摘要:本研究旨在探讨一种基于时频特征设计的反监听技术，重点研究如何通过动态修改时序和频率增强特定频率范围内的人类语音干扰。本文针对现有的语音干扰技术展开研究，并与标准噪声注入方法进行了比较。研究方法包括理论分析和实验验证，通过对实际原型进行测试和验证，评估了基于时频特征提取的干扰信号在干扰语音识别系统方面的有效性。实验结果显示，当信噪比低于0 dB时，所提出方法的文本识别错误率超过了60％；而当信噪比为0 dB时，本文算法的文本识别错误率平均比当前干扰算法高出20％以上。此外，当干扰系统与录音设备保持相同距离时，本文算法在录音设备上产生的信噪比比当前算法低近2 dB，这说明了所提出算法的高能量利用效率。因此，本研究成果对于提高通信安全和保护隐私具有重要意义，特别是在需要高度保密的通信环境中。

摘要:针对目前市面主流焊接件表面缺陷的模型检测精度不高，模型复杂和不满足实时监测等问题，提出了一种基于YOLOV7-tiny改进得到的焊接件表面缺陷新型检测模型KThin-YOLOV7。首先，设计了基于模拟人类视觉感受野的EMA-BasicRFBC模块，更换YOLOV7-tiny模型的空间特征金字塔SPP模块，从而加强模型特征表达的性能。其次，以SlimNeck设计范式结构为基础设计了ThinNeck结构，并用其更换YOLOV7-tiny的NECK特征融合部分，减少模型的参数量和计算量的同时提高了模型的平均检测精度。最后，引入K-means++算法找出合适的锚框，并用FEIOU损失函数更换原模型的LOSS，进一步帮助模型优化目标框的位置和大小。KThin-YOLOV7相对原始YOLOV7-tiny模型的mAP提升了7.11％，达到87.64％，同时模型的参数量和计算量分别下降了11.14％和15.26％。实验结果表明，KThin-YOLOV7能够高效且准确地定位检测焊接件表面的缺陷。

摘要:汽车网络管理是现代汽车必不可少的基础功能。随着智能网联汽车的兴起，ECU数量的增加使得车载网络系统的需求和复杂性不断提高。为了确保网络管理的安全性和稳定性，需要全面的测试解决方案。本研究在深入理解AUTOSARCAN网络管理规范的基础上，提出一种针对AUTOSAR CAN网络管理的测试方法。首先基于AUTOSAR提供的标准TTCN-3测试脚本搭建测试系统，设计不定长测试报文，实现对CAN网络管理的多场景测试。其次基于巴科斯范式定义一种新的语法格式，对TTCN-3进行时间约束，提高对CAN网络报文的监测准确度。利用此方法，在基于MPC5745B平台的实际测试中，定位到3处异常信息，评估了AUTOSAR CAN网络管理的安全性和稳定性。实验结果表明，该方法能够在节省测试软硬件资源的情况下，全面测试AUTOSAR CAN网络管理的一致性。

摘要:为应对现代通信系统日益复杂的通信环境需求以及充分利用有限的频谱资源，提出了一种采用超表面结构与有源器件PIN二极管和变容二极管结合的设计，以实现双极化功能频率独立可重构的多模式特性。与传统多模式结构不同，该设计利用PIN二极管独立调控双极化波的透射和反射状态，并利用变容二极管实现对双极化波透射窗口的动态调频，可实现9种工作模式的切换。本设计在静态状态下，能够独立调控TE和TM极化波的透射和反射；在切换到动态状态时，除了调控极化波外，还增加了独立调谐TE或TM极化波透射窗口偏移的功能。各个模式之间相互独立，模式兼容性良好。此外，在0°~45°入射角度范围，本设计表现出良好的角度稳定性。通过使用电磁仿真软件CST进行实验验证，证明了本设计的可靠性，显示其在天线罩和信号多频传输方面具有广泛的应用前景。

摘要:随着高分辨率卫星载荷CCD相机的分辨率越来越高，其获取的图像数据量急剧增加，如何将载荷数据高速可靠地传输至后端设备处理是必须解决的问题。本文在高速串行接口芯片TLK2711和同源时钟的基础上进行研究，针对星载TLK2711在高速数传链路中可能出现的传输误码等问题进行分析，提出了一种基于低复杂度CRC算法的高速数传接口设计，分别从硬件和逻辑两个方面进行高速数传的可靠性分析。硬件方面基于同源时钟，在发送端和接收端对FPGA和TLK2711提供参考时钟，逻辑方面通过FB-SC-CRC校验方法，在高速传输时为数据提供数据监测、少错纠正的技术保障，降低了数据传输时的资源消耗。经试验验证，通过使用同源时钟，该数传接口实现了可靠的数据传输，码率可达1 600 Mbit/s，误码率约为0，逻辑资源使用比传统CRC降低了约2/3。

摘要:为满足在狭小腔室中测量液体压强的需求，设计了一种非接触式光学法布里珀罗微腔液压测量系统，其中，光学微腔采用双光子三维打印技术制备，膜结构尺寸仅为350 μm，设计的膜厚分别为4 μm和6 μm。系统主要采用嵌入式设计与衍射光栅光谱模块互联，实时采集光学微腔干涉光谱信号，实现了高精度光谱动态解调。实验结果表明，室温（25 ℃）下，4 μm膜厚的微腔液压灵敏度高达398 pm/kPa，系统分辨率可达35.5 Pa，重复性较好，有望用于生物医学眼压等应用场景。

摘要:为了简化车辆测试人员在车辆测试过程中设备安装流程，提高车辆测试效率，设计了一种可长时间工作的穿戴式车载温振一体测试系统。测试节点设备以STM32单片机为主控，采用磁吸式安装，借助于开发的多功能适配器各测试节点可进行同步设置，实现同一时间基准下工作，并以U盘的形式与上位机连接，方便测试数据读取；多功能适配器还可对各测试模块进行充电、参数设置、数据读取和收纳提高了整套设备的勤务性。通过多项实验室功能测试和实车测试表明，本装置的安装方式方便可靠大大缩短了测试装备布置时间；测试系统振动采集精度相对误差1%以内，温度采集误差±0.1 ℃；多设备采集同步时差在μs级别。能够对车辆的温度和振动数据进行有效采集并存储，满足车辆运行状态参数采集的需要。

摘要:针对光伏发电系统在局部荫蔽下传统最大功率点追踪方法极易陷入局部最优而导致功率震荡范围较大等问题，提出一种基于改进白骨顶鸡算法的光伏MPPT方法。该算法在传统白骨顶鸡算法的基础上，将Logistic-Sine-Cosine混沌映射因子引入种群跟随者的链式移动中，从而使链式移动变为混沌移动，让算法具备跳出局部最优解的能力；对每次寻优结束后的当前最优位置进行柯西变异，对比变异前后择优更新替代，增加算法的全局搜索能力。在四种光照模式下，将ICOOT与另外三种算法的MPPT进行仿真分析。结果显示，所提改进算法的追踪速度为0.14 s，1.13 s，0.13 s，1.07 s，系统稳定率为99.43%，99.34%，98.73%，98.80%。综合来看，ICOOT在用于光伏发电局部隐蔽MPPT时能有效解决传统算法易于陷入局部最大功率点而导致寻优速度慢、功率震荡大的问题。

摘要:针对无人船模型不确定项和外界环境干扰缺乏自适应能力而使无人船乘坐舒适性降低的问题，提出一种基于长短期记忆网络(LSTM)的无人船轨迹跟踪滑模控制算法。LSTM用于补偿无人船模型不确定项和外界环境干扰，从而抑制滑模控制的抖动现象。以一艘游船为基础建立了无人船数学模型，设计滑模轨迹跟踪控制器，同时引入LSTM神经网络对无人船数学模型中的不确定项及外界环境干扰进行控制补偿，并在三种轨迹下进行了MATLAB/Simulink仿真测试。测试结果表明，基于LSTM的滑模控制算法轨迹跟踪精度高于滑模控制算法，轨迹平均绝对误差最高减小62%，LSTM神经网络能显著提高无人船的抗干扰能力。

摘要:针对双臂机器人断路器轴孔零件装配操作任务，研究了一种两阶段轴孔装配轨迹规划策略，为了提高双臂协调装配作业的柔顺性和精确性，提出一种FAIC控制算法，实现精确的力跟踪。首先建立轴和孔接触状态力学模型，开展轴孔装配机理研究，根据双臂末端受力平衡，提出了一种操作空间轴孔装配的双臂运动轨迹规划方法。基于阻抗控制实现柔顺轴孔装配，采用模糊控制器在线辨识阻抗控制最优参数，提高装配操作质量。实验结果表明，在双臂协作轴孔装配策略结合FAIC算法作用下，轴孔间接触力控制在3 N以内，装配效率提高36.5%。综上所述，本文提出的FAIC算法与装配策略在双臂协同断路器装配作业中有效地缩短磁组件的装配时间，提高装配效率与精度。

摘要:滑坡位移预测是防灾减灾的一项重要工作，针对位移分解后趋势项和周期项重构的合理性问题以及周期项位移预测精度不高的问题，提出了一种改进的自适应噪声完备集合经验模态分解（ICEEMDAN）、样本熵（SE）以及蜣螂算法（DBO）优化的长短期记忆网络（LSTM）组合模型进行位移预测。以八字门滑坡为研究对象，利用ICEEMDAN方法将滑坡累计位移进行分解，并用样本熵值表征分解得到的子序列，将其重构为趋势项和周期项位移。之后利用LSTM模型预测趋势项和周期项位移；通过灰色关联度的方法确定周期项位移的影响因素。考虑到LSTM网络中超参数的随机性会影响模型预测精度，引入蜣螂优化算法获取LSTM最优超参数，最终将预测得到的趋势项和周期项位移叠加得到累计位移。本文所提的ICEEMDAN-SE-DBO-LSTM模型预测周期项位移的RMSE、MAE、R2 3项指标分别为1.803 mm、1.584 mm、0.988，相较于DBO-BP，LSTM，GRU和BP模型预测效果更优，证明了模型的有效性。

摘要:针对当前国内子午线轮胎缺陷分割困难、成本昂贵的问题，本文提出了如下解决方案，提出一种基于Swin Transformer和注意力特征金字塔的子午线轮胎缺陷分割算法Swin DAA，其中主要使用Swin Transformer作为主干特征提取网络，经过动态衰减注意力特征金字塔增强语义表达能力，搭建由Python语言编写的软件平台，同时级联X射线载重轮胎检测系统采集图像，并且使用TCP协议与上位机通信、传输图像数据，最终将缺陷分割软件系统与MES工控系统连接，完成无人监守的自动化子午线轮胎缺陷分割。实验对比数据显示，本文中提出的Swin DAA网络的精准度达到了82.87%，召回率达到了85.22%，每秒传输帧数达到了11，所集成的软件能良好的完成子午线轮胎的实际监测要求。

摘要:目前，在运动想象解码领域，研究主要集中在被试依赖和被试独立解码两种方法上。然而，这两种解码方式在脑机接口（BCI）系统的实际使用中存在较大局限性。被试依赖和被试独立解码都依赖于同一中心数据集，当解码模型应用于其他中心的数据集时，性能将显著下降，无法满足BCI系统跨中心使用的需求。为提升运动想象脑电跨数据库解码性能，基于领域泛化的方法框架，提出了一种基于Fisher准则正则化的稀疏选择模型。在最小绝对值收缩和选择算子（LASSO）模型的基础上，引入Fisher准则正则项，以在特征选择过程中显式建模特征的可分性。这有助于提高领域泛化的表示学习能力，从而增强分类模型在不同数据集上的泛化性能。采用两个公开的运动想象脑电数据集，并使用滤波器组共空间模式（FBCSP）和多时频共空间模式（MTFCSP）两种特征提取方法，验证了所提方法的有效性, 进一步使用自采集的数据也证实了该方法在实际应用中同样有效。与现有的方法相比，所提方法取得了最高平均分类准确率，达到67.26%。实验结果表明，所提方法在运动想象跨数据库解码中具有更好的泛化能力、更高的特征可分性、更好的鲁棒性。所提方法有望促进BCI系统跨中心使用，提高通用性。

摘要:针对雨杂波环境下传统目标检测方法虚警和漏警双高的问题，本文主要研究雨杂波频谱的联合分形特征及其在目标检测中的应用，提出了一种基于定向毯子覆盖法的联合分形特征检测方法，首先通过利用毯子覆盖法测量回波距离多普勒域的分形维数和模型拟合误差特征，然后将分形维数和模型拟合误差作为检验统计值，构造基于联合特征的阈值检测方法。通过优化毯子法的计算步骤，减少了对非目标信息的冗余运算，使得方法具有更好的实时性能。通过对雨杂波环境中实测数据的处理结果表明，相比于传统的目标检测算法，该方法在处理雨杂波等非平稳数据时，可以有效降低虚警，同时提升对目标的检测性能。

摘要:针对在单目系统大尺寸测量场景下使用RANSAC算法求解本质矩阵时稳定性和求解精度不高的问题，提出了一种改进RANSAC的本质矩阵求解方法，首先在所有匹配特征点中，通过当前内点求得的本质矩阵对剩余匹配特征点进行重投影误差，并采用相对判别法通过这些误差的值大小来确定当前内点是否为高质量内点，之后在此基础上采用二分法动态调整阈值从若干本质矩阵中寻找最优值。最后，设计了多组视角不同误匹配率下的仿真实验和实际拍摄的实验，实验证明，相较于传统与其他改进的RANSAC算法及LMedS算法，本文改进的算法能够快速确定初始内点并自适应调整阈值，同时求出较好的本质矩阵，满足求解稳定性与精度的要求。

摘要:为解决现有安全帽和反光衣检测模型对小目标和复杂天气中目标检测精度低、环境干扰因素大、难以在性能一般移动设备部署等问题，设计实现一种改进YOLOv8安全装备检测模型YOLOv8-DSI。首先，设计基于残差思想和并行空洞卷积的DR-SPPF模块，进一步扩大感受野且不损失图像分辨率，显著提升复杂天气检测精度；其次，在特征融合阶段设计结构轻量特征金字塔网络ST-BiFPN，进一步减小模型参数量，实现高效多尺度特征融合；最后，引入Inner-ShapeIoU损失函数，使得边界框回归更加准确，增强检测效果。在自建数据集上，相较于基线模型mAP50和mAP50:95分别提升了2.1%和4.7%，而模型参数量仅为2.4 M，计算量仅为7.3 G，分别降低了10.9%和20.0%。最终将改进模型部署到Jetson Orin Nano边缘设备，通过在开发板实际运行证明，改进后模型在复杂场景下有效性和可应用性。

摘要:针对在头部姿态估计推理过程中由于上下采样操作而导致的姿态特征损失问题，提出了一种高分辨率特征保持的头部姿态软阶段回归算法。该算法首先利用编码器HR-Net对原始人脸图像进行高分辨率特征保持的多尺度特征编码，并在其卷积块中加入TA维度交互模块以捕获更多空间与通道之间的交互信息；然后使用解码器SSR-Net算法对HR-Net输出的不同尺度特征图进行关键参数解码和头部姿态软阶段回归，并引入了高效通道注意力ECA以加强特征通道间的信息交互，减少冗余特征。实验结果表明，所提算法在公开数据集AFLW2000和BIWI上均有优秀表现，其MAE分别降低至4.19和3.00。

摘要:架空输电线路上的鸟巢侵占会对铁塔上的电力设备造成安全隐患，间接可能影响整个电力系统的稳定运行。针对目前架空输电线路鸟巢检测模型在复杂场景以及小目标场景下检测精度不高，检测效率低，模型复杂等问题。本研究提出一种基于YOLOv5s框架的轻量化架空输电线路鸟巢检测网络。首先在主干部分采用Fasternet重构YOLOv5s特征提取网络，降低模型复杂度，提高运行速度；然后在特征融合网络部分嵌入ConvMixer层，ConvMixer层的结构设计有助于在特征信息中更好的捕捉空间和通道的关系，提升模型对于小目标的检测能力；最后在特征融合网络部分引入ODConv模块，令送入检测头的特征图包含更多有效特征，提高模型对复杂场景和小目标的检测性能。实验结果表明，本文与基线模型YOLOv5s相比，计算量和模型体积分别减少了86%和72%，平均精度均值达到96.4%，检测速度达到104.2帧/s，验证了本文改进模型的有效性和可行性。

摘要:为解决自然环境下茶叶嫩芽检测场景复杂，模型参数量大无法在嵌入式设备部署等问题，提出一种基于改进YOLOv8n的轻量化茶叶嫩芽检测方法。构建一种MFBNet轻量化骨干网络，引入MBConv模块后大大减少了模型计算量。同时在骨干网中加入CBAM注意力模块，抑制无效信息，提高了模型检测精度；其次引入AKConv模块对VoVGSCSPC结构进行改进，提出全新的AVCStem模块，并将其替换颈部网络的C2f模块，进一步减少模型参数，提升嵌入式设备部署效率；最后采用GSConv模块替换颈部网络结构中的全部Conv模块，帮助模型进行快速计算，提高茶叶嫩芽的检测速率。结果表明，本文提出的模型比YOLOv8n原模型的mAP50和FPS分别提升了3.5%、55.6%，参数量减少了14.3%，且模型鲁棒性强，满足复杂场景下茶叶嫩芽的轻量化快速检测。

摘要:无人机航拍图像存在小目标分布密集且目标尺度变化大等检测难点，本文提出一种面向无人机航拍图像小目标的跨尺度目标检测模型—CS-YOLOv5s。首先，在YOLOv5s基础上，引入小目标检测器，提高模型对小目标的捕捉能力；进一步，将最大池化分支嵌入上下文增强模块，提取并增强骨干网络尾部的深层特征，再注入PANet，实现深浅层特征有效融合和模型跨尺度检测能力的提升；同时采用SPDConv模块替换下采样卷积模块，实现无人机航拍图像中密集目标高效检测。实验表明，CS-YOLOv5s在数据集VisDrone2019达到42.0% mAP0.5，较基准模型提升9.8%，有效增强网络模型对无人机航拍图像小目标的识别能力，为无人机目标智能识别提供支撑。

摘要:为了克服霍尔传感器的局限，利用低分辨率的信号实现更精确的位置检测，提出一种基于改进最小二乘法和积分型滑模观测器的混合控制策略。首先，利用改进型最小二乘法完成可靠起动与低转速下平稳运行；其次是到达指定切换速度，系统切换运行状态，通过改进最小二乘法对积分型滑模观测器进行不断校正，在减小系统的滞后与累积误差的同时，使输出的位置信号尽可能连续。最后通过改进型位置检测策略与传统一阶加速度位置检测策略进行对照试验，结果表明，所提出的改进型位置检测策略，在电机起动时的位置检测精度提高了30%以上，在电机中高速稳态时转速误差降低至05%以内，位置检测误差降低至1%以内，具有较高的位置检测精度。

摘要:由于风力发电机组的非平稳运行条件和周围恶劣的工作环境，风机轴承故障振动脉冲特征易被随机噪声干扰所淹没，这给准确检测滚动轴承故障造成了挑战。为了降低随机干扰对后续特征提取的影响和算法复杂度，提出了一种改进多头自注意力机制（IMHSA）-多尺度卷积网络（MSCNN）-双向长短期记忆网络（BiLSTM）的风机轴承故障诊断方法。首先，由周期空洞自注意力和局部自注意力组成的IMHSA对特征进行增强，以减少随机干扰影响及特征增强过程中的时间消耗；然后，利用MSCNN-BiLSTM网络提取故障信号中的空间特征与长期依赖特征；最后，经全连接层和Softmax层输出风机轴承故障诊断结果，并采用实验台滚动轴承实际运行数据进行算例分析，通过与领域内其他同类方法的对比，验证了所提方法的有效性和优越性。

摘要:为获得完整且高分辨率的风机叶片裂纹图像，利用图像拼接技术将多张高分辨率图像拼接成一副完整的图像。针对风机叶片裂纹图像特征检测困难、匹配率低和拼接质量差的问题，提出一种基于AKAZE算法和PROSAC算法的图像拼接方法。首先，该方法利用AKAZE算法检测图像特征点，并生成二进制的特征点描述符；然后，将汉明距离作为相似度测量对特征点进行暴力匹配，在此基础上采用PROSAC算法优化特征匹配结果，并计算图像变换矩阵；最后，使用渐入渐出融合算法消除拼接痕迹，获得完整的叶片裂纹图像。试验结果表明，本文方法能够检测出数量丰富的特征点，匹配正确率在95%以上，拼接精度约为0.7个像素，并且拼接速度较SIFT方法提升了17%。AKAZE+PROSAC方法可以更好地满足高分辨率风机叶片裂纹图像拼接的需求。

摘要:航天器电源系统是航天器关键子系统之一，其运行状态直接影响整个航天器系统的寿命和性能，因此采用先进的技术对电源系统进行故障诊断，以此提高航天器在轨可靠性和安全性成为目前故障诊断领域的研究重点。基于深度学习的方法具有拟合能力强、特征提取丰富等优势，成为故障诊断领域的主流方法。然而，在航天器电源系统故障诊断领域，主流的故障诊断方法无法捕获序列的长期依赖关系且局限于时间维度建模，严重影响故障诊断方法的性能。因此，本文提出一种基于时空自注意力机制的方法，对航天器电源系统进行高效准确的故障诊断。方法采用基于Transformer的编码器结构提取空间航天器遥测数据中的高维特征，并对其中的自注意力机制进行优化，采用时间卷积提取处理时序特征信息，并采用时间、空间双向自注意力机制提取数据中的时空特征，然后对模型提取的特征进行映射得到空间航天器故障诊断结果。最后在航空电源系统数据集上开展相关实验。实验结果表明与目前故障诊断领域常用的方法进行相比，所提方法具有更强的故障表征提取能力，可有效提高航天器电源系统故障诊断能力。

摘要:针对改进反向传播神经网络在航空装备故障诊断中存在的缺陷和不足，将自适应遗传算法与改进反向传播算法相结合构成混合算法用以训练人工神经网络。以改进反向传播神经网络的初始权值空间为切入点，利用改进遗传操作对其开展多点自适应遗传优化，然后运用改进反向传播算法开展局部精确搜索，最终实现全局最优。以某型飞机电气控制盒和某型飞机自动驾驶仪飞行控制盒的故障诊断为例对所提算法进行仿真研究，结果表明自适应遗传算法与改进反向传播算法相结合的方法收敛速度快、诊断精度高，对于具有复杂输入输出关系的工程样本具有较好的诊断结果。