课程文献中心 更多>>

关键词： 目标检测   无人机航拍图像   YOLOv8   小目标   特征融合  

摘要： 针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EFEM),避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法(dual cross-scale weighted feature-fusion,DCWF),融合多尺度信息的同时抑制噪声干扰,提升特征表达能力。通过构建一种参数共享检测头(parameter-shared detection header,PSDH),使回归和分类任务实现参数共享,保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度(P)和召回率(R)分别达到54.0%、42.5%;相比于原始YOLOv8s模型,mAP50提高了5.0个百分点,达到44.5%,且参数量减少了55.8%,仅有4.94×106;在DOTAv1.0遥感数据集上,mAP50达到71.9%,仍具有较好的泛化能力。

关键词： 色氨酸系统   几何规划   优化算法   保稳定性  

摘要： 研究了色氨酸系统的优化问题.给出了色氨酸系统的非线性数学模型,并论述了模型的数学性质.以最大化色氨酸产率为优化目标构建了色氨酸系统的非凸保稳定性优化模型,该模型能够保证色氨酸系统在最优且稳定的稳态下工作.基于等价变换与单项式补偿策略提出了一种可以快速求解非凸保稳定性优化模型的几何规划算法,并给出了算法的收敛性分析.计算结果表明本文所提几何规划算法是有效的.

关键词： 图像超分辨率   轻量化   特征融合   特征金字塔   深度学习  

摘要： 近年来,深度学习技术推动了图像超分辨率领域的进展。然而,现有的网络计算资源消耗量大,无法在移动端设备上进行应用。针对这一问题,提出了一种基于特征金字塔的轻量化图像超分辨率算法。在设计的特征金字塔提取模块中,采用通道分离和交叉融合的操作,提高特征的表达能力,更全面地捕捉不同特征间的关联。此外,设计了一种双分支的通道注意力机制,引导两个特征自适应性融合,同时引入残差结构让模型训练更加稳定。在Manga109数据集的2倍尺度的实验中,相比于SRCNN算法和IDN算法,提出的方法峰值信噪比(PSNR)分别提高了1.35 dB和0.18 dB,参数量相比IDN减少了43.76%。

关键词： 融合质量   卷积网络   图像融合   空间信息   光谱信息  

摘要： 高空间和高光谱分辦率的图像能够给计算机视觉处理带来更全面的信息,特别是在遥感图像融合方面的研究一直备受关注。近年来,基于卷积网络的遥感图像融合方法在遥感图像融合领域带来了突破性的进展。针对遥感图像融合质量问题,提出了一种Dense-FCNN的网络,该网络融合了DenseNet网络和FusionCNN的特点,基于充分利用特征的思想,将DenseBlock模块加入到FusionCNN的不同结构中,并做出对比分析。结果表明,改进后的Dense-FCNN网络在融合质量上均有所提升,最好的模型效果提升了3.4%,并且,融合图像能更好地保留Pan图像的空间信息和MS图像的光谱信息,对于获取更全面的遥感图像信息具有实际应用价值。

关键词： 市域快线   无砟轨道   响应面法   NSGA-Ⅱ遗传算法   多目标优化  

摘要： 为研究市域快线无砟轨道结构轻量化经济性、列车快速运行安全性协同优化设计问题,利用多体动力学软件Universal Mechanical建立车辆-轨道空间耦合模型,详细分析轨道板长度、宽度、厚度、弹性模量和扣件刚度、扣件间距单独变化时,对市域D型动车以速度160 km/h通过时所引起的轮轨系统动力响应,通过响应面实验得到市域快线无砟轨道钢轨垂向位移响应面模型,并经NAGA-Ⅱ遗传算法进行多目标优化得到最优参数组合。结果表明:通过单因素试验,对钢轨垂向位移影响显著的依次为扣件间距、扣件刚度和轨道板长度;建议在进行市域快线无砟轨道结构设计时将钢轨垂向位移作为关键评价指标;各设计变量对市域快线无砟轨道力学性能影响的主次顺序依次为扣件间距、扣件刚度、轨道板长度、轨道板宽度、轨道板厚度、轨道板弹性模量;推荐设计方案为扣件系统刚度25 kN/mm,扣件间距0.625 m,轨道板长度4.9 m,轨道板宽度2.8 m,轨道板厚度0.26 m,轨道板混凝土等级C40。

关键词： 环境反向散射通信   智能反射面   信道估计  

摘要： 环境反向散射通信(AmBC)是一种新型的低功耗通信技术,它能利用周围环境中的射频(RF)信号源实现无源信息传输,但由于其存在双重衰落、障碍物阻挡等问题,导致反射链路信号强度弱。为此,该文将智能反射面(IRS)引入到AmBC系统中用以增强反射链路增益。然而,IRS与标签均为无源器件使得信道估计极具挑战性。为此,该文提出了一种IRS辅助的AmBC系统信道估计方案。首先,将信道分解为多个子信道,其中,反射链路的每个子信道对应一个IRS反射单元。然后,将最小二乘(LS)法作为估计准则,以最小化均方误差(MSE)为目标,探索了IRS反射模式与信道估计的联合设计。仿真结果表明,该信道估计方案具有良好的估计性能。

关键词： 数据驱动   混合场景集   时间相关性   鲁棒优化  

摘要： 针对孤岛型微电网内可再生能源、负荷的不确定性以及降低碳排放量等问题,提出了一种基于数据驱动和时间相关性的微电网鲁棒优化算法。通过聚类方法生成了典型场景,进而构建包括典型场景、极端场景以及预测场景的混合场景集。在日前阶段,将混合场景集加入约束,以混合场景集所对应的微电网运行成本的概率加权指标作为目标函数,并且在成本中引入阶梯式碳交易模型,得到预调度解。在鲁棒检验阶段引入时间相关性,加快其检验速度以及效率,确保所有场景可行。在日内阶段,利用测量的新能源和负荷数据,对日前阶段的优化解进行优化调整,得到微电网设备的最优出力,从而提高微电网的经济性和鲁棒性,仿真结果验证了该方法的有效性。

关键词： 电磁型主控式弹性环干摩擦阻尼器   双转子系统   无模型自适应控制   振动抑制  

摘要： 干摩擦阻尼器能够通过摩擦副的接触产生摩擦阻尼,在转子振动抑制方面有着广阔的应用前景。为了实现对摩擦阻尼的主动控制,设计了一种电磁型主控式弹性环干摩擦阻尼器(Active magnetic elastic ring dry friction damper,AMERDFD),通过电磁执行器来实现对阻尼器正压力的主动调节。然后,建立了AMERDFD–双转子系统的动力学模型,分析了不同支承位置的阻尼器对双转子系统振动影响的灵敏度。基于灵敏度分析结果,确定使用低压风扇轴前轴颈以及低压涡轮轴后轴颈位置的AMERDFD来抑制转子系统的振动。之后,采用跟踪滤波器、最小均方根算法与无模型自适应算法串联的控制结构,对双转子系统的振动主动控制进行了仿真分析。最后,在AMERDFD–双转子系统试验台上,进行了双转子系统加速过临界以及恒速条件下的振动主动控制试验。结果表明,基于所设计的串联控制器,AMERDFD能够明显地抑制双转子系统通过各阶临界转速时的振动,振动抑制最大可达87.5%。此外,所设计的串联控制器也能够在不明显改变其余测点振幅的情况下,有效地抑制恒速条件下转子目标位置的振动。

关键词： 合成孔径雷达图像   恒虚警率   超像素分割   舰船检测  

摘要： 合成孔径雷达(Synthetic Aperture Radar,SAR)能够不受天气和环境影响,长时间、远距离地高效对目标区域进行探测和数据采集来获取高分辨的观测数据,同时SAR可以多极化、多波段进行观测来获取丰富可靠的信息,以上特性使得SAR在舰船目标检测领域发挥着重要作用。针对传统超像素级恒虚警率检测算法运行效率低的问题,在超像素分割模块提出了一种基于Gamma分布的快速非迭代聚类算法。该算法使用优先级队列来动态实时更新聚类中心,实现了聚类过程的非迭代运算,并且针对SAR图像特点基于Gamma分布改进距离度量,通过衡量图块之间的相似度代替彩色空间距离度量,使得该算法更适合处理灰度图像。针对多目标邻近干扰的问题,本文在CFAR检测模块选用对背景杂波拟合效果好的截断Gamma分布模型。将改进的超像素分割算法与基于截断Gamma分布的检测算法结合,最终设计了一种改进的SAR图像目标超像素快速检测算法。经实验验证,本文提出的改进超像素分割算法在保证分割性能优异的同时,复杂度明显降低;另外截断Gamma分布尽可能地保留了真实的海杂波样本,在统计模型构建上呈现出更高的精确度和更佳的拟合效果,对后续检测算法更有利;在多目标邻近的实测SAR图像中,本文改进的目标超像素快速检测算法具有较高的检测率和执行效率。

关键词： 时态逻辑   事件检测   事件表示   时间序列   深度学习  

摘要： 针对深度事件检测模型对复杂时序事件检测准确性不足和忽略了不同事件间相关性的问题,提出一种基于信号时态逻辑的深度时序事件检测算法DSTL(Deep Signal Temporal Logic)。该算法一方面引入信号时态逻辑框架,并用信号时态逻辑(STL)公式建模时间序列中的事件来综合考虑时间序列上事件的逻辑性和时态性;另一方面采用基于神经网络的基础分类器来检测原子事件的发生情况,并通过STL公式结构和语义来辅助检测复杂事件。另外,使用神经网络模块替代相应的逻辑连接词和时态逻辑算子,从而提供可GPU加速和梯度下降的神经网络模块。通过对6个时间序列数据集的实验,验证了该算法在时序事件检测方面的有效性,并把使用DSTL算法的模型与不使用该算法而使用多层感知机(MLP)、长短期记忆(LSTM)网络和Transformer的深度时间序列分类模型进行比较。实验结果表明,使用DSTL算法的模型在5种事件上的平均F1分数提升了约12%,其中3种跨时间点事件上的平均F1分数提升了约14%,且具备更好的可解释性。