课程文献中心 更多>>

关键词： 图像配准   头脑风暴算法   Powell算法   互信息   马铃薯  

摘要： 基于热成像仪获取作物冠层温度可以实现作物水分胁迫状态的非接触式、无损检测,并且具有高通量检测的潜力。然而热红外图像存在作物边缘分布不清晰、噪声强、缺乏形状、纹理信息等问题,无法实现作物冠层温度自动化提取,利用可见光与热红外图像间的信息互补性,通过图像自动配准技术可以弥补热红外图像缺点,为自动化检测提供基础。为解决可见光图像与热红外图像之间辐射、形状和纹理差异,导致不同模态图像配准难度较大问题,该研究提出了一种融合改进头脑风暴(brain storm optimization algorithm,BSO)与Powell算法的可见光与热红外图像配准方法。研究通过对原始BSO优化算法进行改进使得整体算法更好寻找到最优仿射变换矩阵进而完成图像配准任务,具体改进包含以下5个方面:使用混沌映射函数初始化BSO群体分布、修改新个体变异范围、手肘法动态调整BSO中K-means聚类数、在个体变异方式策略中加入混沌本地搜索方法、在算法执行过程中根据BSO算法前期后期不同特性动态调整概率参数。研究选用互信息值(mutual information,MI)、归一化互信息值(normalized mutual information,NMI)、均方根误差(root mean square error,RMSE)和平均结构相似性指数(mean structure similarity index measure,MSSIM)作为评价指标。该研究算法相对比Powell优化算法、遗传算法(genetic algorithm,GA)和BSO_Powell算法在温室数据中MI指标分别提升0.054 2、0.076 9、0.040 5,NMI指标分别提升0.015 9、0.023 1、0.052 7,RMSE指标分别降低15.02、13.03、27.08,MSSIM指标分别提升0.052 3、0.048 8、0.122 4;大田数据中MI指标分别提升0.064 2、0.066 7、0.035 5,NMI指标分别提升0.007 7、0.012 5、0.012 4,RMSE指标分别降低14.06、10.57、15.40,MSSIM指标分别提升0.047 1、0.038 1、0.042 9。结果表明,所提出算法具有很强的鲁棒性,能够准确完成复杂环境下马铃薯多模态图像配准任务。

关键词： 设备管理与维修   科技刊物   技术职称   工作手册   冶金设备   设备制造   石油化工   矿山开采  

摘要： 《冶金设备管理与维修》杂志是国家新闻出版广电总局批准注册,中国钢铁工业协会主管(中钢协设备工作委员会会刊),鞍山钢铁集团公司主办,创刊于1994年的在国内外公开发行科技刊物。杂志实用性强,适用面广(适用于冶金、电力、石油化工、自动化、矿山开采、设备制造等相关行业)。它是冶金设备技术的交流平台、新技术新工艺的展示窗口、设备管理与维修的工作手册和技术职称晋级的助手。

关键词： 极大熵方法   强化学习   信息熵   分配因子   反向散射通信  

摘要： 针对因反向散射通信节点存在重叠、混乱分布情况,导致通信效率降低、资源分布不均匀问题,提出基于极大熵方法的反向散射通信资源分配算法。以资源累积奖励期望作为目标函数,利用极大熵方法求得资源节点在不同状态下的局部最优值,采用贝尔曼迭代逐次递归求解资源分配最大熵值参数。基于分配信息熵概念,根据信息熵与资源均匀性间的正比关系,将反向散射通信不同区域节点的信息熵值和时延变化参数作为约束条件。将反向散射系数、传输功率、反射端子载波数的实时状态输入约束函数,获取最优资源分配因子,按照分配因子对通信参数逐一调试直至满足最佳资源分配条件。实验结果证明,所提方法性能表现优异,应用后通信系统能效得到了明显改善,资源分配效果更优。

关键词： 极化码   快速简化串行抵消   简化序列重复节点   关键简化集合   翻转译码  

摘要： 为提高基于简化序列重复节点的快速串行抵消(SSRFSC)译码算法的译码性能,提出了基于关键简化集合(CSS)和简化序列重复(SSR)节点的CSS-SSR-Flip译码算法。所提算法首先选取SSR中最长重复(REP)节点的信息位作为候选比特(CB),从而构造了基于SSR的CSS;然后针对SSR节点的译码特点设计了相应的翻转度量和翻转准则,通过考虑SSR节点中重复序列和源节点对译码的影响来度量CB可靠性,在特定CB翻转时选择次优的重复序列完成SSR节点翻转操作。实验数据表明,当误帧率FER=10-3时,所提出的CSSSSR-Flip译码算法与传统的快速简化串行抵消翻转(Fast-SSC-Flip)译码算法相比能够获得超过0.1 dB的性能增益,且具有与新型Fast-SSC-Flip(New-Fast-SSC-Flip)译码算法相同的译码性能;与传统翻转集合大小K相比,CSS大小缩减最多达79.5%,与关键集合(CS)相比集合大小最多可缩减23.1%。

关键词： EVM测量算法   移动终端   接入控制技术   Qos条件   递减函数  

摘要： 针对移动终端接入用户和数据的特征难以准确判定,影响移动终端接入控制精准度的问题,提出一种基于EVM(Error Vector Magnitud)测量算法的接入控制技术。考虑到环境中噪声和其他干扰因素影响,以Qos(Quality of Srvice)条件为用户的初始接入条件,计算满足该条件的用户或数据的特征,将特征值转换为权重因子作为接入控制参照。采用EVM测量算法计算终端信道内外信号间的差值,结合用户权重因子推导得到移动终端的接入门限,求解不同用户门限值与控制数值间递增和递减函数,按照函数的优先级顺序,实现移动终端接入的精准控制。实验数据证明,所提方法接入控制精准度高,控制后终端传输时延、阻塞率得到了明显的改善,数据到达率也有明显提升。

关键词： 十二旋翼   无人机   PID控制   改进遗传算法   姿态控制   Simulink仿真  

摘要： 为了更好地解决多旋翼无人机的姿态控制问题,运用改进遗传算法对PID控制器进行优化,主要以通过多个适应度评价函数改进父代种群的挑选和算法终止条件为切入点进行改进,将优化后的控制器应用到多旋翼飞行器的姿态和位置控制,提高无人机性能。应用MATLAB/Simulink进行无人机模型的搭建和仿真,通过最后的仿真实验结果可以看出,与模拟PID控制器相比,改进遗传算法的PID控制器上升时间平均缩短了0.837 s,超调量平均减小了0.15,调整时间平均缩短了1.538 s。改进后的多旋翼飞行器响应更快,控制效果更好,能够有效提高救援效率。

关键词： 视觉同步定位与建图   特征提取   视觉惯性紧耦合   滑动窗口  

摘要： 为了在光照不足和低纹理场景中实现移动机器人的高精度实时定位和建图,提出了一种基于视觉点线特征以及IMU特征融合的实时SLAM算法。首先通过跳跃路由策略和自适应阈值策略改进了EDlines算法,提高了线特征提取的质量,从而提高了特征跟踪的有效性。然后将视觉惯性特征紧耦合建立约束,通过滑动窗口和边缘化模型进行非线性优化,实现了高精度高实时性的状态估计。实验证明,所提算法在线特征提取的有效性方面优于传统的线段提取算法,同时SLAM系统的定位精度和鲁棒性均得到有效提升。

关键词： 林格曼黑度   机动车尾气目标检测   黑度等级判定   红外图像   YOLOv5s算法  

摘要： 针对传统尾气黑度测量方法精度低、环境适应性差等问题,文章提出一种基于改进YOLOv5s算法的尾气黑度测量方法。考虑到尾气形状多变、背景复杂,在现有YOLOv5s网络中添加自适应特征融合(adaptively spatial feature fusion,ASFF)和全局注意力机制(global attention mechanism,GAM),提高尾气目标的检测准确度;同时,为减少光照等环境因素对尾气目标检测的影响,基于尾气的高温特性,利用红外图像提高尾气区域检测准确度;并基于标准的林格曼黑度对被检测区域内的尾气黑度进行等级判定。实验结果表明:改进后的YOLOv5s对红外尾气目标的检测准确率高达95.3%,比现有YOLOv5s检测准确度提高了3.4%;同时还降低了光照等环境因素对尾气目标检测结果的影响,改善了算法的鲁棒性;最终尾气黑度判定精度达到0.5级,可有效满足现有移动源尾气黑度高精度检测需求。

关键词： 室内定位   视觉惯性里程计   超宽带   抗差卡尔曼滤波   因子图  

摘要： 针对室内环境下视觉惯性里程计存在光照条件依赖和误差累计、超宽带定位易受非视距误差影响的问题,提出一种基于图优化的视觉/惯性/超宽带融合定位算法。首先,引入线特征来提高视觉特征的精度和鲁棒性;其次,设计了超宽带非视距误差识别与抑制方法来提高超宽带定位精度。然后,将超宽带定位信息与视觉惯性里程计输出位置信息以图优化的方式进行融合,实现室内定位,最后通过仿真实验和真实室内场景实验进行了验证。该算法在低光照、弱纹理或者障碍物遮挡等复杂室内环境下,与视觉惯性里程计相比,平均定位精度最高提升约72.09%,与纯超宽带定位算法相比,平均定位精度最高提升约46.15%。该算法可在室内环境下提供精度更高、鲁棒性更强的定位结果。

关键词： 跌倒检测   骨骼关键点   YOLOv8   混合注意力机制  

摘要： 针对传统跌倒检测算法在特征提取不充分、跌倒判决方法单一以及实时性不强的问题,提出一种改进型YOLOv8结合人体骨骼关键点的跌倒检测算法。首先,算法通过ShuffleNetV2网络替换原有YOLOv8的Darknet-53主干网络,在颈部增加混合注意力机制(Shuffle Attention,SA),使得网络能够更好地提取人体的行为特征,实现人体静态姿势匹配。其次,分析人体动态行为的骨骼关键点位置变化信息,将人体质心下降速度、人体躯干与地面间的夹角变化速度和人体的高宽比三者共同作为跌倒行为的判决依据,提高跌倒判决的准确率。实验结果表明,该算法在COCO Key Points数据集上的检测精度、F1值和mAP50值分别为78.3%、67.9%和70.0%,在UR Fall Detection、Fall Detection Datasets和自建数据集上的检测准确率分别为95.85%、92.8%和96.52%,在区分日常生活行为和跌倒行为方面优于传统算法。