摘要:随着科技的发展，越来越多的场合需要实现多个终端间的纳秒量级高精度时间比对，例如现代化军事靶场、战场、雷达观测基地等。现阶段常用的纳秒量级多终端间的时间比对方法是导航卫星共视法，该方法需要搭建数据交换链路，应用的灵活性受限。本文基于无线伪随机码测距原理、双向时间比对原理和码分多址技术，设计出一套可以自适应组网的高精度时间比对系统，不需要额外搭建数据交互通路即可实现级联节点之间的纳秒量级时间比对。其次，分析了利用该系统实现纳秒量级时间比对的技术难点，并提出了相应的解决方法。最后，搭建实验平台对设计的时间比对系统进行验证。实验结果表明，在500 m的无线比对基线下，可以实现优于0.5 ns的静态时间比对精度。

摘要:由于知识图谱包含了丰富的项目属性及其关联信息，因此在推荐系统中引入知识图谱能在一定程度上解决数据稀疏和冷启动问题。如基于传播的推荐系统就利用了知识图谱的图结构学习用户及项目表示等相关特征。但在传播过程中，往往忽略了实体与关系之间的交互信息对特征表示的贡献，由此提出一种融合实体与关系交互信息的知识感知推荐模型。首先，将协同信息和知识关联整合，采用异构传播方式传播并扩展用户和项目的表示。其次，在传播过程中用注意力机制强化实体与关系之间的交互信息，增强语义关联，保证用户和项目基于知识的高阶交互的有效性。然后采用知识感知注意力机制来区分每层中实体邻居的重要性，更精确地生成用户和项目的表示。最后通过聚合器将多个表示结合得到用户和项目的最终表示，从而预测用户与项目进行交互的概率。通过添加KL散度损失函数对模型进行优化，以对齐模型的预测分布和真实分布之间的差异。在Last.FM、Book-Crossing和MovieLens-20M 3个数据集上进行的实验结果表明该模型在CTR预测性能中比其他基线模型有较大提升。

摘要:为实现井下复杂环境中的近场通信，首先用三维有限元电磁仿真软件对铁氧体天线结构进行建模仿真，结果表明：线圈半径、导线半径、天线间距对天线正向传输系数的影响较大，铁氧体相对磁导率的影响较小。其次，为探究井下环境对天线传输性能的影响，用阻抗匹配工具对天线进行阻抗匹配，并建立带钻井液介质的金属钻具模型，结果表明：井下金属环境导致正向传输系数衰减3.3 dB；钻井液电导率从0 S/m增加到2 S/m后，正向传输系数衰减8.2 dB。将天线仿真模型与相同参数的实物模型进行对比，结果表明基本模型正向传输系数误差小于0.3 dB，扩展模型正向传输系数误差小于5.5 dB，仿真结果与实物测试结果具有一致性，可指导井下NFC天线设计。 关

摘要:针对目前对在役衬胶管道脱粘缺陷缺乏有效检测手段，且检测效率和准确率较低的问题，基于超声脉冲回波法的基本原理，设计了适用于圆柱形衬胶管道超声检测的扫查和探头夹持装置，建立了相应的超声检测试验系统。分析了实际应用中多种干扰因素对超声回波信号的影响，构建了基于一维CNN的超声回波信号二分类模型。通过试验和与传统超声检测缺陷识别方法进行对比，结果表明利用所建立的超声检测系统及一维CNN模型能够在多种干扰因素存在的情况下实现对脱粘缺陷较精确的识别，识别准确率达到96.22%，为在役衬胶管道脱粘缺陷的自动化检测和识别提供了一种有效的方法和手段。

摘要:高压线上陶瓷绝缘子全表面检测是保证其质量的重要一环，由于其表面复杂，目前主流是人工检测，漏检、错检无法避免。用带有机器视觉的自动化装置来检测陶瓷绝缘子是近年来的趋势，本文针对绝缘子的气泡、裂纹等主要缺陷进行识别，提出最优滤波器方法加大气泡缺陷对比度，对气泡ROI进行定位和提取，通过改进KNN边缘滤波来预处理图片，对裂纹进行定位识别，最后通过特征进行筛选。该方法能够快速、准确地识别陶瓷表面缺陷特征，识别效率在200 ms以内，识别率达到了98.2%，满足高压线陶瓷行业的精度需求。

摘要:针对雷击环境下，飞机机载平台内的线束易受到连接设备及外部辐射源的复杂电磁干扰问题，考虑线槽不同结构对线槽防护性能的影响，基于三同轴法，结合Van Helvoort形状系数，推导出线槽转移阻抗从低频到高频状态下的理论表达式。进而建立含不同高宽比线槽防护仿真模型，研究不同形状、尺寸的线槽防护性能。最后建立复合材料机身内线槽的雷击电磁防护仿真模型，分析机身不同位置、不同形状线槽的防护作用，进一步验证了不同结构线槽防护性能的差异性。结果表明：高宽比每增加1/2，线槽屏蔽效能约增加5 dB，且有效保护区域逐渐扩大；随着与机身蒙皮间距增大，机身内部线缆感应电流线性减小；线槽密封性与防护性能成正比。

摘要:为了表征逆变器故障中IGBT模块的老化趋势，提高老化过程的预测精度，本文提出一种基于改进蜣螂搜索算法（IDBO）优化双向长短期神经网络（BiLSTM）超参数的IGBT老化预测模型。首先提取老化过程中Vce.on的时频域特征，利用核主成分分析进行降维构建归一化综合指标。其次，针对蜣螂搜索算法（DBO）的不足，通过引入改进Circle混沌映射、Levy飞行和自适应权重因子提升了DBO寻优能力和收敛性能，利用IDBO对BiLSTM预测模型超参数实现全局寻优。最后，通过实际IGBT退化数据验证了基于IDBO优化BiLSTM老化预测模型的有效性和优越性。结果表明，所构建的IDBOBiLSTM模型与BiLSTM模型相比RMSE平均下降36.42%、MAE平均下降31.77%、MAPE平均下降41.03%。

摘要:微半球谐振陀螺的标度因数受阻尼不均匀程度和幅值控制精度影响，保证陀螺结构高度对称性的同时，驱动模态幅值控制精度也尤为重要。针对常见一倍频、1/2倍频电压驱动方式存在同频驱动噪声干扰和补偿相位延时导致微半球谐振陀螺驱动模态幅值控制精度较低，标度因数稳定性不足等问题，由于起振后陀螺等效驱动形式变化，基于微谐振子电压驱动原理构建了稳幅阶段微谐振子动态振动模型，提出了一种用于稳幅阶段的同相位二倍频电压驱动方式，设计了一种用于陀螺模态控制的交直流混合电压切换驱动方法，避免了相位补偿和同频驱动引起的幅值波动干扰。最后经力平衡模式仿真试验对比验证，混合电压切换驱动方法下驱动模态幅值控制精度提升5.882%，陀螺仪标度因数稳定性提高6.625%。

摘要:针对解决无线网络频谱匮乏、用户频繁切换问题，本文提出一种基于象限分割的VLC-WiFi异构接入与迟滞软切换算法。依照三维坐标系将室内分割为4部分建立用户速率模型，获取用户速率，建立遮挡模型模拟VLC链路被遮挡情景。用户依据所在位置、象限、遮挡及速率等参数执行接入操作；切换依据迟滞思想将向内切换与向外切换阈值差异化，使切换存在弹性空间从而抑制乒乓效应。在5 m×5 m×5 m室内空间内经过多次实验表明，提出的室内VLC-WiFi异构组网方案水平切换次数降低43.8%，遮挡及垂直切换数降低45.3%，乒乓次数降低52.27%，吞吐量比传统算法提升约5.84%。该算法可以显著降低切换与乒乓次数。因此本文为室内异构网络通信研究提供理论依据。

摘要:准确估计三元锂电池的荷电状态(SOC)是保障电动汽车安全稳定运行的基础。针对传统BP神经网络估计精度不高，而RBF神经网络也容易陷入局部最优的问题，提出一种基于自适应麻雀搜索算法与RBF神经网络联合的三元锂电池SOC估计方法。首先，对标准麻雀搜索算法进行改进，采用精英混沌反向机制初始化麻雀种群，采用柯西高斯变异策略优化麻雀种群中跟随者位置更新公式；然后，使用改进后的麻雀搜索算法对RBF神经网络的初始权值和宽度参数进行寻优，以提升算法对SOC的估计精度；最后，基于三元锂电池的充放电实验数据进行模型验证。结果表明，动态应力测试工况下，所提联合算法模型SOC估计均方根误差为0.694%，平均百分比误差为3.15%，能很好的应用于三元锂电池SOC估计。

摘要:蜣螂优化算法是一种基于蜣螂不同行为模式的新型启发式算法，与其他算法相比的收敛速度更快，逃脱局部最优的能力更强。针对蜣螂优化算法不能进行特征选择的问题，在蜣螂优化算法的基础上提出了蜣螂灰狼融合算法。该算法基于3种改进策略：精英初始化种群策略、灰狼蜣螂融合策略、运行加速策略，进一步提高蜣螂优化算法在特征选择任务上的性能，并给出了算法整体的伪代码。实验结果表明，比较其他改进型启发式算法，蜣螂灰狼融合优化算法在12个分类数据集中能够得到更高精度、更低维度的特征子集，同时兼备收敛速度、运行速度更快的优点。

摘要:针对反激式开关电源的控制策略问题，传统的模糊PID控制下的电源输出稳定性低，同时出现负载突变时的控制效果较差。利用鲸鱼优化算法对模糊PID控制系统进行优化，并且使用Tent映射对鲸鱼算法中初始种群进行混沌化，通过混沌鲸鱼优化算法对模糊PID控制系统中的论域进行优化，使得该控制系统下的反激式开关电源输出稳定度和抗干扰能力得到提升。基于Matlab软件完成反激式开关电源建模进行仿真研究。仿真结果表明，CWOA-FPID下的反激式开关电源的稳定性优于鲸鱼算法和粒子群算法优化下的控制器，当负载从10 Ω变到5 Ω时，本文下的控制策略相比较其它两个算法在电压恢复时间和电压输出突变都有显著优势。验证了改进鲸鱼算法优化的模糊PID控制器能够更好的满足反激式开关电源的控制要求。

摘要:针对倒立摆系统控制过程中易受外界干扰和自然不稳定的特点，以及深度强化学习SAC算法采样数据利用率较低和随机离线策略网络收敛较慢的问题，提出了一种结合近端经验采样和优化策略网络结构的改进算法PRER_SAC。构建神经网络拟合函数，策略网络使用性能更优的Mish函数作为激活函数,设置自调节温度系数以增强智能体的探索能力；设计远、近两个经验池，及一种改变数据存放频率的训练策略，提高数据样本的利用率。通过仿真实验对比，所提方法在同等训练次数下所得回报值和算法收敛速度优于DDPG和 SAC 算法，同传统控制方法PID和LQR相比，有更好的控制效果。最后，对训练好的智能体加入角度扰动，可在2 s内被消除抑制，证明提出的算法具有较强的适用性。

摘要:视觉目标跟踪算法利用自注意力机制增强上下文联系，但面对复杂场景时，自注意力机制中的相关性易发生失配，为此提出一种联合高阶目标感知与相似匹配的目标跟踪算法。构建高阶目标感知模型，针对自注意力机制中的一阶自注意图，利用坍塌的极化过滤方式进行空间和通道维度的正交化建模，优化内部相关性；同时组合非线性拟合函数避免坍塌引起的信息损失，进而获得高阶自注意图，捕获具有高阶上下文信息的感知特征。通过不同维度分解目标的感知特征来细化匹配区域，抑制背景噪声并约束当前帧的响应图，提高网络的判别力。在OTB100和UAV123基准的实验结果表明，所提算法有更好的跟踪性能，可以有效应对相似干扰等问题。

摘要:变电站巡检拍摄的电气设备可见光图像存在背景杂乱、目标轮廓不规则等特点，造成设备分割精度不高，影响智能巡检系统设备识别效果。基于此，提出一种改进的YOLACT++模型，实现设备目标精确实例分割。首先，设计了电气设备特征提取主干网络DAGNet，提升了网络对复杂背景下重要特征的关注度；同时在原型网络分支引入3D注意力模块SimAM，降低混乱背景对目标分割的干扰。使用某市8个区域58座110 kV变电站和86座35 kV变电站巡检所得避雷器、断路器等6类电气设备的1 730张可见光图像的标记数据集对该模型进行验证，实验结果表明，改进YOLACT++模型分割的APall指标为84.1%，相较原模型提高了4.4%，与YOLACT、Mask R-CNN和YOLOv8模型相比分别高出4.0%、9.3%、1.6%，较好地实现了6类电气设备的识别，可满足电力巡检中准确性和快速性的要求。

摘要:针对三维重建技术难以处理高分辨率图像、重建后的点云图精度低、边界模糊的问题，本文提出基于门控循环单元的多阶段多尺度动态深度范围预测网络模型。首先，利用曲率引导的动态尺度卷积网络作为特征提取模块，通过计算图像上多个尺度的表面法曲率，得到图像最优像素的特征信息；然后，将精细的特征信息与一种新的深度范围估计模块相结合，动态估计下阶段的深度范围假设，从而更好的合并邻域像素的信息，实现参考图像和源图像之间的精确匹配。本文网络与其他10多种方法进行了比较，在DTU数据集上，整体性能比第2的网络提高2.2%。在Tank&Temple数据集上，Lighthouse、M60和Panther等场景的重建表现都有大幅提升。同时，本文进行了对比和消融实验，实验结果证明本文提出的动态深度预测网络，减小内存消耗的同时，显著提高了重建后点云图的精度和完整度。

摘要:由于滚珠丝杠点蚀区域小，环境干扰严重,缺陷难以及时检测。所以提出了一种多级解码神经网络,实现滚珠丝杠点蚀缺陷的分割。该网络由编码器、多级解码器和多尺度注意力模块组成。编码器由Resnet34组成,并引入Ghost模块构建了轻量化的多级解码器。为了融合多尺度特征并过滤冗余信息，设计了多尺度注意力模块。采用二值交叉熵函数，IOU和SSIM函数组成的混合损失函数训练网络。在滚珠丝杠缺陷数据集上做了实验，多级解码神经网络在maxFβ指标上达到了0.770 3，与其他方法相比，该网络取得了更好的分割结果，并且单张图片处理时间为26 ms。为滚珠丝杠点蚀缺陷实时分割提供了一种新的方法。

摘要:针对复杂的轨道交通背景下障碍物检测精度低和检测速度慢的问题，提出了一种改进YOLOv5的目标检测网络模型。首先，采用基于注意力机制的轻量级Transformer主干EMO来替换YOLOv5原有backbone中的部分模块，保证轻量化的同时，还能够提高模型的准确性和稳定性；其次，使用Focal-EIoU来替换YOLOv5中的CIoU损失函数，以解决CIoU引起的训练效率低、收敛速度慢等问题；最后使用轻量化上采样算子CARAFE来替换YOLOv5算法中原有的上采样层，在没有引入过多参数和计算量的情况下具有更大的感受野，提高了检测精度和检测速度。实验结果表明，该方法相较于原始的YOLOv5网络模型平均精确度提升了11.1%，准确率提升了13%，召回率提升了11.4%，检测速度达到了60.7 fps。所提出的方法在目标检测任务中表现出了较好的性能，有效增强了轨道交通背景下目标检测模型的检测性能。

摘要:遥感卫星数据云检测分割是遥感影像处理中的重要环节，为了解决目前碎云薄云检测精度较低的问题，提出了一种采用基于高阶语义解码和自适应卷积编码的云检测方法。这种方法针对云团和碎云薄云之间的空间分布联系，提出了自适应卷积编码器来提取云团之间的关联信息。然后，使用高阶语义指导模块来解码语义特征，指导高分辨率的云掩码图生成。此外，这种方法还设计了一种动态联合损失函数，该损失函数通过动态计算样本中的漏检误检像素来构建权重，以引导神经网络关注碎云薄云特征，从而提高整体精度。实验结果表明，提出的算法在遥感图像上云分割能力可以达到965%的精确度和881%的交并比，可以很好地检测碎云薄云。

摘要:为解决传统的光纤端面尺寸检测方法中没有八角光纤，测量效率低的问题，采用图像处理对八角光纤尺寸检测进行算法设计，针对3个待测参数即纤芯直径、包层对边距离、包层对角距离，采用高斯滤波对图像进行降噪，提取待测光纤不同区域亚像素轮廓，对包层轮廓采用Ramer算法分割八边形光纤轮廓，提出过分割处理算法对不同长度的多段轮廓边进行处理，得到有效的八段轮廓；采用最小二乘法进行曲线拟合，纤芯轮廓拟合为圆测得其直径，包层轮廓各边拟合为直线测量对边距离；提出基于辅助线的顶点检测算法，进而测量对角距离。实验结果显示，本算法能对八角光纤纤芯直径、四组对边距离、四组对角距离进行精确快速测量，对边，对角距离重复测量精度平均达0.1 μm，达到企业技术指标要求。

摘要:现阶段Transformer模型的应用提升了高光谱图像去噪的性能，但原始Transformer模型对图像空间光谱耦合关联性的利用仍存在不足；对空间特征的处理存在过于平滑，容易丢失小尺度结构的现象；同时在光谱维度上也过于关注全部通道特征，缺乏对不同光谱波段间差异性的利用；为了应对这些问题，本文提出了一种新的稀疏空谱Transformer模型，提升了对空谱耦合关联性的利用。在空间维度，引入局部增强模块增强空间特征细节，应对过平滑问题；同时在光谱维度上提出了Top-k稀疏自注意力机制，自适应选择前K个最相关的光谱通道特征进行特征交互，从而能够有效捕获空谱特征。最终通过稀疏空谱Transformer的层级残差连接实现高光谱图像的去噪。在ICVL数据集上分别对高斯噪声和复杂噪声进行去噪处理，峰值信噪比分别达到40.56 dB和40.19 dB，证明了本文提出的稀疏空谱Transformer模型优越的性能。

摘要:作为OCR的预处理工作，版面分割技术越来越受到学术界和工业界重视。针对版面分割中遇到的检测速度慢、目标区域边界不准确以及细小目标易遗漏等问题，提出了YOLOv7-MSY模型。此模型首先借鉴残差连接思想，提出了Multi-WHFPN网络结构。它采用可训练的权重参数，突出特征融合过程中特征重要性，并添加了小目标检测头，从而提升对小目标的检测性能；其次，引入SimAM注意力机制，可以在不增加额外参数的基础上在3D维度评估特征权重，以增强重要特征，抑制无效特征；最后，使用YEIOU来代替原模型中的定位损失函数，提升了模型的收敛速度与回归精度。在江苏省档案馆提供的数据集上进行实验对比，YOLOv7-MSY对目标区域边界检测更加敏感，对细小目标的检测效果更好。YOLOv7-MSY 的mAP@.5达到了0.871，相较于原YOLOv7模型提高了7.84%。该模型的版面分割的效果优于其他类型的版面分割算法，具有良好的泛化性能，并且版面分割速度处于较高水平。

摘要:针对基于图卷积的骨架行为识别方法在建模关节特征时严重依赖手工设计图形拓扑，缺乏建模全局关节间依赖关系的缺点，设计了一种时空卷积Transformer实现对空间和时间关节特征的建模。空间关节特征建模中，提出一种动态分组解耦Transformer，通过将输入骨架序列在通道维度进行分组并为每个组动态生成不同的注意力矩阵，允许建模关节之间的全局空间依赖关系，无需事先知道人体拓扑结构。时间关节特征建模中，通过多尺度时间卷积实现对不同时间尺度行为特征的提取。最后，提出一种时空-通道联合注意力模块，进一步对所提取到的时空特征进行修正。在NTU-RGB+D和NTU-RGB+D 120数据集的跨主体评估标准上达到了92.5%和89.3%的Top1识别准确率，实验结果表明了所提方法的有效性。

摘要:时空图像测速法以河流表面自然特征为分析对象，检测生成的时空图像中的纹理主方向，根据物象变换关系、拍摄所得视频参数和纹理方向倾角的正切值计算出河流表面的一维时均流速。针对实际应用中生成的时空图像受噪声干扰而导致时空图像纹理倾斜角检测精度出现较大误差的问题，本文提出采用改进的同态滤波器来增强河流表面图像的纹理特征，采用融合了自适应直方图均衡化的频域滤波对时空图像去噪，再利用Radon变换检测纹理角方向。通过模拟纹理图像实验，较高、较低流速条件下实地河道实验验证本文改进方法的有效性，实验结果表明，对于标准的模拟纹理图，Radon变换角度检测结果相对误差小于0.03%，对于干扰较多的复杂的实地河道环境，较低和较高流速条件下，基于Radon变换的时空图像纹理角识别结果与人工手动目测值间的相对误差分别小于1.56%和1.80%。实验表明，Radon变换法可行且较其他纹理角检测算法有更高的精度。

摘要:在跨视角步态识别中，针对衣着遮挡情况下难以提取具有可辨别性和多样性的步态特征，导致识别准确率下降的问题，提出了一种基于多尺度特征融合网络的跨视角步态识别方法。该方法能够有效利用步态特征间的互补性，获得具有可辨别性和多样性的步态特征，从而解决因衣着遮挡造成可辨别性差以及单一性的问题，进而提升跨视角步态识别的准确性。为验证所提方法的有效性，在公共数据集CASIA-B上进行了验证，实验结果表明所提方法在处理具有遮挡条件下的跨视角步态识别问题的识别性能达到了73.4%，同时在正常和背包两种行走条件下的识别性能分别达到了95.5%和88.0%。此外，我们的方法在处理遮挡条件下的识别性能优于同类典型的步态识别方法。