都难以有效提取。针对该问题对光谱信息进行了研究，提出了融合光谱特征和超像素的建筑物 提取方法。首先基于分水岭变换产生许多形状大小不一的超像素子区域；然后利用建筑物的光谱特征对建筑物超像素进行 合并，从而实现对遥感影像建筑物的初提取；在此基础上剔除已提取出的建筑物，然后根据几何特征选择滑动领域操作抑制 噪声；最后根据最大类间方差(Otsu)对遥感影像建筑物进行后提取。所处理的遥感影像建筑物包括荒地、山地、城郊、城市4 种类型的区域，通过和经典算法对比验证，实验结果表明，该算法在遥感建筑物提取上有一定优越性。

摘要:针对低剂量计算机断层扫描(CT) 图像噪点较多和空间分辨率低的问题，提出了一种基于改进双树复小波变换(DTC- WT) 和引导滤波的低剂量CT 图像降噪方法。首先使用DTCWT 对低剂量CT 图像进行多尺度分解，对高频子带系数使用拟 合优度检验框架进行去噪，对低频子带使用三边滤波进行降噪，逆DTCWT 重构得到初始去噪图像；然后使用降噪并插值的 低频子带图像作为导向图像对CT 图像进行引导滤波；接着结合初始去噪图像和引导滤波的去噪结果生成细节残存图像；最 后用3维块匹配滤波(BM3D)阈值算法对细节残存图像进行二次去噪，叠加两次去噪结果得到最终去噪图像。实验结果表 明，该方法优于其他传统图像去噪算法，在抑制噪声的同时，良好地保留了图像的边缘轮廓和纹理特征，对低剂量CT 图像有 着显著的去噪效果。