摘要:针对5G移动通信多天线波束成形的应用需求，本文设计并实现了一种多通道软件无线电通信系统，并基于该系统实现了宽带多通道多频点同步校准。为解决多通道同步误差随环境温度等因素漂移的问题，本文创新性地提出来一种基于带外校准信号的实时同步方案。该方案在OFDM通信的冗余带宽内插入校准信号来追踪多通道响应误差随时间漂移，并对带内有效信号进行补偿。在1 GHz频点下，系统通过实时校准方式有效补偿了系统温度变化带来的2.8 ℃相位响应误差漂移和0.2 dB的幅度响应误差漂移。经过初始化校准和实时校准后，在40 ℃~80 ℃的温度区间内相位误差控制在0.4 ℃以内，幅度响应误差控制在0.05 dB以内。该方案不仅能够实现更高的精度，而且对于用户端全透明，无需中断通信作业就可以进行校准，对于5G多通道同步设计具有重要的参考意义。

摘要:随着集成电路产业的快速发展，对集成电路测试要求越来越高，精密测量单元是集成电路直流参数测试的核心单元。本文设计了一种用于集成电路测试的PMU电路，该电路使用现场可编程门阵列控制DAC模块施加电压激励，激励信号经PI调节器和功率放大器后，通过电阻匹配网络施加到被测器件，ADC采集测试响应数据，实现加压测流、加流测压等参数测试功能。所设计的PMU电路具有测试范围宽、测量精度高的优点，施加/测量电压范围-10～+15 V、最大电流±1.838 A。对不同测试模式下的系统性能进行了校准并采用高精度电阻负载进行功能验证，实验结果表明，系统校准后的测试误差优于0.05%，能够满足通用集成电路直流参数测试的要求。

摘要:利用供热系统的准确参数，对监测系统状态、识别异常情况具有指导意义。然而大量终端数据，可能存在失真问题，为此本文提出了一种异常数据检测和清洗方法。采用信号模态分解结合深度学习，构建数据检测与清洗模型。首先对由DeST获取的供热负荷进行CEEMDAN模态分解；其次将产生的本征模函数和剩余量输入CNN-LSTM深度学习预测模型，获取高精度结果；最后基于预测值和待清洗数据的偏差，完成检测和数据清洗,提高末端数据准确性。结果表明：本文的CEEMDAN-CNN-LSTM组合模型，识别异常数据的准确率和F1分数达到：91.36%，86.21%，优于其他3种模型；利用预测值替换异常值，保证数据集的完整准确。

摘要:针对燃料电池空气供给系统动态性能易受负载变化和外界环境因素影响的问题，设计了一种由超螺旋滑模控制与终端滑模控制相结合的串联型控制策略。建立了面向控制的五阶动态模型，提出了在负载变化时供气系统跟踪最佳过氧比、最大净输出功率和阴极压力测量的控制问题；提取最佳期望值并设计控制器，利用Lyapunov方法进行闭环稳定性验证。仿真分析可知，所搭建的观测器扰动估计值与理论实际值误差在0.01%以内，且本文方法与PID控制相比过氧比跟踪最佳期望值响应时间提高了6.9%，最大净功率输出值提高0.2%，阴极压力响应时间相比提高了60%。由结果可得，本文策略在负载变化时可以有效的控制供气系统过氧比跟踪最佳期望值并输出最大净功率，能够准确、迅速的估计阴极压力，能够较好的估计扰动，具有较强的抗干扰能力。

摘要:随着人工智能技术的不断发展，神经网络的数据规模逐渐扩大，神经网络的计算量也迅速攀升。为了减少时空图卷积神经网络的计算量，降低硬件实现的资源消耗，提升人体骨架识别时空图卷积神经网络(ST-GCN)实际应用系统的处理速度，利用现场可编程门阵列(FPGA)，设计开发了一个基于时空图卷积神经网络的骨架识别硬件加速器。通过对原网络模型进行结构优化与数据量化，减少了FPGA实现约75%的计算量；利用邻接矩阵稀疏性的特点，提出了一种稀疏性矩阵乘加运算的优化方法，减少了约60%的乘法器资源消耗。经过对人体骨架识别实验验证，结果表明，在时钟频率100 MHz下，相较于CPU，FPGA加速ST-GCN单元，加速比达到30.53；FPGA加速人体骨架识别，加速比达到6.86。

摘要:针对光电成像系统对焦过程中清晰度评价函数的灵敏度低、局部极值点较多的问题，在对传统清晰度评价函数研究的基础上，提出一种基于区域加权的图像清晰度评价算法。此算法首先在传统Laplacian评价函数基础上引入了阈值，提升算法的抗噪性及清晰度比率，其次利用图像梯度图计算区域清晰度加权因子，优化算法的平缓区波动量。实验结果表明，与大多数传统清晰度评价函数相比，该算法清晰度比率提升约2.7倍，灵敏度提升约1.9倍，平缓区波动量可以减少为传统Laplacian评价函数的1/6，并且在图像内容复杂时的评价性能更加可靠，具有清晰度比率与灵敏度高、局部极值点少的优点。

摘要:非协作通信通用滤波多载波(UFMC)系统子载波所存在的调制识别问题有待解决，对此，提出一种基于特征融合的UFMC系统调制识别算法。首先得到UFMC系统接收端信号，并提取同相正交序列和幅度相位序列作为输入特征；接着构建神经网络模块，构建方法如下：将卷积神经网络与长短时记忆网络串联，并将门控循环单元与上述模块并联；最后，对UFMC系统子载波进行调制识别。实验结果表明，构建的神经网络能够有效识别5种信号(BPSK、4QAM、8QAM、16QAM、64QAM)，并且在信噪比≥6 dB时识别的准确率达到100%。

摘要:针对视觉SLAM在真实环境中易受车辆、行人等运动物体影响而导致位姿估计降低的问题，提出一种结合轻量化YOLOv5s的动态视觉SLAM算法，将改进的轻量级YOLOv5s作为目标检测算法用于判断运动物体；结合提出的动态特征点剔除方法，剔除动态特征点，仅采用静态特征点进行位姿估计和地图跟踪。在TUM数据集进行实验，相较于ORB-SLAM3算法，改进后的算法在高动态序列上的位姿估计精度分别提升了89.29%、65.34%、94.42%，结果表明改进后的算法能够有效剔除动态特征点，提高了视觉SLAM算法在动态环境下的位姿估计精度和定位精度。

摘要:针对行人在室内定位不准确的问题，提出一种改进的行人航迹推算算法。在步数检测阶段，提出一种基于运动分割的三阈值峰值检测法，实现了行人在不同运动状态下步数的精准检测。通过使用改进的Weinberg模型实现步长估算。并提出一种基于主方向假设的航向角修正算法，实现行人的航向角修正。最后综合步数、步长和航向角信息实现室内行人的航迹推算。实验结果表明，改进的行人航迹推算算法在室内有较好的稳定性，在室内的平均定位误差<5%，较传统PDR算法在平均定位误差上降低了9.53%，提高了行人在室内定位的精度。

摘要:永磁同步电机调速系统采用传统比例积分双闭环控制结构存在抗扰性能差与响应速度慢的问题。为此，文中在建立PMSM数学模型和分析传统PI参数设计方法的基础上，提出一种基于改进麻雀搜索算法分数阶比例积分的PMSM调速优化策略，通过在常规SSA中引入佳点集初始化策略和黄金正弦更新策略，解决了SSA易陷入局部最优的问题，提高了收敛速度和精度，以进一步改善PMSM调速系统的响应性能。最后通过MATLAB仿真对比结果可知，所述ISSA-FOPI调速改进策略在4种工况下具有最短的调节时间分别为1.2、0.9、9.9与12.1 ms，和最小的超调量分别为0.16%、0.16%、0.05%与0.6%，这充分体现了所述策略的有效性与优越性。

摘要:针对传统反演滑模位置伺服系统中位置跟踪误差较大，以及采用固定滑模面时系统动态响应速度和抖振抑制之间的矛盾，设计了一种基于扰动观测器和反演时变滑模的复合控制策略。首先在传统指数趋近律中引入状态变量并设计自适应律，提出一种新型趋近律，来提升系统的响应性能。为进一步提升系统在各个阶段的收敛速度，利用预测控制中遍历寻优思想，设计一种在线寻优的时变滑模面，并进行稳定性证明。最后设计非线性负载干扰观测器，对系统进行干扰估计与补偿。实验数据表明，本文所提复合控制策略与传统反演滑模控制相比，其稳态误差仅占传统方法的9/17，动态响应速度提升了30 ms，抗扰性能明显优越。

摘要:为了提高动态称重的测量精度，实现智慧牧场的实时监测和精细化管理，提出利用混沌麻雀搜索算法优化LSTM的神经网络的动态称重算法。通过动态称重台进行数据采集，并使用卡尔曼滤波算法对干扰数据进行处理。利用Tent映射策略和高斯变异后的麻雀搜索算法优化LSTM神经网络各参数，从而建立CSSA-LSTM神经网络模型。结果表明，CSSA-LSTM神经网络的平均绝对百分比误差在1.5%以内，平均绝对误差减少了0.874，均方根误差减少了1.115 3。对比实验证明，该混合算法预测的误差最小，有效提高了动态称重的测量精度。

摘要:为了提高无人机路径规划在复杂环境中的收敛速度和收敛精度，避免陷入局部最优，提出了一种基于改进蜘蛛蜂算法的无人机三维路径规划方法。本文在传统SWO算法中引入自适应t分布扰动变异和Cubic映射策略更新搜索阶段位置，避免局部早熟收敛；然后，引入周期性随机振幅动态调整追逐和逃逸阶段搜索方向，帮助算法跳出局部最优，并结合螺旋更新机制和Levy飞行策略增强算法全局寻优能力，提高算法收敛精度；最后，将ISWO算法在8个测试函数中进行性能验证并实验仿真，结果表明，复杂地形环境中ISWO算法执行时间相比传统SWO算法减少了 26.86%，并且较CPO、COA、GOOSE、PSO、GWO算法执行时间减少了13.80%~28.27%不等。同时，ISWO算法最小适应度值较传统SWO算法减小49.76%，较其他算法至少减小27.73%。由此得出，本文所提改进算法能够在复杂地形环境中快速得到一条更短且更安全的路径。

摘要:为提高锂电池剩余使用寿命（RUL）预测的精度，提出基于混合尺度健康因子的集成模型进行RUL预测。针对电池退化数据噪声大，数据量少和非线性特点捕捉不全的问题，首先提出奇异值分解（SVD）对电容信号处理，通过奇异值的能量分布优化变分模态分解（VMD）的最佳模态数，降噪重构出直接健康因子SR。提出一种幅度、相位双扰动（APP）的数据增强方法，依据SR数据分布变化，生成人工标记数据ESR，此ESR与电容相关系数均高于0.97。将SR、ESR结合GRA算法择取的3个间接健康因子，建立了更全面的混合尺度寿命特征信息；此外，为了避免单一模型预测的局限性，采用LSTM模型改进了Transformer结构中的解码器，引入新兴Optuna框架分析了影响模型预测精度的关键超参数并对它们进行了优化。最后通过NASA数据进行实验，并与RNN、LSTM、Transformer以及现有模型方法进行比较，结果证明RMSE控制在2.39%以内，MAE在1.59%以内，且预测性能受预测起点的影响小，稳定性更高，95%置信区间更窄。

摘要:针对复杂场景下缺陷检测算法占用内存大、计算复杂度高和检测速度难以满足实时需求等问题，本文提出一种基于YOLOv8的轻量级锻件缺陷检测算法。首先，采集重卡转向节生产流水线探伤车间的磁粉检测图像，构建锻件表面裂纹数据集；然后，提出轻量化卷积模块GSConvns，以增强特征交互并降低计算量；同时，引入Shape-IOU损失函数，优化训练效果；最后，利用LAMP剪枝策略去除不重要的权重参数，减少模型体积并提高检测速度。实验结果表明，模型的mAP值为83.8%，参数量和计算量分别减少85.05%和80.25%，检测速度从38.7 FPS提升至65.6 FPS，显著优于其他主流算法，更适用于实时检测。在公开数据集上的测试进一步验证了其泛化能力，与基准算法相比，未剪枝的改进算法mAP值提升了2.0%。综上，本文算法能在不显著降低检测精度的前提下，大幅度提升了检测速度和资源利用效率。

摘要:针对PCB缺陷检测中目标尺寸小、权重文件庞大难以部署的问题，提出一种改进的YOLOv8小目标缺陷检测方法。该方法将SE注意力机制融入C2f中，使网络能够根据通道域的信息给图像不同位置赋予不同的权重，获取更重要的特征信息；在SPPF中引入Basic RFB以增强网络感受野，提升网络的特征提取能力；新增小目标检测尺度，提升模型对微小缺陷的检测能力；舍弃大目标检测尺度，降低计算负荷并缩小权重文件。实验结果表明，在公开的PCB缺陷数据集，改进后的YOLOv8较原算法平均精度提升了2.6%、权重文件缩小了27.3%、FPS达到34.4 ms/帧。

摘要:圆环类零部件，在进行环形光源和条形光源照射方式下的圆环直径尺寸测量时，通常存在零部件倒角特征成像出现宽边缘、受厚度影响导致圆环边界呈现阴影、表面纹理及擦痕影响图像处理效率、相机视野不足无法单次采集大尺寸圆形零部件高分辨率全景图像等问题。本文提出一种基于改进SURF图像拼接的圆形零部件尺寸测量方法，通过光照优化、图像拼接和亚像素边缘检测实现零部件尺寸的高精度测量。首先，分别提出条形光源45°布置、环形光源垂直向下和条形光源45°组合布置的照射方式，用以消除在零部件成像中存在的宽边缘、阴影、纹理及擦痕等对尺寸测量的影响。其次，改进SURF特征匹配法，定位拼接图像重叠区域进行特征点粗匹配。接着，提出RANSAC算法对特征点进行精匹配，改进图像配准法，等尺寸扩充零部件拼接图像，补充缺失背景区域。然后，提出加权平均融合算法对拼接图像进行平滑处理，获取高分辨率零部件全景图像。最后，改进最小二乘法拟合圆方法，以实现图像中边缘圆环的拟合，通过像素尺寸转化获取零部件实际尺寸值。实验结果表明，该方法相比传统视觉测量方法精度更高，与三坐标测量仪测量参考值相对误差在0.044 4%以内。

摘要:路面裂缝作为道路的最普遍病害之一，及时准确地识别和定位裂缝对道路的养护与持续健康运行具有重要意义。然而路面裂缝检测易受路面光照、路面阴影以及路面环境等复杂因素的影响，导致路面裂缝分割精度低并容易出现断裂等问题。为实现路面裂缝图像快速、准确的语义分割，本文提出了基于像素强度顺序变换和UNetFormer的路面裂缝分割模型。首先采用像素强度顺序变换算法对裂缝图片进行预处理，根据各像素与其附近像素之间的强度顺序，将图像沿着对角线4个方向转换为对比度更高的四通道图像，保留裂缝曲线结构固有特征的同时有效增强了裂缝与背景像素对比度；然后基于UNet和Transformer网络的结构特征，通过构建UNetFormer分割模型完成对路面裂缝的高精度分割，其中设计并引用了全局-局部注意力机制以充分捕获路面裂缝特征信息。最后，使用CFD、Crack200和Crack500三个开源数据集进行实例验证，实验结果表明，本文所提的裂缝分割模型F1-score分别达到83.4%、82.6%和81.9%，模型参数仅为UNet网络模型的37.7%，相较于现有的裂缝分割模型具有更高的分割精度以及更强的泛化能力。

摘要:针对工业CT图像中存在着的前景遮挡，背景噪声干扰和对比度低等问题，提出了一种基于改进鲸鱼优化算法的图像增强方法。首先应用混沌映射对鲸鱼优化算法的种群进行初始化，通过让鲸鱼种群分布的更加广泛来提升全局搜索能力。然后使用莱维飞行对鲸鱼个体的位置进行更新，进一步提高算法的局部搜索能力。最后应用改进的鲸鱼优化方法来寻找CLAHE的最佳参数，实现对图像的自适应最优增强。实验结果显示，相比于几种流行的图像增强算法，本文提出的方法能够更好的对工业CT图像进行增强，能够显著提升图像质量，并保留更多的细节信息。

摘要:为了满足远程时间用户对标准时间UTC(NTSC)纳秒级配送的需求，建立了一套标准时间远程复现系统。该系统目前使用的单基准终端服务模式，存在一定的风险，若单个接收机出现故障，会影响得到的本地时间和卫星钟之间偏差（即星站钟差）的准确性。为了解决上述问题，本文提出了一种基于抗差估计的多GNSS共视基准站融合星站钟差的方法。该方法利用中位数绝对值偏差（MAD）对星站钟差数据进行异常值检测，采用IGG Ⅲ等价权函数的抗差估计方法对多站的星站钟差数据进行融合，输出一组稳定的基准站参考值。通过Matlab仿真，对比MAD法和3-Sigma法的异常值检测性能，对于基准站星站钟差数据，MAD法更加适用。同时，将基于抗差估计的融合法与等权融合法进行对比，前者融合数据的标准差比后者下降0.11~6.65 ns，提高了系统的稳定性。

摘要:本研究致力于机载无线柔性分布式测试系统的研制，以解决在飞行试验中测试系统占地空间大、线缆使用量大、走线复杂、测试通道数量多等问题。分布式系统的节点分布在不同的位置，其内部时钟可能因多种因素而出现不同步的情况，从而影响数据采集的精度。通过灵活的时隙资源分配机制实现AUTBUS总线的动态调整，确保系统通信的高效稳定。采用1PPS、TOD及AUTBUS总线对表算法，系统能够有效地实现全网节点设备的时间同步，确保各个节点在相同的时间基准上进行协同操作。测试数据同步采集基于外部触发的模数转换模块，在全网协同事件的时刻实现各节点数据的同步采集。测试结果表明系统的同步数据采集精度最低为822.5 ns，满足飞行试验中机载测试的数据采集需求。

摘要:仪表能准确反映变电站电气设备的运行状态，为了克服人工巡检造成仪表漏读与错读等情况，提出一种基于PATUnet神经网络的仪表示数智能识读算法对泄露电流仪表的示数进行智能识读。首先设计PAT-Unet神经网络对仪表的指针与密集刻度进行分割，网络中在编码层构建特征聚合模块与残差特征分散模块，增强特征的提取能力；设计Transformer特征浓缩模块，进行深层语义信息融合，以增强对细小目标分割精度；引入金字塔切分注意力机制，加强网络编码层与译码层之间的信息交互能力。结合轮廓检测算法与最小外接矩形算法，计算刻度分割结果的关键点，利用透视变换完成倾斜仪表的校正；再使用K-means聚类算法定位泄露电流仪表圆心；最后，根据仪表圆心利用极坐标变换将扇形表盘展开为矩形，通过分别计算零刻度与指针以及最大刻度之间的距离关系得到泄露电流仪表示数。实验证明，所提算法能对倾斜仪表盘进行校正，在保证读数准确度的同时，能对泄露电流仪表示数进行智能识读。