摘要:城市交叉路口是交通事故多发路段，对于智能网联汽车来说，在行驶过程中进行风险检测与碰撞预警，从而保障驾驶的安全性至关重要。本文针对有信号灯的城市交叉路口提出一种考虑信号灯约束的行车风险场模型，并基于此模型设计三级碰撞预警方法。首先针对城市交叉路口的潜在冲突风险点构建功能场景，并将信号灯的约束作用考虑进行车风险场模型。为了解决碰撞预警问题，提出以TTC为指标划分三级冲突区域，通过计算主车行驶过程中周围对应的场强值，并根据干扰车在主车周围势能场的位置来衡量主车所受碰撞风险。实验结果表明，所设计的模型能够准确对进入主车势能场范围的干扰车进行预警，预警成功率可达100%，误报率仅为3.4%，证明所提方法的可靠性和有效性。

摘要:为了解决现有单天线超高频RFID技术在室内静态目标定位中精度不高的问题，本文提出了一种基于天线视轴信号传播模型的RFID定位新方法。该方法首先通过天线纵向扫描确定目标的高度位置；其次，调整天线高度与目标高度一致，然后步进旋转扫描以识别目标的方向角；进一步的，利用麻雀搜索算法优化的反向传播神经网络建立路径损耗模型并用于测距；最后，综合高度、方向角和距离数据完成目标的定位。实验结果表明，在室内环境测试中，所提出的方法平均定位误差为7.2 cm，能够满足一般室内场景下物品的定位需求。

摘要:为解决高海拔地区气压降低导致急救呼吸机潮气量控制精度下降的问题，提出了双环PID潮气量控制系统。该系统采用气压补偿型PID控制器调整风机转速，并辅以积分分离式PID控制器，以实现对气流速度的精确控制。在实际海拔4 370 m、大气压59 kPa的环境中，系统性能测试表明，相较于单环PID控制，双环控制系统在高海拔条件下表现出快速响应和无超调的卓越性能。平均气流速度输出误差为3.19%，最大误差为4.1%，优于现有临床设备的准确性。这一技术突破不仅提供了高海拔急救呼吸机潮气量控制的有效解决方案，也为特殊环境下的通气控制技术发展贡献了重要参考。

摘要:井下振动信号的高频测量信息能记录有关钻具动态响应的更具体细节，有益于分析诊断井下的异常振动，但是高频测量会产生大量的测量数据，导致井下振动测量设备的数据存储压力非常大。本文提出了一种基于压缩感知技术的井下振动信号的高频测量方法。通过选择性稀疏采集和存储井下振动数据，并利用信号重构算法，恢复高频测量结果。在该方法实现的过程中，提出一种分层抗频谱泄露的傅里叶字典构建和改进的分层追踪OMP信号重构算法，显著降低了信号重构时间。仿真和实验测试结果表明：该方法对振动信号的压缩感知采集效果较好，系统压缩比为18.9，重构分贝误差为52.1 dB。该方法有效减轻了井下振动测量设备的数据存储压力，为获取井下振动的高频测量数据提供了一种新途径。

摘要:随着卫星网络、车联网络、工业网络等业务仿真模拟需求的日益增长，针对传统专用信道损伤仪存在的模拟链路数量少、灵活性低、资源占用高等问题，本文提出一种基于时延量程策略的多会话时延损伤模拟方法，构建灵活的软件网络损伤模拟。该方法通过识别检测独立控制各会话流的时延损伤，并采用基于时延程策略的多队列合并架构以降低资源占用。实验结果表明，相较于传统专用设备与模拟软件NetEm，该方法支持百万级链路的独立时延配置，会话流数从十数条增加到百万条，且在各带宽下降低至少85%的内存占用，满足大规模和精度的同时极大的降低系统成本。

摘要:星载扩频应答机的数据比特与扩频码是异步的，由于传输系统噪声及多普勒频移的影响，会引起接收扩频码与发送扩频码相关峰值的衰减，导致捕获性能下降。传统的捕获技术通常存在算法复杂度高，捕获速度慢，难以适应上百千赫兹大频偏的要求等问题。本文提出了一种将扩频序列截成两段分别作相关运算的扩频序列搜索法，并结合信号平方和FFT环进行大频偏锁频的捕获方案，有效抑制了相关峰的衰减，提高了伪码捕获性能。MATLAB仿真及FPGA板级测试表明，本文所提出的扩频信号捕获方案能够对抗高达±300 kHz的多普勒频移，平均捕获时间约为95 ms。另外，该算法的FPGA实现与传统结构相比节省了约47%的LUT、43%的Register以及一半以上的DSP和BRAM资源，在资源受限的实时通信系统中具有很大的应用价值。

摘要:液压支架立柱压力预测是回采工艺决策的重要依据，也是确保围岩稳定的基础信息之一。然而，液压支架立柱压力虽然具有一定的规律性，却无法用简单的数学模型进行预测；且在回采过程中，支架不接顶、顶板破碎、传感器检测误差等带来大量的随机噪声，使得压力数据劣化为非平稳时间序列，给压力的预测带来的很大的困难。本文在Transformer基础上，提出一种差分非平稳Transformer模型，在Transformer的编码器和解码器中分别引入差分归一化和反归一化操作，以提升序列的平稳性。同时，在Transformer中采用去平稳注意力机制，计算序列元素之间的关联关系，以增强模型的预测能力。在真实的煤矿支架立柱数据集上的对比实验表明，本文提出的差分非平稳Transformer的预测效果达到0.674，表现明显优于LSTM、Transformer和非平稳Transformer模型。

摘要:在面向一些大型商超、医院、教学楼等大规模室内多层结构定位中，针对多层WSN结构的非测距定位问题，提出一种基于改进天鹰的三维室内多层结构定位算法IAODVHOP算法。首先，为节点划分3类通信半径以细化跳数，同时利用最小均方差和权重因子修正节点的平均跳距。其次，用IAO算法对未知节点坐标进行寻优，通过佳点集策略对种群初始化，解决天鹰算法因初始种群随机分布而导致的种群的质量和多样性难以保证的问题，并且在局部搜索中加入黄金正弦的搜索策略完善种群的位置更新方式，增强了算法的局部搜索能力。通过仿真实验，本文所提算法IAODVHOP相较于传统3DDVHop、PSO3DDVHop、N33DDVHop以及N3ACO3DDVHop算法，归一化平均定位误差分别下降7033%、6267%、64%、5367%，表现出更优的性能，具有更好的稳定性和更高的定位精度。

摘要:针对高速列车自动驾驶系统，采用基于天牛须粒子群（BAS-PSO）优化自抗扰控制（ADRC）的算法，设计速度跟踪控制器。基于列车动力学模型设计自抗扰控制器，并以ITAE作为目标函数，利用BASPSO实现参数整定。选用CRH380A型动车组参数，通过MATLAB进行仿真验证，对比BAS-PSO、PSO以及改进鲨鱼优化ADRC算法对列车目标速度曲线的追踪效果，其中基于BAS-PSO优化ADRC算法的列车目标速度曲线跟踪误差保持在±0.4 km/h的范围内，相比另外两种算法更加紧密地贴近目标速度曲线。结果表明，基于BAS-PSO优化ADRC具有跟踪误差小、抗干扰能力强的优点。

摘要:为满足复杂车辆任务在时延、能耗和计算性能方面的要求，同时减少网络资源的竞争和消耗，设计了一种基于车载边缘计算(VEC)的任务卸载策略，以最小化任务处理延迟和能源消耗之间平衡的长期成本为目标，将车联网中的任务卸载问题建模为马尔可夫决策过程(MDP)，提出了在传统双延时深度确定性策略梯度(TD3)的基础上，利用长短期记忆网络(LSTM)来逼近策略函数和价值函数，将系统状态进行归一化处理以加速网络收敛并增强训练稳定性的改进算法(LN-TD3)。仿真结果表明，LN-TD3性能与全部本地计算和全部卸载计算相比提高了两倍以上；收敛速度上与深度确定性策略梯度DDPG、TD3相比提高了约20%。

摘要:视觉测量中经常需要用到特征匹配来计算位姿信息，但尚无针对红外主动目标设计特征匹配可用的算法，为实现对不同分布红外主动目标的匹配，本文提出了一种通用的两阶段特征点匹配方法。第一阶段为粗配准，首先检测图像特征点集的凸包，获取最外围点；通过构建三角形特征集，并使用马氏距离进行相似三角形计算搜索实现快速粗配准。第二阶段为精匹配，首先通过粗匹配特征计算欧拉角避免匹配结果的180°旋转对称；针对粗配准后的可能存在的特征点缺失问题，采用极线约束精匹配策略，充分利用已匹配特征点的几何信息，有效实现对剩余点的精确匹配。理论分析与实验表明，在13个红外发光点组成的旋转对称点集及非旋转对称点集下，该方法在绝对大小0°~40°的旋转范围内能高效匹配，实验测试极限性能能够达到50°，并对实际场景下特征点的遮挡等情况具有较好的鲁棒性，实验结果验证其适应性与稳定性，具有较高的实用价值。

摘要:针对标准蜜獾算法(HBA)易陷入局部最优、搜索精度低、收敛速度较慢等问题，提出基于精英差分变异的蜜獾算法(EDVHBA)。将标准HBA中的两种寻优策略所搜寻到的精英解，进行组合差分变异以产生新的精英解，利用3个精英解协同指导种群下一轮迭代，可以增加算法解的多样性，防止算法陷入过早收敛；同时改进非线性密度因子和引入新的位置更新策略，提升算法的收敛速度和寻优精度。为验证算法的改进效果和性能，对8个经典测试函数进行仿真实验，实验结果表明：与其他群智能算法和改进的HBA相比，EDVHBA在单峰函数中都能搜寻到最优值0，在多峰函数中迭代50次左右就可以收敛到理想最优值，验证了EDVHBA具有更好的寻优性能。

摘要:针对大场景SAR图像近岸场景舰船目标检测中遇到的陆地目标虚警和岸边目标漏检等问题，基于YOLOX设计了一种轻量化的改进模型CAMYOLOX。首先，在骨干部分嵌入CAM，增强舰船特征提取以保持较高的检测性能；其次，在特征金字塔网络结构中增加一个浅层分支，以增强对小目标特征的提取能力；最后，在特征融合网络中用Shuffle unit替换CSPLayer中的CBS和堆叠的Bottleneck结构，实现了模型压缩。在LS-SSDD-v1.0遥感数据集上进行实验，实验结果表明，本文改进算法相较于原始算法在近岸场景舰船检测的精确率P提高了5.51%，召回率R提高了3.68%，模型参数量减小了16.33%。本文算法能在不增加模型参数量的情况下，有效抑制近岸场景中陆地上的虚警和减少岸边舰船漏检率。

摘要:本文针对ORB-SLAM2算法在黑暗环境或纹理较少的环境下提取特征点少，从而导致SLAM系统定位精度不高、匹配对数较少，进而导致系统崩溃的问题，提出了一种基于自适应阈值的特征点提取算法与改进的四叉树均匀化策略。首先基于图像的亮度进行基于自适应阈值的FAST特征点提取，之后通过改进的四叉树均匀化策略对图像的特征点进行剔除与补偿，完成特征点选取。实验结果表明，与原算法相比，改进后的特征点提取算法在黑暗环境与纹理较少的环境下，匹配对的数量提升了17.6%，SLAM轨迹精度提升了49.8%，有效的提升了SLAM系统的鲁棒性和精度。

摘要:在基于机器视觉的锯链缺陷实时检测过程中，油污、粉尘等因素影响图像亮度和质量，导致目标检测网络的特征提取能力下降。为保证复杂环境下锯链缺陷检测的准确率，本文设计了一种结合弱光增强和YOLOv3算法的锯链自动化缺陷检测方法。首先使用RRDNet网络自适应增强锯链图像亮度，恢复图像暗区的细节特征；然后采用改进YOLOv3算法对锯链零件进行缺陷检测，增加FPN结构特征输出图层，利用Kmeans聚类算法对先验框参数重新聚类，并引入GIoU损失函数来提高小目标的缺陷检测精度。最后搭建一套锯链缺陷在线检测系统，对所提方法进行验证。实验结果表明，该方法能够显著提高弱光环境下的锯链图像照度、恢复图像细节，改进YOLOv3算法的mAP值为92.88%，相比原始YOLOv3提高14%，最终系统整体的漏检率降低到3.2%，过检率也降低到9.1%。所提出的方法可实现弱光场景下锯链缺陷的在线检测，并且对多种缺陷有着较高的检测精度。

摘要:为了解决传统SPD寿命告警的表征方式与SPD真正的寿命状态不能明确的一一对应，以及单一劣化相关参数表征的剩余寿命模型预测性差等问题，设计了一款基于STM32多参数SPD剩余寿命远程监测系统。以STM32为主控，实时采集SPD的浪涌电流、泄漏电流、表面温度以及脱扣状态等重要参数，通过BC20无线通讯模块将状态信息上传到One NET云平台。One NET云平台实时显示和存储SPD的多参数数据，并提供数据管理和分析，采用SVM分类模型判断SPD是否损坏和BO-LSTM预测模型预测SPD剩余寿命。基于BC20的定位功能，在上位机查看SPD的实时地理位置。结果表明:BO-LSTM剩余寿命预测模型的均方根误差为0.001 3，平均绝对误差为0.001 8，该系统可以实时监测SPD状态，能够有效预测SPD剩余寿命值，并且及时预警。

摘要:滚动轴承在旋转机械中发挥着重要作用，若出现故障，轻则引起设备停机，重则危及现场人员生命安全，因此有必要对其进行故障诊断。针对滚动轴承故障特征难以提取，传统分类方法正确率不高的问题，本文提出一种基于集合经验模态分解（EEMD）能量熵和金豺优化算法（GJO）优化核极限学习机（KELM）的故障诊断方法，实现了提取滚动轴承故障特征并正确分类的目标。通过实验数据进行验证，该方法能够提取到滚动轴承原始信号中隐含的故障信息特征，其诊断正确率高达98.47%。

摘要:针对低速增压风洞测力试验，分析气动特性曲线的原始数据源，以天平信号、流场状态和模型姿态为主要对象，结合试验控制流程，从单点数据向量、单车次数据矩阵和同期多车次数据集等维度，研究试验数据的异常检测方法策略，并以此为核心知识库，完成异常数据检测专家系统设计开发。试验过程中系统推理机自动在线执行，经过数据识别、规则推理、逻辑推理和知识迭代，实现原始数据的预检测和预诊断。试验应用结果表明，专家系统对天平桥压异常、线性段跳点和零点检测等异常类型检测敏感度高，为异常数据分析指引方向，提升问题数据排查效率。

摘要:为了实现大行程精密光学调焦组件的高精度实时检测，研究基于轴向电涡流效应的高精度长位移传感器。建立了长位移电涡流探头仿真模型进行线性度测试，搭建电涡流传感器测试系统进行精度实验，并将长位移电涡流传感器接入精密光学调焦组件。实验结果表明：在可测量位移达到24 mm的同时，线性度优于1%，分辨率优于0.5 μm，精度优于1 μm，高精度长位移电涡流传感器符合精密光学调焦组件的需求。

摘要:针对烟草行业，目前尚未存在检测加热卷烟烟具加热温度及温度均匀性的检测装置和方法，为了解决在狭隘空间内对微型棒状加热片的测温需求，本文研制了一种卷烟加热棒测温仪，并设计了一种适用于卷烟加热棒测温的新型结构。为了验证卷烟加热棒测温仪测量结果的准确性与可靠性，对测温仪进行不确定度分析。分析结果依据《GB/T 13283-2008工业过程测量和控制用检测仪表和显示仪表精确度等级》标准，在量程为100 ℃~400 ℃，满足0.1级要求。最后实验验证可以有效测量不同烟支的加热温度场情况。

摘要:为提高声波法直埋热水供热管网泄漏应用的定位精度，在分析各种小波法阈值函数适用性的基础上，提出了改进阈值函数降噪方法，该方法理论上能够克服软阈值函数的恒定偏差和硬阈值函数信号振荡的缺点，设置调节参数，提升降噪能力，保留小于阈值点区域信号，避免有效信号丢失。在大型直埋热水循环管网中进行泄漏测试实验，研究表明采用本方法进行声波法直埋供热管道泄漏检测，可实现泄漏定位误差在±1 m内，定位精度可达0.11%~3.49%，最后选择北京市供热系统中实际工程案例，采用本方法进行声波法泄漏检测，泄漏定位误差为0.37%~0.66%，定位精度提升。

摘要:针对厚壁管道内部缺陷识别困难、可视化差等问题，提出基于超声相控阵理论和全聚焦算法对厚壁管道内部缺陷进行图像重构。并针对全聚焦成像效率低的缺点，采用有限元法对外径为550 mm，壁厚为65 mm的厚壁管道超声相控阵全聚焦成像进行仿真，模拟缺陷检测过程和成像结果，并使用稀疏矩阵对算法进行优化。结果表明：在基本满足成像质量要求的情况下，采用激发中心频率为5 MHz，阵元宽度为 0.5 mm，阵元间距为1 mm，阵元数量为32时，稀疏激发矩阵比全矩阵全聚焦成像效率提高了74.81%，有效提高了成像速度，满足全聚焦快速成像的需求。

摘要:为了解决语音通信系统中音频信号处理的数据量大，杂散信号多，以及调频接收机在接收到的音频信号忽大忽小的问题，提出了一种轻量化音频信号处理算法，并基于此算法在现场可编程门阵列(FPGA)平台上实现了音频信号的接收与自动增益控制。该算法结合数字下变频技术、多级抽取滤波技术及自动增益控制技术(AGC)，应用于音频信号处理系统中，将从上级天线接收的射频模拟信号通过模数转换以及数字下变频转换为基带音频信号，经四级抽取滤波将基带信号中的杂散信号滤除，降低了系统的复杂性和功耗，同时AGC对基带音频信号进行控制调整，输出较为稳定的音频信号。经过实验证明:该算法能够有效地将信息速率从102.4 MHz降至32 kHz、减少计算负担、提高信号质量、降低了FPGA的资源利用率；并且实现音频信号的自动增益控制调整，其调整时间仅为12.8 μs，满足接收机的功率稳定时间。

摘要:在信号生成算法中，需要大量标记信号样本用于网络训练，但通常携带电文信息标记的信号难以批量获取。针对此问题本文提出一种基于循环生成对抗网络和迁移学习的方法，实现了无需大量信号及对应电文作为标记的增强罗兰信号生成，并使用迁移学习在少量实测信号情况下快速生成。循环生成对抗网络的结构包括两个生成器和两个判别器，利用无需一一对应的增强罗兰信号和电文数据集，使生成器学习到两个数据集之间的相互转换关系，实现输入电文数据可以生成与之相对应的增强罗兰信号，并且针对增强罗兰信号的特性，使用一维卷积、残差网络、自注意力机制对网络模型进行改进。实验证实，生成信号与实测数据的均方误差为0.015 3，平均皮尔逊相关系数为0.984 3，且所含电文信息准确率为99.02%。本文在PSK、ASK、FSK数据集上验证了算法，实验结果表明生成的信号满足预期，为未知参数的信号调制和解调提供一种新的思路。

摘要:为提升字体生成的图像质量，减少字体设计的人工成本，提出基于多层次通道注意力网络的少样本字体生成的方法。首先，该方法通过风格感知注意力模块获取重要的局部特征；然后设计了一个多层次的注意力机制，较浅的层只能观察图像的局部特征，而较深的层可以观察到图像的全部特征，通过聚合不同层次的局部特征来构建新的风格特征。最后，使用了内容损失函数、风格损失函数和L1损失函数优化模型的参数，稳定网络的训练，使生成图像在内容和风格上与目标字体保持一致。实验结果表明，该方法在未知样式的字体和未知内容的字体具有很强的泛化性。相比于其他方法，所提出的方法表现出更好的实验结果，能保持内容结构的完整和字形风格的准确性。

摘要:针对无人机领域中的监管问题，基于YOLOv5-Lite的改进模型，提出了一种随着训练过程为模型动态地分配损失权重的指数移动样本加权函数。通过模型运算，控制二自由度云台对无人机实时跟踪，且视频采集、模型计算和二轴云台控制均在树莓派4B本地进行。优化过的模型在保持原模型参数量的同时，在mAP@.5:.95指标中达到了70.2%，相较于原模型提高了1.5%。在树莓派上的实时推理平均速度为2.1 FPS，处理效率更高。树莓派在模型推理的同时，通过I2C协议控制舵机平台对无人机目标进行追踪，保持对无人机的实时动态监测，提高了系统的可靠性，具有更好的实用价值。

摘要:基于表面肌电信号和模式识别的手势识别方法在康复手领域中具有广阔的应用前景。提出一种基于表面肌电信号的手部姿势识别方法，以预测手部的52种动作。为解决表面肌电信号易受干扰的问题，提高对表面肌电信号的分类效果，提出了TiCNNDRSN网络，主要作用是在拥有噪声的情况下能够更好的识别率，减少滤除噪声的时间。TiCNN网络使用卷积核Dropout和极小批量训练，为卷积神经网络引入训练干扰并且增加了模型的泛化性；DRSN网络可以有效的剔除sEMG信号中的冗余信号，减少信号噪声干扰。TiCNNDRSN网络在不需要任何降噪预处理的前提下，取得了很高的抗噪与自适应性能。本模型在Ninapro数据库上的识别率达到97.43%±0.8%。