摘要:针对仿生假肢动作识别问题,提出基于时频广义 S 变换和 VL-MOBP 神经网络的下肢动作识别方法。 首先用时频广义 S 变换对年龄在 20~ 40 岁,身高在 170~ 185 cm,体重在 50~ 75 kg 的 22 名男性测试者下肢 4 种表面肌电信号和膝盖弯曲度信号 进行多分辨率分析,得到在时间和频率分辨率较好情况下信号时频累计特性曲线,然后提取时频累计特性曲线幅值的均值和标 准差作为特征向量,用 VL-MOBP 神经网络对人体下肢的行走、站立及静坐 3 种动作进行识别。 实验结果表明,提出的下肢动作 识别方法能够取得很好的识别效果,平均识别准确度达 96. 67%,高出小波变换约 56%,高出短时傅里叶变换约 36%,验证了该 方法在动作识别中的有效性。

摘要:现有的信道模型验证方法大多只能验证衰落模型的一阶统计特性,即信号包络的幅值特性和相位特性。 由于衰落信道 模型的复杂性和多样性,已有的一阶统计特性验证方法不能对信道模型进行精确分类,提出一种瑞利衰落模型的综合验证方法。 首先通过一阶统计特性验证是否服从瑞利分布,然后由多普勒功率谱分布验证属于何种瑞利衰落模型,提取衰落信道复序列的多 普勒功率谱密度函数,计算与理论多普勒功率谱密度的对数均方能量误差(LMSEE),利用 LMSEE 判定多普勒功率谱分布类型,从 而完成对给定衰落信道模型的验证。 进行了大量仿真实验和实物验证,将输入信号通过各衰落信道模型后得到输出信号,分析输 出信号的统计分布,验证对常见瑞利衰落模型的识别性能,实验结果显示识别正确率超过 98%,表明了方法的有效性。

摘要:由于传统的降噪处理方法很难干净地去除高强度聚焦超声(HIFU)信号中的噪声,提出利用压缩感知(CS)对 HIFU 回 波信号进行降噪。 在观测矩阵的设计中将传统的高斯随机观测矩阵改进为稀疏循环结构化矩阵,减少了构造观测矩阵和重构 信号的时间。 仿真实验表明,与带通滤波器、小波降噪方法和经验模态分解(EMD)降噪方法相比,该方法得到的信号的重构信 噪比(RSNR)更高,重构均方差(RMSE)和最大误差(ME)更小。 用不同方法对不同温度下获得的 HIFU 回波信号进行去噪并提 取二次谐波激发效率,发现采用该方法得到的二次谐波激发效率曲线方差和波动更小,验证了该降噪方法在实测信号中的优 越性。

摘要:Bayes Bootstrap 法在小样本预测领域应用成熟广泛,但由于其随机产生的自助样本中存在不利于预测精度的野值点造 成预测偏差较大,针对此不足,提出 Bayes Bootstrap & k-means 方法。 在拥有小样本失效数据情况下,首先采用 Bayes Bootstrap 法产生自助样本对原有寿命数据进行容量扩充,再采用 k-means 方法对其进行数据聚类分析,尽可能去除野值点,筛选出更加 符合预测规律的数据点。 最后以多芯片组件互连结构双应力加速寿命进行预测为例计算验证了该方法相比仅采用 Bayes Bootstrap 法,预测精度提高了约 81. 44%,有一定的工程意义。

摘要:针对居民日用电负荷的聚类分析和预测问题提出了一种基于居民用电负荷模式精细分类的预测框架。 为了提高用于 聚类分析的特征质量,首先基于贝叶斯信息准则(BIC)实现特征筛选。 然后,采用基于加权皮尔逊距离的密度峰值法实现居民 用电负荷曲线形态的准确识别。 接下来,通过融合激活函数的方法对长短期记忆(LSTM)预测网络进行改进。 最后,利用改进 后的 LSTM 网络对精细分类的居民用电负荷模式进行预测。 实验结果表明,根据所提出的方法得到的预测误差指标为平均绝 对百分误差(MAPE),MAPE= 6. 6792%,提高了负荷预测质量,在居民用电负荷预测中具有较好的效果。

摘要:光电容积脉搏波(PPG)信号采集系统极易受到伪差干扰,为了提升 PPG 信号的高信噪比,提高生理参数计算准确度, 提出了特征 K 值自适应递归滤波估计的 PPG 信号伪差校正算法。 将采集的 PPG 信号去除环境干扰和工频干扰之后,计算未 受伪差干扰的信号主波峰峰值和重搏波峰值,从而得到每一个信号周期的特征 K 值。 采用自适应递归滤波算法对被干扰信号 的 K 值进行估计,利用估计得到的结果作为被干扰信号 K 值的真值。 最后,根据估计的 K 值,用高斯函数法合成新的不受干扰 的信号,替代原信号中被伪差干扰的部分。 采用自行研制的系统进行数据采集,证明了算法的有效性和可靠性;通过血氧饱和 度实验,证明了算法在可穿戴系统中的实用性。

摘要:针对北斗卫星导航系统中双差观测序列的周跳问题,提出了一种小波变换组合滑动窗口的双线性插值法。 该方法利用 小波变换对载波相位双差检测序列进行尺度分解,提取高频系数,得到周跳处高频系数的奇异值,再利用滑动窗口双线性插值 法对奇异值进行替换,通过系数重构,能够较好地修复周跳。 实验利用该方法同时修复第 1、2 层高频系数和只修复第 1 层高频 系数进行修复结果对比,结果表明同时修复第 1、2 层高频系数次数更少,修复效率更高。

摘要:通信硬件、信号和图像处理上需要进行大量数学运算,坐标旋转数字计算机(CORDIC)算法可以在硬件上快速计算三 角、双曲线、自然对数和平方根函数,IEEE 754 标准是目前最常用的浮点数标准,所以提出了一种处理浮点运算的协处理器。 高基数自适应性 CORDIC(HCORDIC)算法具有收敛速度快的优点,通过设计用于该算法的浮点乘法器和浮点加法器,进而设计 出计算多种三角函数和超越函数的浮点运算协处理器架构。 该架构可以实现更快的收敛,同时减少了输出延时并具有低误差 精度。 设计已在现场可编程逻辑门阵列(FPGA)上实现,结果表明,相比于 Xilinx CORDIC IP 和其他 CORDIC 架构,在输出延 迟、最大工作频率、关键路径和计算精度等方面有更好的表现,该设计可以应用于多种计算场景,具有较强的工程价值。

摘要:在车联网中,任务卸载可以有效地解决车辆的存储资源和计算资源不足的问题,单个的 MEC(mobile edge computing)服 务器通常无法满足车辆密集区域的任务卸载需求。 针对上述不足,设计了一种多 MEC 服务器的联合卸载方案( joint offloading method based on task urgency, JOMTU)。 车辆递交任务卸载请求给本地 MEC 服务器时,后者在负载严重的情况下,会根据任务 的紧急性和服务器负载情况等因素,将任务发送给附近 MEC 服务器处理以满足任务的截止日期要求。 仿真实验结果表明,与 传统的方案相比,所提出的方案将系统的整体任务失败率降低 17%,并且优化了整个网络的服务器负载情况、增加了网络的可 靠性。

摘要:在电感耦合等离子体原子发射光谱法(ICP-AES)测量系统中,光谱的叠加现象会导致大部分谱线受到不同程度的重叠 干扰,引起后续的定量分析误差。 根据光谱叠加产生机理,重点阐述谱线重叠干扰校正思路,建立干扰校正评价函数;基于有限 差分法计算重叠谱线的近似二阶导数,根据其极小值分布确定重叠谱线中子峰谱线特征波长的最小取值区间,并以此作为差分 进化算法的初始条件之一,然后利用差分进化算法求解评价函数的最优解,作为重叠谱线的最佳特征向量,进而解析出重叠谱 线中的干扰谱线和目标谱线。 通过构造的模拟重叠谱线数据,研究差分进化算法的种群数量和进化代数对算法性能的影响,并 通过实测重叠谱线数据验证了提出的谱线重叠干扰校正方法在工程领域中应用的可行性。 实验结果表明,差分进化算法能够 较为准确地计算出评价函数的最佳特征向量,并解析出重叠谱线中的目标谱线和干扰谱线,从而实现谱线重叠干扰校正,为待 测溶液中元素含量的定量分析奠定了基础。

摘要:针对无线传感器网络在恶劣海洋环境下存在的严重丢包问题,设计并实现了一种低复杂度的基于里德-所罗门(RS)码 的丢包恢复方法。 具体而言,发送节点对信息数据包进行分析,进一步利用 RS 码编码生成并插入少量的冗余数据包,可以保 证数据包的顺序发送,同时利用较少的资源编码生成了冗余校验数据包。 接收节点基于接收的信息数据包与校验数据包,通过 RS 码对丢失的数据包进行纠删恢复。 在陆地和海洋两种复杂信道中测试提出的方法,以丢包率(packet loss rate, PLR)作为 RS 码丢包恢复方法性能的度量指标。 测试结果表明,采用低复杂度的 RS 码丢包恢复方法能降低信道衰落影响的丢包率,保证了 数据在严重丢包情况下的完整性,提高系统的可靠性。

摘要:基于 WLAN(wireless local area network)的定位在智能家居、室内导航、个性化服务等应用中扮演着重要的角色。 研究了 基于序列到序列 seq2seq 模型的室内 WLAN 定位方法。 该方法基于在自然语言处理中广泛应用的 seq2seq 神经网络模型,通过 样本数据学习信号指纹空间中的时间序列和坐标空间中的时间序列的关系。 经过滤波等预处理后,再进行样本增强,并设计合 理的输入输出及代价函数,本方法能够实现更高精度定位。 实测的数据表明,提出的方法相比于其他几种基于神经网络的定位 方法,度量学习 RFSM 方法、去噪自编码器 DAE 方法、f-RNN 方法,平均定位精度分别提高了 23%、11%和 20%。

摘要:夜间图像去雾技术是图像处理和计算机视觉领域的研究热点,对航空航天、自动驾驶、交通监控等领域具有十分重要的 意义。 综合了近年来夜间图像去雾技术的国内外研究工作,分别从基于物理模型的传统方法和基于深度学习的方法两方面对 近年来提出的典型方法进行归纳和总结,详细阐述了现有方法的优势和不足,并对一些典型的夜间去雾方法分别从主观评价和 客观评价两方面进行了比较和分析。 最后,展望了夜间图像去雾技术的未来研究方向,并给出了一些建议

摘要:针对神经网络的识别一直停留在静态模式识别上的不足,釆用一种近年来发展较快的动态模式识别技术—隐马尔科夫 模型分析齿轮箱振动信号。 首先提取齿轮箱振动信号在时域、频域和时频域的统计特征,组成 34 维全特征矢量,训练了一组全 特征-隐马尔科夫模型库;再通过主分量分析技术对全特征矢量进行降维处理,取其吸收信息量 98%以上的前 7 个主分量组成 主分量特征矢量,训练了另外一组主分量-隐马尔科夫模型库。 分别用两组独立的模型库进行齿轮箱故障识别。 结果表明,全 特征-隐马尔科夫模型库对齿轮正常、齿轮断齿的识别准确率为 97. 9%,对齿轮点蚀的识别准确率为 100%,程序运行耗时 22. 328 s,主分量-隐马尔科夫模型库对齿轮点蚀的和齿轮断齿识别准确率均达到 100%,程序运行耗时 4. 879 s。 振动信号特征 的降维处理没有降低故障的识别率,反而提升了故障识别准确率,同时大大提升了程序运行速度,这对机械系统故障诊断具有 重要意义。

摘要:航天电子装置内部结构复杂,多余物检测信号传播过程中存在许多未知因素的影响,导致数据受到严重干扰。 针对多 余物信号传输途中抗干扰性不强,易于干扰信号混叠无法准确识别等问题,采用基于多传感器数据融合的航天电子装置多余物 检测方式。 使用多传感器对同一信号进行脉冲提取,通过脉冲进行相关性处理后确定相关函数的权值,得到的支持度矩阵及权 值矩阵,然后将数据融合后的脉冲组结果输出。 实验结果表明,采用多传感器数据融合方法能有效抑制信号干扰,显著提高了 多余物检测精度。

摘要:为了提取鲁棒性强的人脸纹理特征并提高区域特征决策融合的性能,提出一种基于邻近平滑二值模式( neighbor smooth binary pattern, NSBP)特征描述子和加权证据融合(weighted evidence fusion, WEF)的表情识别新方法。 首先,提出了一种 NSBP 描述子,通过判定水平、垂直及对角线方向上的“中心”像素点灰度值是否在各梯度方向上两邻域的灰度值范围内来对图像进 行编码;然后基于提取的眉毛、眼睛和嘴巴区域的 NSBP 纹理特征来构造证据的初始基本概率分配(basic probability assignment, BPA);最后针对登普斯特-谢弗(Dempster-Shafer, D-S)证据理论在证据之间存在冲突时进行融合的不足,提出一种加权证据修 正的合成方法,以完成 3 个区域证据的决策融合。 实验结果表明,该方法在 CK(Cohn-Kanade)数据库上的平均表情识别率和识 别时间分别为 95. 25%、765 ms,与其他相关方法的比较也验证了其有效性。

摘要:大量电动汽车进行无序充电将给电网的安全运行带来“峰上加峰”的运行风险,作为一种移动的储能设备,大量电动汽 车的无序放电也会对电网的稳定性造成重要影响,因此对电动汽车的充放电行为进行有序引导十分必要。 首先,分析了某小区 电动汽车无序充放电的负荷情况,并以峰谷分时电价为引导,研究不同响应度的下的日负荷情况;在此基础上综合考虑用户侧 和电网侧利益,以电动汽车用户成本最低和小区日负荷峰谷差率最小为优化目标,选择峰谷分时区间为优化变量,构建电动汽 车最优充放电模型,分别采用基于 Pareto 最优的多目标遗传算法 NSGA-Ⅱ和基于 Pareto 最优的粒子群算法求解,得到最优充放 电时段,并对二者的优化结果进行比较。 最后利用蒙特卡洛算法对算例进行仿真和分析验证,结果表明,利用所提出的有序充 放电优化算法,用户可通过放电补偿充电费用,且 NSGA-Ⅱ算法更优。

摘要:针对自然场景下由 LED 灯组合形成的数字具有易受光照、背景和成像扭曲等因素影响识别困难的特点,提出了一种 LED-LeNet 卷积网络识别算法。 对自采集 LED 灯类字体数据集按数字进行分类,将图像 ROI 操作、分辨率调整至 32×32 和数据 增强等预处理后,在 LeNe-5 网络架构上通过卷积核重构、使用 Swish 激活函并数引入 Dropout 正则化等方法改进网络。 采用自 然场景下采集的交通信号灯倒计时数字图像数据库 TST 对算法进行了验证,算法识别正确率可达 99. 52%,识别速度为 1 ms。 实验结果表明在调整网络结构与卷积核参数并通过改变训练策略后算法识别 LED 灯类字体具有明显优势。

摘要:虚拟听觉技术用于再现与真实声像一样的听觉效果,甚至可以优化听觉体验。 它涉及心理声学、信号测量、计算仿真等 方面,在虚拟现实、通信导航、助听设备和心理康复等领域具有重要应用,受到了科研工作者的广泛重视。 该技术的一个重要应 用是虚拟听觉空间的构建,其基础是个性化头相关传递函数的获取。 近些年,出现了大量获取个性化头相关传递函数的方法。 为便于各个方法的总结和分析,将这些方法分成声学测量、数值计算、基于人体特征的近似估计 3 类,对每类方法的研究进程和 重要成果进行了概况总结。 随后,从实际应用的角度论述了各种方法的优缺点,针对各类问题的研究方向提出了建议,对技术 未来发展进行了展望。

摘要:针对锅炉受热面积灰将会降低传热效率和安全性,采用清洁因子作为健康指标来监测锅炉受热面健康状况,并且提出 融合经验模态分解(EMD)和长短期记忆网络(LSTM)的模型来预测未来锅炉积灰。 经验模态分解可以将时间序列分解为一系 列频域稳定的本征模态函数,长短期记忆网络拥有记忆功能,它能够通过学习来挖掘时间序列之间隐藏的长期依赖关系,二者 结合,增加了对于时间序列预测的准确度。 通过仿真软件验证,该模型对锅炉受热面积灰状况的预测有较为满意的精度,并与 两种常用模型进行对比发现,预测精度分别提升了 67. 7%与 59. 2%,验证了该模型的可行性与有效性。

摘要:为提高温度分布重建精度,提出了使用随机森林算法对温度测点进行优化布置的新方法。 将测点位置作为样本特征, 以不同的测点布置方式及其对应的重建误差作为样本数据集。 使用样本数据集构建随机森林模型,评估样本特征重要性,根据 特征重要性排序实现温度测点的优化布置。 设定仿真实验与燃烧实验验证优化布置算法的可行性与有效性。 分析实验数据, 所提出的优化布置算法相对于原有算法,重建精度提升了 20%以上。 研究结果表明,随机森林算法在温度分布重建中具有良好 的应用价值,并为解决工业实际问题提供了新思路。

摘要:现代电子战雷达干扰与反干扰之间的抗争愈演愈烈,干扰机要能产生多体制、多类型的干扰信号,雷达则需不断的提高 抗干扰性能。 针对雷达装备抗干扰性能测试评估对雷达干扰系统的综合性需求,以矢量信号收发仪(VST)为平台利用上位机 和 FPGA 技术,设计开发了一种雷达侦察与干扰系统,可实现雷达信号侦察、多体制干扰信号生成、雷达标校等一体化综合功 能。 给出了系统硬件方案、侦察与干扰技术方法、FPGA 功能设计和关键 FPGA 模块实现方法。 测试表明,系统射频技术指标 高,干扰样式丰富,频段覆盖广,使用灵巧,通用性强,具有一定的使用推广价值。

摘要:基于 0. 18 μm CMOS 工艺设计了一种大量程闭环式集成霍尔电流传感器。 采用片内高灵敏度霍尔器件检测待测电流 产生的磁场并线性输出霍尔信号,霍尔电压经过线性放大、失调消除和比例积分调节后与三角载波进行比较产生 PWM 波,驱 动全桥式功率放大电路工作。 功率放大电路输出的电流送入聚磁环的二次绕组后形成一个闭环的二次侧补偿,使聚磁环气隙 中的霍尔器件处于零磁通状态,从而提高了大电流检测的精度。 仿真结果表明,所设计的集成霍尔电流传感器的最大测量范围 为 30 kA,准确度为 1 级,功耗小于 1. 08 W,芯片面积仅有 0. 2 mm 2 。

摘要:针对当前人体动作识别算法中由于人体躯干遮挡而导致其检测精度不佳的问题,提出了一种基于加权三视角运动历史 图像耦合时序分割的动作识别算法。 首先,为了有效描述动作的形状和空间分布,从视频序列中提取运动历史图像(motion history image,MHI)。 随后,应用深度相机(Kinect 相机)来提取深度图像,以获取人体目标的动作前景轮廓。 为了识别由于身体 部位造成的自我遮挡,动作前景轮廓被投影到 3 个视角(3V)平面,形成 3V-MHI,增强了对动作的正确提取,利用 3V-MHI 构造 了一个用于记录观测运动轨迹的 MHI,克服了单视角 MHI 的信息局限性。 然后,利用时序分割( temporal segmentation,TS),根 据相邻的 3V-MHI 来计算动作的能量和方向的变化,以检测运动的开始和结束,从而输出运动结果。 此外,计算 MHI 的梯度值 作为每个平面对应的权重,从而得到加权 3V-MHI。 最后,将提取的每个直方图运动模板与预先建立的数据库进行比较,完成动 作的分类识别。 实验表明,该方法能有效地解决自遮挡问题,在复杂环境和光照变化下有较高的准确性与鲁棒性。

摘要:针对心跳信号易被呼吸谐波和其他噪声干扰而难以提取的问题,提出基于 N 次峰值捕捉的生命体征检测算法。 首先 对雷达接收信号进行平均相消法处理滤除静止杂波;接着利用距离门选择算法提取出体表振动信号;然后对体表振动信号进行 低通滤波和自相关处理去除随机噪声;最后,在提取呼吸频率的基础上抑制其高次谐波,进而在心跳频段捕捉 M 个峰值频率, 并迭代 N 次统计心跳频段出现最多次数的峰值频率作为心跳频率。 仿真结果表明,该算法相对于离散傅里叶变换( discrete Fourier transform, DFT)算法具有更高的测量精度和更好的抗干扰能力,可有效应用于生命体征检测领域。

摘要:森林火灾烟雾浓度升高时,所对应的图像模糊程度升高,总有界变分会逐渐下降,基于变分的特征性质,可以将边界之 间的差异有效表征出来。 由此,提出一种基于总有界变分的森林火灾烟雾图像检测方法。 以分块平稳分析的思想对目标函数 求极值,得到总有界值,通过两次比较总有界变分值从分块结果图中提取疑似烟雾分块,利用特征数据的融合聚类处理获得最 终的疑似烟雾区域。 为了得到更好的烟雾检测效果,对疑似烟雾特征区域进行运动特性分析,融合判定烟雾区域,给出火灾报 警。 算法屏蔽了对烟雾静态特征的复杂计算,在对疑似烟雾特性进行分析时,只需关注其运动特征便可以准确进行烟雾检测输 出,避免了繁琐计算带来的误差,对比验证效果显示,算法结果输出高效稳定。