摘要:针对智能车无线定位易受非视距信号影响从而导致定位误差增大的问题，提出了一种基于非视距信号可靠判别的超宽带/惯性测量单元（UWB/IMU）鲁棒融合定位方法。首先，分别基于支持向量机（SVM）学习模型和多传感器一致性数学模型对非视距信号进行粗判别；接着，设计了基于D-S证据理论的非视距信号精判别模型，在决策级对上述模型的结果进行有效融合；最后，提出了一种基于因子图的多传感自适应融合定位方法，根据非视距判别结果动态调节融合模型，以实现非视距环境下的智能车鲁棒定位。实车试验结果表明，在非视距判别效果方面，相较于常规的SVM模型，所提方法非视距判别的精度、召回率和准确率分别提高了6.97%、5.37%和6.36%；在定位性能方面，与现有常规的最小二乘定位方法相比，所提出方法的均方根误差、最大误差和标准差分别减少了12.55%、63.40%以及13.23%，有效提升了非视距环境下智能车的定位精度和鲁棒性，克服了传统方法在非视距环境下定位精度低、可靠性差的缺陷。

摘要:针对传统技术检测飞行器表面冰层厚度存在灵敏度低、检测面积小及线性度差的行业难题，利用嵌套型开口谐振环（nested split ring resonator, NSRR）结构辐射能力强、低损耗、高品质因数、场集中效应强、易小型化的特性，以尺寸大小为11×11 mm的NSRR单元结构为基础，设计并制备了一种由72个单元组成的传感器阵列，该阵列总体尺寸为88×99 mm，通过提取传感器阵列谐振频率偏移量实现金属结构件上冰层厚度的反演。ADS等效电路仿真结果表明，NSRR等效电容与传感器阵列的谐振频率存在一一对应关系。HFSS仿真结果表明，该传感器阵列具备不同浓度介质检测和毫米级冰层平均厚度测量的能力，仿真灵敏度为23.46 MHz/mm。实验结果表明，该传感器阵列的谐振频率与冰层平均厚度具有良好的线性关系，线性拟合的决定系数为0.989，对冰层平均厚度的最大检测灵敏度达到21.15 MHz/mm，最大相对误差小于5%，证明了该传感器能够实现对结构表面冰层平均厚度的大面积量化检测，具有高灵敏度、大尺寸、低成本、易扩展等优点。

摘要:节点定位是位置信息获取的重要手段，已成为无线传感器网络（WSNs）关键技术之一。针对WSNs基于信号衰减模型中发射功率（TP）、路径损耗因子（PLE）等参数不确定性导致定位精度下降的问题，提出一种由粗至细的三阶定位方法（CFTL）。首先，通过差分形式，消除TP不确定影响，应用泰勒级数一阶展开式和对数换底操作，将定位问题转化为自然常数的最小二乘估计（NC-LSE）框架，并通过线性无偏估计法求得粗粒度位置；其次，基于粗粒度信息，构建PLE为变量的目标优化函数，引入美洲狮优化（PO）算法，优化模型中PLE值；最后，代入优化后的PLE，建立差分广义信赖域子问题（DGTRS）框架，并运用二分法求得细粒度位置。此外，应用分块矩阵广义逆定理，还推导得到双参不确定条件下的克拉美罗下界（CRLB），以评估提出算法的有效性。仿真实验及实测结果表明，所提出方法能够在不同条件下，相比于现有方法在双参不确定情况的定位精度提升至少10.96%，最高达32.18%。

摘要:针对基于测距的接收信号强度(RSSI)的定位方法存在的误差较大,以及针对基于复杂函数缩放(SAMCOF)的迭代方法的加权策略单一,无法适应距离量测值的不稳定性,影响定位精度的问题,提出了一种基于扩展卡尔曼滤波(EKF)和多维尺度(MDS)的自适应加权迭代算法。首先,利用EKF算法融合由RSSI得到的距离量测值和加速度信息,以获得优化后的距离状态量;然后,基于协方差矩阵中距离状态量的置信度动态调整不同通信节点对之间的权重,并采用优化的距离构建距离矩阵,进行多维标度定位(MDS-MAP),得到初始位置;最后,采用基于SMACOF的迭代优化方法对初始位置进行迭代,以消除不完全链路观测对定位精度的影响,从而获得更精确的位置估计。仿真实验表明无论在何种网络分布、通信半径、节点数量以及噪声水平下,所提出的定位算法相比MDS-MAP、vMDS、wMDS均表现出了更好的效果,提高了变化的网络中的定位技术精确性和鲁棒性。同时,基于ZigBee CC2530的定位系统的半物理实验结果验证了所提出算法在室内和室外场景上定位效果,克服了传统方法在复杂环境中的局限性。

摘要:现有无线无源应变传感器存在检测方向单一、灵敏度低、尺寸大等问题，难以满足复杂受力条件下飞机机翼等大型金属结构应变状态评估的需求。针对这一问题，利用开口谐振环高辐射能力、低损耗以及高品质因数等优点，基于三角函数与矢量分解原理设计了一种基于开口谐振环的小型化无线无源应变传感器阵列。该传感器阵列由3个夹角120°的传感器构成，通过提取各传感器谐振频率偏移量实现金属结构件上应变大小和方向的反演。通过ADS软件得到传感器的阻抗参数，以传感器谐振频率为优化目标采用HFSS软件完成了传感器结构小型化和阻抗匹配优化设计，并利用COMSOL软件进行“力-磁”耦合分析验证了传感器的应变检测性能，随后完成传感器制备。实验结果表明，传感器在电长度方向和电宽度方向的灵敏度分别为-1.517和-0.732 kHz/με，所提出的传感器阵列应变大小的检测精度在8.5%以内，应变方向检测误差在10°以内。该传感器阵列能够实现对金属结构表面应变大小和方向的检测，具有灵敏度高、尺寸小以及成本低等优点。

摘要:针对使用超宽带（ultrawideband,UWB）技术在室内定位中受到非视距影响，导致定位精度下降问题，提出基于交点分类求解出标签的位置坐标，再融合到协方差自适应卡尔曼滤波后得出最优标签位置坐标，降低定位误差。交点分类是以基站为圆心、标签到基站之间的距离为半径，构成一个基站圆，以基站圆与基站圆之间的交点个数进行分类，对不同个数的交点分别采用直线相交、加权圆、加权质心等方法,求解出标签的位置坐标，记为粗定坐标，通过引入残差对卡尔曼滤波中系统过程噪声参数和测量噪声参数调整优化，再利用二段式引入遗忘因子，更新协方差矩阵，标签的粗定坐标作为协方差自适应卡尔曼滤波算法中的输入值，进而得到标签的最优位置坐标。实验结果表明，最大定位误差为14.2 cm，平均误差为7.65 cm，总体误差的方差为2.47 cm，提升了超宽带在室内定位的精度和稳定性，能够满足室内定位的需求。

摘要:工业机器人的精度性能较大程度地影响其在各领域中的应用。为实现并联机器人的位姿测量和参数标定，设计了基于拉线传感器的位姿测量系统，并针对该系统研究了位姿测量精度的补偿方法，从而满足性能要求。首先，根据位姿测量系统的机械结构建立其运动学模型；其次，分析位姿测量系统的传感器误差和结构参数误差，并通过误差拟合将拉线传感器的测量误差降低到0.1 mm以下；最后，通过实验验证该位姿测量系统的位姿测量精度和标定效果。实验结果表明，经过激光跟踪仪标定后的位姿测量系统的平均位置精度和平均姿态精度分别达到0.216 mm和0.055°。利用该位姿测量系统对六自由度Stewart并联机器人进行标定，标定后的六自由度Stewart并联机器人平均位姿误差从(2.706 mm，1.067°)降低到(0.778 mm，0.493°)。因此，所设计的基于拉线传感器的位姿测量系统能够精确测量机器人位置和姿态，并且能够满足并联机器人运动学参数标定的要求。

摘要:在缺乏全球定位系统(GPS)信号的环境中，仅依赖视觉惯性里程计的同步定位与建图(SLAM)算法虽能实现局部精确定位，但长距离移动时累积误差显著，导致定位精度下降。同时，尽管GPS能够提供全局位置信息，但在城市峡谷、隧道等复杂环境中，信号容易受到遮挡和干扰，导致定位性能不稳定，限制了其在复杂环境中的应用。为了解决上述问题，提出了VIG-SLAM算法，将视觉/惯导/轮速计紧耦合定位系统(VIW)与GPS数据进行自适应融合。首先，构建了GPS精度因子模型与异常检测机制，以评估并动态选择适合融合的高质量GPS数据。其次，提出了一种改进的自适应时间差补偿策略，解决GPS与VIW系统时间戳不匹配的问题，同时，在时间差补偿中动态调整GPS信号的权重，提升在复杂环境下的定位精度与鲁棒性。最后，构建了包含GPS约束的全局位姿图优化模型，将GPS全局定位信息作为全局约束，与VIW局部定位信息进行互补，实现大场景下的鲁棒定位。在公开数据集上以及真实实验场景中验证了所提方法的有效性，实验结果表明，相比当前主流视觉SLAM算法，提出的的VIG-SLAM算法平均定位精度至少提高15%，具有较强的鲁棒性和精度优势。

摘要:在“双碳”目标下,钢结构广泛应用于各种大型工业领域,但是钢结构在连接焊接时受制作工艺、环境等因素易出现各种焊缝缺陷,这些缺陷会降低钢结构的稳定和使用寿命,及时发现缺陷对损伤评估和维修具有重要意义。针对现有钢结构内部焊缝缺陷检测存在难以兼顾检测分辨率和检测范围的局限,设计了一种十六通道高分辨率压电超声换能器线阵。首先,通过理论模型优化确定压电超声换能器线阵结构并完成器件制作。其次,为了测试研制的线阵探头的性能,对其展开电阻抗、超声性能的测试。测试结果表明理论设计的谐振频率与实验测试结果偏差小于5%,各阵元的-6 dB相对带宽平均值为79.33%,说明通过声阻抗匹配层和楔块设计成功设计研制出宽频带线阵探头。最后,采用该线阵探头对25 mm厚度标准焊接试块内部直径分别为2 000、1 000和500 μm的3种孔缺陷进行检测分析,结果表明均能有效识别且检测分辨率优于500 μm,为厚钢板焊缝早期微小缺陷准确检测及预警提供技术支撑。

摘要:光学电流传感器(OCS)对温度的变化非常敏感，温度的变化导致其测量产生误差，难以达到电力系统计量的要求，因此准确预测由温度变化引起的OCS测量误差对监测其运行稳定性和保证电力系统的安全运行具有重要意义。由于OCS输出电流受温度的影响具有强非线性，提出了一种适用于非线性动力系统的径向基Koopman-Kalman预测算法，解决了温度影响下OCS输出电流因强非线性而难以预测的问题。首先通过径向基函数将非线性的OCS输出电流状态量映射至高维空间形成扩展状态，采用扩展动态模态分解算法分解扩展状态计算高维空间中Koopman算子的近似矩阵。其次，采用近似的Koopman算子在高维线性空间中进行批量预测。最后，采用Kalman滤波对批量预测的最后一个预测值更新校正，以跟随系统的状态变化。以实验测量得到的OCS温度-电流数据进行实验，结果表明在不同温度变化情况下，相较于标准Koopman预测和长短期记忆（LSTM）预测，所提出预测算法的均方误差（MSE）均减小90%以上，证明了所提算法的有效性。

摘要:针对在自主泊车环境中，仅使用激光雷达传感器，建图和定位精度受限的情况下，提出了一种基于惯性测量单元(inertial measurement unit，IMU)与激光雷达紧耦合的车辆自主泊车场景下的建图定位方法I-LOAM。首先，在前端对点云数据进行IMU预积分、点云预处理，去除地面点云，降低点云规模，保证激光里程计的效率。其次，提出一种基于初始配准算法（sample consensus initial alignment，SAC-IA）粗处理和优化后的迭代最近点算法（iterative closest point，ICP）精配准的S-ICP算法，与IMU和LiDAR紧耦合的定位算法互为补充，为自主泊车系统提供更为灵活和精准的建图定位方案。然后，在后端融合IMU信息、激光里程计和回环检测信息完成地图构建。与LeGO-LOAM算法相比，本文所提算法的均方根误差在室外、室内和直道3种场景中分别降低了45%、3%和6%，具有更好的精度和鲁棒性，为车辆在自主泊车环境下的建图与定位任务提供精准可靠的解决方案。

摘要:针对当前红外与微光图像融合算法中易出现光谱信息缺失、目标边缘模糊等问题,提出了用于红外与微光图像融合的目标差分注意力和Transformer的融合算法。首先,利用残差结构构造一种微光重构网络,并利用VGG-16构建感知损失,最大程度保留微光图像中的背景纹理信息和亮度信息;而后,将卷积神经网络（CNN）与Transformer结合构建特征提取网络,提取图像的完整特征;同时,在目标差分注意力模块中,对红外图像和微光图像进行差分运算和特征提取,得到的红外差分图像通过通道注意力机制对目标特征进行增强,再与CNN特征提取网络的输出特征图进行逐元素相加,增强红外目标特征;然后,通过纹理保留模块捕捉特征的高频信息和低频信息,提升纹理细节的保留度;最后,利用特征重建网络重构出融合图像。实验结果表明,融合结果不仅更符合人眼视觉系统,在客观评价指标中MI和VIF分别比其他融合方法提升了44.6%和21.2%。

摘要:当前，航天发射建设规模不断扩大，建设多个测试发射的设备设施后，发射场面临多枚运载火箭并行测试的任务规划问题。运载火箭进场、测试、总装、转运和加注发射分别在不同的测试区域完成，由于型号差异，某些测试区域可以共用，某些不能共用，且同一测试区域能够容纳的运载火箭有限（通常仅能容纳1枚），在这些约束条件下，如何在尽可能短的时间内完成多任务并行的计划安排是必须解决的重要问题。通过对国内外相关问题研究的分析，梳理了2000年以来国内航天发射场测试发射工艺流程设计和优化的方法，现行的“双代号网络计划图”难以适应多任务并行规划需要，关键路径法、价值链分析法等缺乏定量分析能力。结合国内航天发射场规划问题的难点，采用遗传算法，通过双层编码方式，根据并行任务数量确定种群规模和迭代次数，以航天发射场任务规划的目标函数作为算法适应度计算函数。经过算例验证，可以得到可供工程应用的多任务并行规划较为优化的方案，求解5枚火箭任务并行规划方案用时<1 min，较传统手工绘制双代号网络计划图的方式效率大幅提升。方法具有一定的通用性和扩展性，可以根据不同火箭任务的流程对编码方法进行设置和细化，从而提高算法的实用性。

摘要:针对广义旁瓣相消器(GSC)中固定波束形成器在复杂环境下抑制旁瓣干扰和处理非平稳语音信号时存在局限性问题，提出了一种基于参数化波束形成器的改进GSC语音增强方法。该方法通过动态调节机制，在延迟求和波束形成器与超指向波束形成器之间进行灵活权衡与调节，有效抑制旁瓣干扰，增强了GSC在复杂声学环境中的鲁棒性与适应性。此外，引入互相关系数来调节自适应滤波器权重更新步长，有效应对语音信号变化导致的过减问题，提升了在非平稳语音信号中的处理精度。在 MATLAB 环境下开展仿真实验，针对 Babble 噪声、音乐噪声和白噪声环境，对比传统 GSC 和采用均方算法的 GSC，从三维波束方向图、不同背景噪声及参数条件下的降噪效果、互相关系数作用效果等方面进行评估，并利用分段信噪比(SNR)和语音质量感知评估(PESQ)等指标量化分析。结果显示，改进方法在降噪性能和语音清晰度上优势显著。在 Babble 噪声、音乐噪声、白噪声环境中，分段信噪比分别提升至 11.02、6.14和10.33 dB，PESQ 值分别提升至 3.65、3.20、3.25，并可通过调节参数实现不同噪声环境下的最佳降噪效果，有力验证了该方法在复杂声学环境中的有效性与优越性。

摘要:针对固定参数主动柔顺控制受机器人内部参数不确定等建模误差影响导致轨迹精度不高的问题，提出一种基于多智能体深度确定性策略梯度（MA-DDPG）的机器人自适应导纳控制方法。首先，基于机器人模型建立导纳控制器。其次，将深度确定性策略梯度（DDPG）算法与导纳控制相结合，设计了一种由DDPG智能体直接输出导纳参数的自适应导纳控制器。针对其收敛速度慢和控制效果不好的问题，在自适应导纳控制算法中引入多智能体思想，将每一个导纳控制参数作为一个智能体的输出，采用集中式训练分布式执行架构的MA-DDPG算法对导纳控制器参数进行协同优化。最后，通过对比深度强化学习仿真训练效果以及自适应导纳控制在期望轨迹上的受力实验效果，验证了所提方法的可行性与有效性。实验数据表明，与其他深度强化学习算法的自适应导纳控制相比，所提方法的仿真训练收敛速度提高了65.88%，轨迹精度提高了63.35%。

摘要:针对单模态可见光RGB图像语义分割在夜晚或光线变化环境下存在分割效果差、目标边缘分割不清晰等问题，以及现有的跨模态语义分割在获取全局上下文信息和融合跨模态特征时还存在大量不足。为此提出了一种基于双分支多尺度特征融合的跨模态语义分割算法。采用Segformer作为主干网络提取特征，捕获长距离依赖关系，采用特征增强模块提升浅层特征图的对比度和边缘信息的判别性，利用有效注意力增强模块和跨模态特征融合模块，对不同模态特征图像素点间的关系进行建模，聚合互补信息，发挥跨模态特征优势。最后，采用轻量级的All-MLP解码器重建图像，预测分割结果。相比较于已有主流算法，该算法在MFNet城市街景数据集上的各项评估指标均为最优，平均准确率（mAcc）和平均交并比（mIoU）分别达到了76.9%和59.8%。实验结果表明，该算法在处理复杂场景时，能够有效改善目标边缘轮廓分割不清晰的问题，提高图像的分割精度。

摘要:在基于声学信号探测与定位低空无人机的应用中，针对现有规则平面麦克风阵列测向空间分辨力低、抗干扰能力差等问题，建立适用于对无人机测向的随机立体阵列多约束优化设计模型，并提出基于精英锦标赛筛选策略的优化求解方法。以四环立体阵列为基础阵列构型，最小化峰值旁瓣电平为优化目标，设定阵列结构约束条件，同时限定波束主瓣宽度，构建多参数约束的随机立体阵列优化模型。进一步，将精英策略与锦标赛策略相结合，提出一种多融合筛选策略，应用于遗传算法迭代求解过程中，提升算法的收敛性和全局搜索能力，以得到优化设计后的目标阵列构型。仿真和实验表明，目标阵列的探测方向图中“野点”数量较少，表现出较好的抗噪声性能和空间分辨力，与四环立体阵列相比，目标阵列对低空无人机的探测失效率降低了4.33%，方位角误差与俯仰角误差分别降低了1.54°与0.73°，最远探测距离提升了12 m。

摘要:针对风力发电机表面缺陷检测中存在的背景环境复杂、小目标缺陷检测精度不够等问题，提出了一种高效的风力发电机表面缺陷检测方法。首先构建具有特征提取与融合能力的主干网络，并在残差部分引入改进的通道注意力，帮助网络更好地提取特征信息，其次，使用新一代卷积变形模块进行输出，使模型能够更好地捕捉输入数据中空间和时间的相关性，简化模型的同时提高检测速度。最后在模型下采样部分引入高效空间-深度信息转换模块，将输入特征图中的空间维度降维至通道维度，保留显著特征的同时减少细粒度信息丢失，进一步提高模型检测小目标的能力。实验结果表明，相较于YOLOv7网络，所提网络在图像环境较为复杂的数据集1上准确率提升了3.5%，召回率提升了2.3%，交并比（IoU）为0.5时平均精度提升3.1%，在图片质量较好的数据集2上准确率达到96%，召回率达到94%，IoU为0.5时平均精度达到96.7%。所提模型在解决误检漏检问题方面有明显的优势，并且具有较快的检测速度，更适合在实际检测环境中应用，有良好的工程应用前景。

摘要:针对无线通信系统中的发射信号泄漏(TSL)和传播延迟进行了研究。首先,建立起TSL污染的基带数字模型,模型考虑了污染信道的时间变化和到接收机的传播延迟,分析并建立了基于一阶自回归模型的TSL时变信道;其次,基于最小均方(LMS)算法得出了TSL时变信道的复增益估计,并建立起了一种实现TSL污染和传播延迟补偿的离散时间观测模型,得到了无补偿小数部分延迟情形下补偿算法的渐近性能表达式;最后,通过对同步情形下的复信道增益估计和小数部分延迟影响的分析,提出了一种基于复信道时变增益和小数部分延迟的联合估计的数字补偿算法。仿真实验结果表明,提出的联合估计补偿算法不仅是有效和鲁棒的,而且相比于多抽头LMS方案和目前其他先进方案具有更好的信干比性能和更低的复杂度。

摘要:为提高锂电池健康状态(SOH)估计精度，提出一种基于最优重构健康因子和霜冰算法优化支持向量回归(RIMESVR)相融合的估计方法。首先从锂电池充放电过程提取3个可测量健康因子，利用Pearson法分析验证其与SOH相关性；其次利用完备集合经验模态分解算法(CEEMDAN)对健康因子分解重构，通过实验验证法确定最优重构方式，有效降低数据噪声和容量回升现象对SOH估计干扰；最后搭建基于RIME算法优化的SVR估计模型。实验采用NASA电池退化数据，结果表明，相比于粒子群（PSO）和人工蜂群(ABC)优化算法，RIME优化SVR参数时表现出更快收敛速度和更强全局搜索能力，显著提升模型性能。此外，基于最优重构健康因子和RIME-SVR的锂电池SOH估计模型3项指标均优于对比实验中其他模型，具有更高的估计精度和拟合度。使用最优重构健康因子Dtv1+Ti1+Tdv1作为输入，模型平均绝对误差（MAE）、均方根误差（RMSE）分别低于0.37和0.55、R2高于0.92，表明所提方法具备良好的普适性和鲁棒性。

摘要:遥感小目标图像存在检测目标过于密集、尺寸过小、特征信息难以提取等缺陷,导致现有的目标检测算法在遥感小目标图像上的检测精度不高。为了解决上述问题,提出了一种基于YOLOv8的遥感小目标检测算法SBC-YOLOv8并采用了切片辅助超推理(SAHI)方法。首先,采用了SAHI切片方法对遥感小目标图像进行了切片操作,有效地改善了检测目标过于密集、尺寸过小的缺陷;其次,在YOLOv8的Backbone部分加入Space-to-Depth模块,增强了网络结构的特征提取能力,有效地改善了小目标特征信息难以提取的缺陷;然后,采用了加权双向特征金字塔（BiFPN）的特征融合方式并且将原本的P5层替换为P2层,增强了网络的多尺度特征融合能力,有效地提升了检测精度;最后,采用CSP-OmniFusion模块,进一步改善了遥感小目标特征信息难以提取的缺陷。实验结果表明,相比于原YOLOv8算法,采用SAHI加上SBC-YOLOv8算法的改进在VisDrone2019数据集的验证集和测试集平均精度均值（mAP）mAP@0.5分别提升了23.4%和18.3%;mAP@0.5∶0.95分别提升了17.4%和12.4%,同时在CARPK数据集和HRSID数据集上mAP@0.5分别提升了1.6%和1%,mAP@0.5∶0.95分别提升了6.1%和2.7%。因此,所提算法有效地提升了遥感小目标图像的检测效果。

摘要:针对Zero-DCE网络存在细节丢失和不同亮度区域处理结果出现差异等问题,设计了一种基于增强深度曲线估计网络(EnDCENet)的无监督弱光图像增强算法。通过探索弱光图像与未配对的正常光照图像之间的潜在映射关系,实现了对低光照场景下图像质量的显著改善。首先,提出新的特征提取网络,该网络整合了多个跳跃连接与卷积层,实现低层与高层特征的有效融合,从而学习到弱光图像中的关键特征,增强网络对弱光图像的学习能力。其次, 设计一组联合的无参考损失函数,强调优化过程中与亮度相关的特性,从而更有利于图像增强模型的参数更新,提高图像增强的质量和效果。为了验证所提出算法的有效性,在5个公开数据集上进行了对比实验,与次优算法Zero-DCE相比,有参考数据集SICE上的峰值信噪比（PSNR）和结构相似性（SSIM）分别提升了9.4%、21%。无参考数据集LIME、DICM、MEF、NPE上NIQE分别达到了4.04、3.04、3.35、3.83。实验结果表明,所提出算法表现出色,增强后的图像色彩自然,亮度均衡且细节清晰。无论是主观视觉评价还是客观定量指标,均显著优于对比算法,充分体现了在图像增强效果上的卓越性和先进性。

摘要:提出了一种改进的基于地杂波反射率因子天气雷达在线标校方法，旨在及时发现并纠正由于雷达硬件故障或性能退化导致的反射率因子测量误差偏移，提高降水定量估测的准确性。利用Gabella天气雷达杂波识别算法，对未滤波的反射率因子数据进行地杂波标记，在此基础上，通过重新采样获得固定维度的地杂波数据矩阵，统计地杂波的出现频次，计算地杂波数据的累计概率密度函数，并选取其95%分布对应的反射率因子值作为监测值，以识别稳定的地杂波数据；再利用金属球标校方法得到地杂波反射率因子的基值，最终通过监测值与基值的差值计算雷达的相对校准值。并进行了地杂波数据选取范围、去距离订正以及大范围降水条件下的敏感性试验，优化了筛选阈值，显著提高了雷达系统偏差在线标校的灵敏度和可靠性。长沙莲花山CINRAD/SA-D型天气雷达的试验结果表明，2024年3月28日，在大范围降水条件下，雷达逐小时相对校准值平均为0.22 dB，标准偏差为0.76 dB；3月逐日相对校准值标准差为0.75 dB，并在3月8日~9日有效监测到雷达标定常数变化约2 dB；9月11日，金属球定点扫描获得的地杂波反射率因子基值与理论值对比，雷达系统偏差为-0.13 dB，标准差为0.26 dB。该方法能够有效提升天气雷达系统偏差的在线监测灵敏度和可靠性，为天气雷达的在线标校提供了可行的技术手段。

摘要:为探究复杂工况下汽车电控齿轮泵故障状态，需实现对齿轮泵振动的实时监测，并对故障信号的演变规律进行特征提取。首先，建立了齿轮泵动态数学模型，通过理论分析明确了齿轮泵在正常运行和故障状态下的振动来源及其特征，为故障诊断提供了理论基础。然后，根据齿轮泵的运行特点，设计并搭建了油泵齿轮故障实验平台，模拟了多种工况下的齿轮故障模式，对采集到的信号进行时频分析，提取了反映故障信息的最优指标参数。最后，采用常规数据处理方法和改进的完全自适应噪声集合经验模态分解法，对各类工况下的不同故障模式进行对比诊断。研究结果表明，在保证分解效率和故障识别准确率的前提下，提出的改进型完全自适应噪声集合经验模态分解法在分解时间上平均提升了28.45%，齿轮泵在高转速下的故障识别准确率在提升了1.29%。验证了该方法的可靠性和准确性，为齿轮泵状态监测和故障诊断技术提供了的理论依据和工程参考。

摘要:针对目前鸟鸣声识别的深度学习方法提取深层特征单一导致准确率不高的问题，提出一种改进密集连接卷积网络的鸟鸣声识别方法。从鸟鸣声信号中提取梅尔语谱图作为输入，在所有密集块的标准卷积层之后添加卷积块注意力模块，卷积块注意力模块通过学习训练集的特征表示，判断不同层次鸟鸣声特征信息的重要性和关联性，并按照通道维度和空间维度对其进行更深一步的加权融合，使网络更加关注鸟鸣声特征中重要的特征通道和空间位置，从而提高网络学习鸟鸣声特征的能力；在密集块的标准卷积层之后添加丢弃块算法，促使网络对于不同区域的特征进行更加均衡的学习，提高网络对于新鸟鸣声数据的适应能力，使网络能够更好地捕获数据中的共性特征；再利用Transformer编码器为网络建立一条深层特征提取分支，以提高对于鸟鸣声特征中全局信息和长距离依赖信息的捕捉能力。最后将两个分支提取的深层特征融合以提升深层特征的信息丰富度。该方法在Xeno-Canto数据集进行了7组实验。实验结果表明方法对鸟鸣声识别的平均准确率为88.65%。相较于EMSCNN(ensemble multi-scale convolutional neural network)方法高10.83%，AlexNet方法高20.14%，VGGNet方法高16.3%，DenseNet方法高4.28%。实验证明了方法的有效性和先进性。提出的方法对鸟鸣声识别更准确，可用于实际鸟鸣声的识别。

摘要:短期风电功率预测对电力系统调度与安全运行具有重要的支撑作用,然而风电数据具有强随机性和非平稳性,现有预测方法存在数据预处理保形性不足、模态混叠、预测模型参数优化效率低等问题,严重影响短期风电功率预测的准确性。为此,提出分段三次Hermite插值法(PCHIP)与变分模态分解(VMD)相结合的数据预处理方法,以及麻雀搜索算法(SSA)与长短期记忆网络(LSTM)相结合的风电功率预测模型。首先,对风电原始数据异常值进行检测,针对异常值导致的时序数据保形性缺失问题，采用PCHIP法进行数据修复;其次,结合VMD法将预处理后的风电功率数据分解为4个内在模态分量,得到不同时间尺度上变化的数据信号;然后,将分解后的稳定项序列输入SSA-LSTM风电功率预测模型,得到风电功率预测结果。以某风电场21 d的实测功率数据为样本数据进行分析验证,所提模型的预测结果与真实值拟合程度可达到0.989 1,较当前LSTM模型预测精度提升5.558%,证明了所提方法的有效性和优越性。

摘要:信道估计的高导频开销是智能反射表面(RIS)应用于无线系统时的主要挑战之一，双时间尺度信道估计策略利用基站-RIS间信道准静态的特点，能较好的降低导频开销。但该策略在估计基站RIS信道时使用迭代优化算法，计算复杂度过高，并不适用于实时信道估计。对双时间尺度策略的基站-RIS间信道估计方法进行了研究，首先对接收的导频数据做矩阵补全，将信道估计方程近似为二阶非线性秩一优化问题，然后通过对梯度优化方程中的复数据矩阵进行分块和实表示，提出了一种基于主特征值分解的全局优化求解方法，该方法以半闭合表达式的形式建立了接收导频与信道参数间的联系。莱斯信道及典型天线配置条件下的仿真结果表明，提出方法较参考的迭代优化方法具有更低计算复杂度；当基站-RIS信道相干时间是RIS-用户信道相干时间的4倍时，能节省85%以上的导频开销；当接收导频信噪比低于16 dB时，估计精度高于迭代优化算法。提出的方法适用于对信道估计实时性要求高，或RIS远离基站而更靠近用户端的情形。

摘要: