摘要:在某些危险环境下需要拖车实施救援时，救援人员难以靠近，救援人员可以通过遥控操作拖车杠来完成拖车钩的挂装。针对被救援车辆拖车钩的检测与定位问题，提出了一种拖车钩检测与定位方法ECSAYOLOv5，首先改进YOLOv5算法，设计了高效注意力模块ECSA，将其替换掉空间金字塔池化模块上一层的模块，并增加一个大小为160×160的小目标检测层，能够更准确的获得拖车钩在图像中的像素坐标；通过在SGBM立体匹配算法预处理阶段加入引导滤波、后处理阶段引入加权最小二乘法WLS滤波与异常值处理，从而获得更优化的视差图，得到更为准确的目标深度信息，提高拖车钩位置信息计算的精确度。基于Jetson Agx Xavier开发板进行了实验验证，实验结果表明，ECSA-YOLOv5模型较YOLOv5s模型AP值提升了5.8%，达到了99.0%，平均实时检测帧率为14 fps，定位测距在3 m内时，误差在3.5%以下，能够满足拖车钩的检测与定位的准确性和实时性的要求。

摘要:实现更加准确的情绪识别是当前面临的一项富含挑战性且十分有意义的任务。由于情绪的复杂多样性，单一模态的脑电信号难以对情绪进行全面客观的度量。因此本文提出一种多模态轻量化混合模型PCA-MWReliefF-GAPSO-SVM，该混合模型由PCA-MWReliefF特征通道选择器和GAPSO-SVM分类器构成。选用脑电信号(EEG)、肌电信号(EMG)、体温信号(TEM)三模态信号进行情绪识别。在DEAP公共数据集上进行多次实验验证，在效价维度、唤醒维度和四分类中分别取得了97.500 0%、95.833 3%、95.833 3%的分类准确率。实验结果表明，提出的混合模型有助于提高情绪识别准确率且明显优于单模态情绪识别。与近期的类似工作相比，本文提出的混合模型具有较高准确率、计算量小且通道数少的优点，更易于实际应用。

摘要:轨道角动量涡旋波束各个模态之间相互正交，可以很好地解决频谱资源紧张的问题。针对目前轨道角动量天线普遍存在带宽较窄的问题，设计了一种太赫兹频段的超宽带轨道角动量四臂螺旋天线。研究了馈电端口之间连续相位差与生成模态之间的关系，使用了一种石墨烯双环结构并通过调整优化天线的的结构尺寸来提高天线的性能。实验结果表明，通过简单调整馈电相位差，就能够产生模态数为0、1、2和3的涡旋波，并且不同模态下天线的增益均在7.5 dBi以上。同时所设计的天线绝对带宽达到了8.85 THz，在中心频率6 THz处其相对带宽可以达到147%，S11为-50 dB，与传统天线相比改善较大，为太赫兹频段的模态复用提供了一定的现实意义。

摘要:针对传统带有电荷泵、以 NMOS作为功率管的LDO驱动能力低下和输出纹波偏高的问题，基于Huahong 0.35 μm BCD工艺，设计了一种隔离交直流环路的大电流LDO。该LDO通过将直流环路和交流环路进行隔离，降低了对电荷泵驱动能力的需求，从而保证NMOS功率管栅极驱动电压的较低纹波并实现大电流输出。通过加入纹波电流吸收电路，增强了LDO的PSRR。结果表明，在3.41~5.5 V的输入电压范围内，LDO的输出电压为3.3 V，输出电流最高达到3 A，压差为110 mV。LDO 在轻负载下的PSRR为：111.261 dB@DC，86.900 5 dB@1 kHz，78.947 2 dB@1 MHz；重负载下的PSRR为：111.280 dB@DC，84.123 1 dB@1 kHz，39.263 8 dB@1 MHz。

摘要:固态断路器需多IGBT串联切断短路故障电流，针对多IGBT存在电压分配不均、局部电压过高、损耗大等问题，提出一种混合式均压控制电路拓扑结构。分析固态断路器多IGBT均压影响因素，研究均压拓扑性能。优化缓冲电路结构，改进充放电型缓冲电路，减小损耗；引入双阈值钳位控制电路，改善IGBT过电压；提出被动均压与辅助反馈主动均压结合的混合均压控制策略，加快响应速度，实现均压动态自适应调节。制作样机，进行固态断路器设计拓扑和控制的仿真及实验验证，结果表明：混合式均压控制电路可减小IGBT电路超调量，具备更强的抑制过电压能力，提升响应速度。

摘要:针对地下浅层震动能量场重建过程中高精度、各向异性的需求，提出一种基于衰减层析的地下浅层震动能量场重建方法。首先，根据速度场模型通过射线追踪计算出地下震动波的传播路径；其次，使用对数谱比法对地下介质的品质因子进行反演；然后，求出震动波在不同传播距离情况下的吸收衰减系数；最后，对震动波进行吸收衰减及几何扩散衰减得到地下浅层震动能量场。仿真结果表明，重建的震动能量场与正演结果的均方根误差为7.653，单个网格的重建能量值与正演结果的最大相对误差为15.3%，平均相对误差3.4%，提出的方法相较于传统方法能够提升地下浅层震动能量场重建精度，对地下浅层震动能量场重建具有一定的应用参考价值。

摘要:为实现单结构谐振器对金属裂纹参数的无损检测，设计了一款同时检测裂纹宽度及方向的无芯片射频识别(CRFID)金属裂纹传感器。将圆形、切角矩形谐振器一体化设计，利用 HFSS有限元分析软件对传感器进行结构优化与性能仿真。深层次探究了不同裂纹缺陷下传感器雷达散射截面(RCS)的响应特征。结果表明金属结构的裂纹方向和裂纹宽度可以通过传感器谐振频率的变化进行识别。双极化下RCS幅频特性的频偏方向对应裂纹的方向，而频偏量与裂纹宽度成正比。设计的CRFID传感器能够检测0°水平方向、90°竖直方向、45°或135°斜向等三类方向下的亚毫米宽度裂纹，其中裂纹宽度检测灵敏度最高可达43.5 MHz/0.1 mm。

摘要:针对传统人工势场法在防疫机器人路径规划过程中容易陷入局部极小值和目标不可达的问题，提出一种基于人工磁场的路径规划算法。首先，对障碍物周围建立人工磁场，引入洛伦兹力，洛伦兹力与引力保持垂直，避免机器人陷入局部极小值点；其次，在洛伦兹力函数中引入机器人与目标点的距离影响因子，解决目标不可达问题；再次，通过建立目标点与障碍物之间的虚拟直线优化洛伦兹力的方向，避免迂回路径，减少路径规划的步数。最后，在MATLAB环境下对传统人工势场法和人工磁场法进行了仿真实验，实验结果表明，人工磁场法可以克服局部极小值和目标不可达问题，规划的路径对障碍物进行了避障，避免了徘徊振荡的情况出现，提高了路径规划的质量。

摘要:对于局部遮阴下的光伏阵列，传统的最大功率点跟踪算法收敛速度慢、精度差、功率波动大且容易陷入局部最优。为此，提出一种基于新型自适应布谷鸟算法与粒子群算法相结合的复合算法。该方法在布谷鸟算法中引入自适应发现概率和自适应莱维飞行步长控制因子，同时加入对立种群策略，以提高算法收敛速度和全局寻优能力。在算法前期，用粒子群算法全局搜索快速找到全局最大功率点附近，后期用新型自适应布谷鸟算法在局部范围内精准寻优，以快速、准确和稳定地跟踪到全局最大功率点。仿真结果表明，本文提出的算法在四种光照模式下的收敛时间和跟踪误差分别为0.106 s和0.012%、0.108 s和0.034%、0.110 s和0.059%、0.106 s和0.031%，均优于其他算法，验证了本文算法在六种对比算法中，收敛速度最快、跟踪精度最高、功率波动最小、陷入局部最优的可能性最小。

摘要:针对S变换高斯窗函数形式固定不变的问题，引入高斯窗调节因子改进S变换，提出一种基于广义S变换的光伏电站谐波和间谐波分析方法。首先通过MATLAB/Simulink搭建光伏电站的仿真模型，在自然采样双极性SPWM调制方式下采集逆变器的三相输出电压；然后以A相电压为例，采用广义S变换对电压信号处理得到一个模时频矩阵；最后对该矩阵分析实现光伏电站谐波和间谐波参数的准确计算。仿真结果表明，本文方法的幅值计算误差最大仅为3.30×10-4%，频率的平均计算误差为0%，远小于S变换幅值误差35.19%和频率误差2.39%；能满足光伏电站谐波和间谐波检测精度的需要。

摘要:同步器齿毂是汽车变速器装置的重要零件，其加工质量对变速器的性能、可靠性有直接影响。针对人工经验判断齿毂误差源范围效率较低的问题，本文提出一种基于蝙蝠算法优化BP神经网络的误差溯源方法，分析齿毂加工过程中的误差来源，利用蝙蝠算法对权值和阈值进行优化，获取最优值后构造BABP误差溯源模型，并采集数据样本对模型进行验证并与未优化之前的BP神经网络的误差溯源方法进行对比。与未优化之前BP神经网络溯源模型准确率83.56%相比，优化后的准确率为96.34%，该方法使溯源准确率明显提高，支持生产人员对后续的超差工件进行误差原因追溯，对生产过程中存在的问题直接进行处理排除，提高生产效率。

摘要:标准粒子滤波器的重采样会造成粒子贫化，影响跟踪系统的精度。为克服这一缺陷，提出了一种改进布谷鸟搜索算法优化粒子滤波的多目标跟踪方法。将粒子作为布谷鸟宿主鸟巢，模拟布谷鸟寻找宿主鸟巢位置的行为，通过全局搜索和局部搜索两个阶段使粒子向高似然区域移动。同时，改进布谷鸟搜索算法的寻优机制，提出动态搜索步长和强化局部搜索的方法，加强了算法的全局搜索的收敛速度。此外，改进算法结合了联合概率数据关联，用于解决多机动目标跟踪问题。本文设置了一维环境和二维环境两组实验，对比优化后的粒子滤波算法与标准粒子滤波算法的目标跟踪性能。实验结果表明，本文提出的算法不仅全局收敛速度更快，而且提高了多机动目标跟踪的精度；与标准布谷鸟搜索优化粒子滤波算法相比，全局收敛迭代速度提高了28.5%；与粒子滤波联合概率数据关联和粒子群优化粒子滤波联合概率数据关联算法相比，估计精度分别提高了24.7%和11.81%。

摘要:由于传统的ORB特征点提取匹配方法在图像纹理信息不丰富或者光照变化剧烈时极易产生特征点丢失、分布不均等问题，不利于SLAM系统的定位与建图。为此本文提出了一套较为鲁棒、精度较高的提取匹配算法。首先基于ORB特征点对其提取算法进行改进，计算自适应阈值并基于网格模型提取特征点，可提高特征点提取的鲁棒性并使其分布均匀。此外还提出了G-R图像匹配算法，基于网格特征计算邻域支持估计量来区分正误匹配点，再结合引入评价函数的RANSAC算法进一步剔除误匹配点，相比ORB-SLAM2原始匹配算法提高匹配精度9.36%，并减少时间消耗约13.6%。最后将本文提出的特征点提取匹配算法加入到ORB-SLAM2算法框架，经数据集与实际场景验证本文方法能有效提高ORB-SLAM2系统定位精度36.6%以上，使系统更具鲁棒性。

摘要:动脉血压（ABP）波形包含丰富的心血管信息，有助于心血管疾病的预防和诊断。目前大部分基于光电容积脉搏波描记法（PPG）的血压预测方法仅预测收缩压（SBP）和舒张压（DBP），本文提出了一种由PPG信号预测ABP波形的血压测量方法。首先使用PPG信号作为输入，通过线性映射到高维空间，然后利用Transformer编码器结构进行特征提取，最后由线性层输出预测的ABP波形，由预测的ABP波形可计算出SBP和DBP等血压参数。实验结果显示，Transformer网络在MIMIC数据集中预测的ABP波形与实际波形的拟合效果良好，计算得到的SBP和DBP预测误差分别为(3.76±5.66) mmHg、(2.20±3.77) mmHg，且该方法符合美国医疗仪器促进协会（AAMI）的标准，同时在英国高血压协会（BHS）标准中达到 A 级。

摘要:使用基于电磁超声技术的智能缺陷检测算法可以实现对重要零件质量状态的监测，保证设备安全可靠运行。在实际检测过程中，一方面采集的信号往往会被噪声污染进而对检测结果造成干扰，另一方面重要零件缺陷信号往往数据量较少不能满足神经网络训练的需求。因此本文提出了一种基于变分模态分解的降噪算法对检测信号进行降噪预处理以提升信号质量，提出了一种改进型的虚拟样本生成技术用来扩充样本集，并使用迁移学习技术减少神经网络训练的参数量以解决样本数量不足的问题。在铝板表面缺陷的深度检测样例中该方法达到了97.2%的平均预测准确率，因此该方法对非铁磁性材料表面缺陷检测有一定的借鉴意义。

摘要:针对目前无人机电力杆塔巡检过程中航拍图像背景复杂、杆塔组件尺寸差异大、缺陷种类多导致的巡检效率低和缺陷漏检率高等问题，本文提出一种动态位置查询引导的多尺度实例分割方法和基于图特征记忆的缺陷检测方法。所提实例分割方法通过提取多尺度航拍图像特征，选择特征中具有最高关注度分数的低分辨率像素，将其映射到高分辨率特征的相应位置，并添加边界框检测器以提高电力杆塔的分割精度。在缺陷检测算法中提出可学习的图特征描述符，构建了一个记忆库来提取关键元素，以获得更准确的样本特征，提高缺陷检测效率。本文方法在自建的两个缺陷检测数据集上与其他先进算法进行对比，实例分割box_AP和mask_AP相较于Mask2Former分别提升了7.6%和0.5%，缺陷检测算法AUROC分别比次优算法提高7.3%和1.6%，F1.Score分别比次优算法提高6.7%和6.9%，充分表明了本文算法出色的电力杆塔缺陷检测性能。

摘要:精准的糖尿病视网膜病变的分割是实现视网膜病变自动诊断的前提条件和关键步骤，然而现有大部分的分割模型存在着参数量大、模型训练效果不理想、甚至是无法正常处理数据集等局限性。为此，在原U-Net网络中加入改进的Ghost卷积模块与多尺度特征融合模块，提出一种改进U-Net眼底病变分割图像的算法。该模型能以少量的参数量、较低的计算复杂度获得良好的分割结果。利用Ghost Model替换原始卷积，设计出Ghost卷积与Ghost下采样卷积模块，在保证准确度的同时降低参数量；设计出一种轻量级的Half-UNet多尺度特征融合模块来获取多尺度信息，针对不同尺度病变目标，引入CBAM注意力机制以改善其适应性，从而更好的提取细小的病变信息。改进后的模型在e_optha与IDRiD两个公开数据集上的mIoU分别为61.42%、61.84%，F1-Score分别为70.59%、69.41%。模型参数量、FLOPs分别仅为5.48 M、35.46 GMac，较U-Net、Att-UNet等模型更加精简，分割精度更高。

摘要:针对连铸车间中，扇形段连铸辊尺寸人工测量效率低下的问题，提出了一种基于双目视觉系统的连铸辊尺寸测量方法。首先，对双目相机采集的图像进行预处理并采用Otsu法分割工件前后背景；接着，针对边缘检测精度不高的问题，将传统Canny边缘检测算法的梯度模板增加到8个以提取工件轮廓，结合多项式插值公式提取亚像素级别特征点；然后，在SAD与Census变换融合的立体匹配基础上引入RANSAC算法来消除错误匹配；最后，采用三角测量原理计算出零件的尺寸。实验结果表明，系统测量的平均相对误差为0.14%，测量方法具有较高的精度，其稳定性与精确性满足连铸辊的尺寸自动检测任务。

摘要:为解决钢丝帘布表面缺陷检测准确率低且泛化能力不强的问题，提出了一种基于DCGAN和改进YOLOv5s的缺陷检测方法。首先，通过调整DCGAN网络参数并优化超参数，使生成器能够生成具有丰富特征和清晰纹理的钢丝帘布缺陷图像，从而扩充数据集；其次，采用K-means++算法对钢丝帘布缺陷数据重新聚类锚框，以获得更优的锚框参数，实现锚框与实际缺陷的精确匹配；然后，在YOLOv5s主干网络中的C3模块添加坐标注意力机制，以增强模型的特征提取能力和精确定位能力；最后，引入MPDIoU损失函数替换YOLOv5s原损失函数，进一步提高检测精度。实验结果表明，在实测钢丝帘布缺陷数据集上，采用DCGAN数据增强和改进后的YOLOv5s检测模型，缺陷检测平均精度提高了6.6%，达到了89.4%，并且检测准确率和召回率也有所提高。与其他主流检测模型相比，该模型不仅在检测速度上提高了约30%，还保持较高的检测精度。在公开的NEU-DET数据集上，该模型的mAP值达到了82.6%，较原始YOLOv5s模型提高了3.8%。

摘要:现有移动通信系统出现业务量迅猛增长现象，为缓解增长的基站负荷带来的基站功耗，移动通信系统中为基站配备了可再生能源产能设备。如何实现通信系统信息流与能量流匹配，完成通信业务与基站可再生能源储备的精确配对，更加充分的利用通信系统内可再生能源，是下一步优化通信系统网络性能并降低系统运行成本的关键。为此，本文构建了一个多维效用函数，该函数联合考虑了用户的接受信干噪比、可再生能源利用与基站负载3种因素。通过将求解多基站系统运行成本最小化问题转化为多维效用函数效用值最大化问题，对多基站系统进行优化，并实现系统运行成本最小化。问题转化后为一个混合整数非线性优化的非凸问题。为求解该问题本文提出了多维效用函数迭代优化算法，将该问题拆分为用户调度、功率分配与基站负载均衡3个子问题，通过采用交替优化和连续凸近似技术对问题进行迭代求解。仿真结果表明，相比于最大SINR关联优化算法与“最大SINR+可再生能源利用”优化算法，本文算法在可再生能源利用率方面分别提升了58.68%和29.74%，且系统总费用一直维持在较低水平，具备显著优势。

摘要:针对当前网络流量瞬时涌现导致网络安全事故骤增、网络管理负担加重等问题，基于深度学习技术提出了ResNet和一维Vision Transformer并行的网络结构对网络流量进行识别并分类。其中ResNet可以提取到流量数据在空间上深层次的特征，能够保证流量识别的准确率；一维Vision Transformer可以提取到更具代表性的时序特征。利用注意力机制将两种特征进行自适应融合得到更全面的特征表示，以提高网络识别流量的能力。在ISCX VPN-nonVPN数据集上进行实验表明：所提方法在流量的应用程序分类实验中的准确率达到了99.5%，相较于单独的ResNet和一维Vision Transformer以及经典的一维CNN和CNN+长短时记忆网络分别提高了0.9%、3.6%、6.6%和3.3%。在USTC-TFC 2016 数据集上，所提方法在能够轻松识别流量是否为恶意流量的基础上，实现了对13种应用程序的分类，且平均分类准确率达到了98.92%，证明了其具有识别恶意流量并完成细粒度分类任务的能力。

摘要:为了准确描述输电环境中巡检无人机与地面基站之间无线信道，采用随机几何建模法，提出一种基于随机几何的三维信道模型。在该模型中考虑输电线路环境中塔杆，输电线的影响，采用水平圆柱体描述输电设备和周围环境的散射体分布情况，为了防止输电线路产生的电磁场影响无人机巡检作业安全，在模型中设置安全飞行区域，保证巡检安全。针对提出的信道模型，推导并分析了了空时相关函数，多普勒功率谱密度，电平交叉率和平均衰落时间等信道统计特性。研究了散射体分布情况，无人机运动状态对信道统计特性的影响。仿真结果表明，无人机运动速度大小、飞行方向，散射体分布情况对信道影响显著。理论结果和仿真结果吻合良好，验证了所提模型的正确性和有效性，可以为输电线路场景下巡检无人机与地面基站之间的无线通信系统设计提供理论参考。

摘要:无人机飞行数据是反映其自身飞行安全的重要状态参数，通过对飞行数据进行异常检测，是提高无人机整体飞行安全性的关键举措。尽管基于数据驱动方法不需专家先验知识和精确的物理模型，但缺乏参数选择且检测网络结构模型单一，使得检测模型由于参数过多导致过拟合以及无法有效捕捉数据异常模式的问题。文中结合变分自编码器和长短期记忆网络的优势，提出了一种基于VAE-LSTM的无人机飞行数据异常检测模型方法。首先，引入肯德尔相关性分析方法用于选择相关依赖的飞行数据参数集；其次，将具有相关性的参数集对所设计的VAE-LSTM深度混合模型进行训练，学习不同数据特征之间的关系映射；最后，以无监督异常检测方式在真实多维无人机飞行数据进行验证。实验结果表明，VAE-LSTM的精密度、检测率、准确率、F1分数及误检率的各项平均性能指标分别达到95.24%、98.71%、98.8%、 96.82%、 1.31%，相比于KNN、OC-SVM、VAE、LSTM模型，整体上展现出较好异常检测性能。