课程文献中心 更多>>

关键词： 边缘智能   任务时效性   任务调度   能耗   多核系统   CBTP策略  

摘要： 在嵌入式实时系统中,边缘智能技术显著提升了计算性能.然而,确保任务时效性、提高效率、降低能耗和系统阻塞仍然是关键研究领域.本研究专注于同质多核系统的任务调度问题,提出了一种名为“基于相关性的任务分区节能调度策略”(CBTP)的节能调度策略.CBTP通过深度分析任务之间的依赖关系,为它们分配最优处理器,减少资源争用和阻塞.为了实现高效的并发访问,采用了多处理器堆栈资源协议(MSRP)和高性能的分区最早截止优先调度算法(P-EDF).同时,CBTP引入了双速节能机制,结合动态电压和频率调整(DVFS)来灵活调整任务的执行速度.实验结果表明,CBTP策略明显优于传统方法,显著降低了系统阻塞和能耗,验证了其在同质多核系统中的卓越性和有效性.这项研究提供了一种新的视角,旨在边缘计算环境下来提升实时系统的调度性能,同时提高调度的能源效率.

关键词： 颌面部   对称参考平面   成像,三维   深度学习   算法  

摘要： 目的:建立一种可实现三维颌面点云数据智能配准的本体-镜像关联深度学习算法,基于颌面动态图结构的配准网络(maxillofacial dynamic graph registration network,MDGR-Net)模型,实现三维颌面对称参考平面的自动化构建,以期为口腔临床数字化设计与分析提供参考。方法:收集2018年10月至2022年10月就诊于北京大学口腔医院无显著颌面畸形临床患者400例,通过数据增强的方式获得2000例三维颌面数据用于MDGR-Net算法训练与测试,其中训练集1600例、验证集200例、内部测试集200例,MDGR-Net模型包含构造本体与镜像点云(X和Y)中关键点的特征向量,基于特征向量获取点云X和Y中关键点的对应关系,以及通过奇异值分解(singular value decomposition,SVD)计算旋转和平移矩阵R,t。基于MDGR-Net模型实现本体点云与镜像点云的智能配准,获得本体-镜像联合点云,并采用主成分分析(principal component analysis,PCA)算法获得MDGR-Net关联法对称参考平面。基于决定系数(coefficient of determination,R 2)指标对内部测试集平移及旋转矩阵进行模型评价,并对200例内部测试集与40例外部测试集临床数据,基于MDGR-Net关联法与“真值”迭代最近点(iterative closest point,ICP)关联法构建的三维颌面对称参考平面进行角度误差评价。结果:基于200例内部测试集三维颌面数据测试MDGR-Net旋转矩阵R 2为0.91,平移矩阵R^(2)为0.98。在内部与外部测试集上,角度误差平均值分别为0.84°±0.55°、0.58°±0.43°,临床构建40例三维颌面对称参考平面仅需3 s,在正畸骨性Ⅲ类、高角、安氏Ⅲ类错牙合畸形受试者表现最佳。结论:基于点云智能配准的MDGR-Net关联法为口腔临床三维颌面对称参考平面构建提供了新的解决方案,可显著提升诊疗效率和效果,降低专家依赖性。

关键词： YOLOv8n-Pose算法   深度卷积   上下文导引特征融合   姿态估计  

摘要： 针对YOLOv8n-Pose模型在边缘设备部署面临的计算资源和存储空间受限问题,提出了一种基于改进YOLOv8n-Pose的人体关键点检测算法。设计了一种基于上下文导引特征融合模块,以提升模型的特征表达能力和检测精度,并引入深度卷积进行图像特征处理,使得检测头的参数量更少、计算量更低。在COCO-Pose数据集上的实验结果表明,改进后的YOLOv8n-Pose模型在保证检测精度提升的同时,使得参数量降低了19.5%、计算量减少了32.6%,从而提高了模型在边缘场景中的适用性。

关键词： 压缩感知   混合整数优化   最优子集选择   稀疏重建   稀疏优化  

摘要： 在压缩感知重建算法中,利用混合整数优化(Mixed Integer Optimization,MIO)可以实现最优子集选择,从而提升信号和图像的稀疏重建效果。针对传统贪婪算法在压缩感知重建中存在的局限性,提出了一种基于MIO的优化模型,将稀疏优化问题转化为混合整数规划问题,并利用Gurobi等求解器进行求解。仿真实验结果表明,尽管MIO方法的重建时间较长,但在测量次数较少或信号稀疏度较高的情况下,能够显著提高重建的准确率。最后,将该方法扩展至图像的压缩感知重建,并在多组实验中验证了其性能优势。

关键词： 漏电流检测   全光纤电流传感器   变分模态分解   捕食者优化算法   形态学滤波  

摘要： 针对船舶电力网络漏电流光纤传感测量响应度低、测量能力弱等问题,提出了一种基于最优变分模态分解与形态学滤波组合的降噪方法,以提升微弱电流测量能力。以希尔伯特谱熵为适应度函数,利用捕食者优化算法搜寻分解模式数及二次惩罚因子的最优组合,并完成变分模态分解获取本征模态函数分量。设置相关系数阈值确定有效模态函数分量,完成信号重构。以信噪比为适应度函数,通过捕食者优化算法确定形态学滤波的结构因子及比例系数,对重构后的信号进行时域降噪处理,实现对漏电流信号进一步降噪。通过仿真分析以及实验验证,确定该方法相对于现有的滤波方法,改善了信号的信噪比,降低了最小均方误差,泄漏电流的分辨力可提升至3mA。

关键词： 电-氢综合能源系统   分布式能量管理   自适应神经动力学算法  

摘要： 近年来,在能源需求持续攀升和氢能技术不断发展的背景下,电-氢综合能源系统引起了学界的广泛关注。随着大量分布式资源的接入,系统呈现出愈加显著的多主体特征,给电-氢综合能源系统的能量管理带来了新的挑战。文中提出了一种基于自适应神经动力学算法的电-氢综合能源系统分布式能量管理策略。首先,考虑火力机组、风光机组、电解槽、储氢罐、氢化工等能源设备的运行成本及约束,建立了电-氢综合能源系统能量管理模型。其次,针对此优化模型的求解,建立了一种分布式自适应神经动力学优化算法。该算法不仅保留了神经动力学算法计算时间短、速度快的特点,还减少了自变量初值对求解的影响。在算例中,所提方法同时与集中式方法和交替方向乘子法的求解结果对比,验证了所提方法在计算效率上的优越性和有效性。

关键词： 火灾烟雾检测   YOLOv5s   注意力机制   神经网络  

摘要： 针对多种环境下早期火灾烟雾小导致的目标检测精度不足,以及特征表达能力不充分等问题,提出了一种基于YOLOv5s的火灾烟雾检测改进算法。首先,对火灾烟雾图像数据集的结构进行了详细分析;然后,根据数据集结构特点,在主干网引入了通道注意力机制与空间注意力机制;最后,增加了小目标检测层,以更加有效地关注小目标的检测。实验结果表明,改进后的YOLOv5s算法精确率达到了89.9%,其平均准确率均值PmA相较于原YOLOv5s的提高了5.0%。该模型在火灾烟雾检测方面表现出优异效果,对火灾烟雾的早期预警具有指导意义。

关键词： 电磁散射   K-d树   时域弹跳射线(TDSBR)法   后向投影(BP)算法   聚束合成孔径雷达(SAR)成像  

摘要： 针对复杂群目标合成孔径雷达(synthetic aperture radar,SAR)电磁成像快速模拟问题,采用一种基于宽度优先搜索(breadth-first search,BFS)算法进行K-d树构建,显著提升了时域弹跳射线(time-domain shooting and bouncing ray,TDSBR)法的射线追踪效率。使用TDSBR法分析了复杂电大尺寸目标的时域电磁响应特性,结合后向投影(back-projection,BP)算法对雷达回波信号进行聚焦处理进而获得了复杂目标的高分辨SAR图像。通过与FEKO软件中的频域射线追踪算法进行对比,验证了本文TDSBR算法在复杂群目标SAR电磁成像快速模拟中的有效性和高效性。

关键词： FMCW毫米波雷达   压缩感知   分块压缩感知重构   TDM-MIMO   3D-CFAR   高分辨成像  

摘要： 提出了一种基于压缩感知重构理论的调频连续波(Frequency Modulated Continuous Wave, FMCW)集中式多输入多输出(Multiple Input Multiple Output, MIMO)雷达三维高分辨成像方法。对于时分多址多输入多输出雷达得到的阵列信号,采用基于天线空间布局的分块压缩感知(Block Compressed Sensing, BCS)方法。此外,设计了三维恒虚警滤波器来降低杂波信号对重构信号质量的影响,并设计了相关平滑方法来消除不同块之间的重构误差。所提算法能够在低采样比下实现复杂目标的高分辨成像,避免了传统压缩感知重构中算法复杂和占用硬件资源的问题,仿真和实验证明了该方法的可行性和实用性。与其他成像方法相比,所提算法的高分辨成像效果与合成孔径雷达(Synthetic Aperture Radar, SAR)相当。仿真结果表明,当压缩采样比为0.6时,目标成像的信杂波比达到了原始目标水平,目标结构相似度指标达到80%,实现了理想的成像效果。该算法在工程领域具有一定实用性,有望广泛应用于毫米波雷达的目标检测与识别。

关键词： 人工神经网络   高斯过程回归   时空数据融合   海上风能资源评估  

摘要： 风力资源评估对风电场的前期建设至关重要。利用激光雷达或气象观测塔测量能保证高精度的数据,但价格昂贵且时空并不连续;利用天气研究与预报(WRF)模型等的数值模拟方法生成的时空连续数据精度相对较低。针对上述问题,提出一种混合方法,将测量与模拟相结合,用于海上风能评估。首先,使用多保真高斯过程回归(MFGPR)进行时间数据融合,将陆上位置的风力间歇性测量数据和连续模拟数据相结合。然后,利用非线性自回归(NAR)和带有外部输入的非线性自回归(NARX)的人工神经网络进行空间数据融合,通过陆上位置的风力数据对海上的风力数据进行预测。研究表明,该方法可在2%的误差范围内准确评估海上风力资源。