课程文献中心 更多>>

关键词： 密集假目标干扰   移频干扰   干扰抑制   调频斜率捷变   二值化处理   时域滤波  

摘要： 为对抗脉间相参和瞬时转发场景下多分量移频干扰形成的密集假目标，提出了一种基于脉间调频斜率捷变线性调频(SA-LFM)波形的密集假目标干扰抑制算法。首先，通过变带宽的方式，发射脉间SA-LFM波形，使假目标脉压后在快时间维形成距离走动，破坏干扰的相参性。随后，根据雷达系统性能指标设计分割阈值对回波脉压数据进行二值化处理。然后，根据目标和干扰的分布特征，将二值化数据沿慢时间维相加，设置合适门限识别目标位置并构造时域滤波器。最后，对回波脉压数据时域滤波剔除干扰。仿真实验表明：所提方法能有效抑制密集假目标干扰，并且干扰抑制后对目标有效检测的干信比临界值相较大津法提高了7 dB。

关键词： 微震波   工频干扰   季节趋势离散分解   递推最小二乘法   自适应算法  

摘要： 提出一种结合时间序列季节趋势离散（seasonal trend dispersion, STD）分解和递推最小二乘（recursive least squares, RLS）法的自适应去除工频干扰方法。该方法利用STD分解提取含工频干扰微震波的季节项，作为RLS的参考信号，并动态更新算法系数，使计算信号接近工频干扰信号。设计仿真实验，将1组无工频干扰的微震波与3种不同类型工频干扰叠加，分别使用有限冲击响应（finite impulse response, FIR）滤波、小波阈值（wavelet threshold, WT）滤波和本文方法进行处理。结果表明，本文方法能有效去除工频干扰，同时完整保留微震波的关键时频特征。此外，将本文方法应用于桃园煤矿微震监测数据处理，验证了其工程应用的可行性与可靠性。

关键词： 小目标检测   注意力机制   特征提纯   计算机视觉  

摘要： 近年来，基于深度学习的目标检测算法在准确率和鲁棒性等方面取得了巨大的进步，并且在工业界已经取得了广泛的应用。但是，在小目标检测领域，当前的目标检测算法仍然存在着漏检率高和误检率高的问题。因此，本文提出一种基于SCConv和BSAM注意力机制的YOLO小目标检测算法—BS-YOLO。首先，针对特征提取网络存在大量的冗余信息的问题，利用SCConv重构主干网络，提出一种新的模块C3SC，将提取到的特征图在空间和通道两方面减少冗余信息，提升主干网络提取到的特征图质量，从而提高检测精度。其次，基于CBAM注意力机制，结合Biformer自注意力机制提出一种新的注意力机制BSAM，在空间和通道两方面合理分配权重，使特征图更加关注有效信息，抑制背景的干扰。另外，为了解决小目标检测存在的难易样本分布不均匀的问题，利用Slideloss优化损失函数，提高小目标检测的质量。基于RSOD数据集的小目标检测实验表明，BS-YOLO算法的准确率为94.2%，召回率R为91.6%，均值平均精度mAP（交并比0.5）为95.9%；相对于原始的YOLOv5算法分别提高了3.3%，0.1%，3.6%；结果验证了BS-YOLO算法可以有效提高小目标检测的精度，降低漏检率。

关键词： YOLOv8   无人机   小目标检测   特征融合   模型剪枝  

摘要： 针对无人机图像中小目标实例多、目标间存在遮挡所导致的漏检、误检等现象，提出了一种基于改进YOLOv8的轻量化无人机图像小目标检测算法。在颈部引入三特征编码器、尺度序列特征融合模块，增强了网络对不同尺度特征的提取能力；同时，设计了小目标检测层，并与改进的颈部特征提取网络进行融合，在头部引入一个额外的检测头，减小小目标特征的损失，增强网络对小目标的识别能力；此外，针对CIoU的缺陷，结合Wise-IoU、inner-IoU和MPDIoU，提出了一种回归损失算法Wise-inner-MPDIoU；最后，为了实现算法在移动端和嵌入式场景下的轻量化应用需求，进行了基于幅度的层自适应稀疏化剪枝，在保证模型精度的同时，进一步压缩了模型的大小。实验结果表明，改进后的模型相比于原YOLOv8s模型，在mAP50提高6.8%的同时，参数量下降76.1%，计算量下降17.1%，模型大小降低73.5%，达到了优秀的提升模型检测精度及轻量化效果，具有很强的实用意义。

关键词： 多网络   互斥路由   负载均衡   优化算法   智能电网  

摘要： 针对智能电网采用光纤通道传输电力差动保护业务时存在大量超负载设备和光缆的问题，建立了负载受限条件下业务互斥路由的多网负载均衡模型，提出实现多网负载均衡优化的整数线性规划算法。以中国某省的多个电力光纤通信网为例进行了优化求解，求解结果表明所提优化算法能较大程度上减少超负载设施数（其中作为主要优化目标的中断保护业务超负载设施数比现路由方法减少约67%），并把高负载设施上的业务均衡到低负载设施上承载。

关键词： 深度学习   计算机视觉   行人搜索   目标检测   粒计算   数据处理   特征提取   生成对抗网络   对齐  

摘要： 现有行人搜索方法着重于从有限的标注场景图中学习有效的行人表征，虽然这些方法取得了一定的效果，但学习更具有身份辨别力的行人表征通常依赖于大规模的标注数据，而获取大规模的标注数据是一个资源、劳动密集型的过程。为此，该文提出了一种场景图多粒度遮挡特征增强算法，对原始场景图进行多粒度随机遮挡，扩充训练数据，并从遮挡后的场景图中生成具有多样化信息的虚拟特征，最后利用生成的虚拟特征增强真实特征中的行人表征。进一步，基于生成对抗学习，该文设计了多粒度特征对齐模块，用于对齐遮挡图像特征和原始图像特征，保持两者语义一致性。实验结果表明，在CUHK-SYSU和PRW数据集上，该算法能够显著提升行人搜索任务的搜索精度。

关键词： 深度学习   目标检测   文字检测   压印文字   YOLOv8  

摘要： 针对轮胎胎侧压印文字区域受到深色背景干扰，现有算法无法准确执行检测任务的难题，本文提出一种改进YOLOv8s的轮胎胎侧压印文字区域检测算法TireYOLO。首先，提出一种轻量化特征提取模块RepNCSPELAN4＿CAA，用于替换YOLOv8s原有主干网络的C2f模块，通过CAA注意力机制更好地捕捉上下文特征信息，在提高模型精度的同时降低计算代价。其次，采用一种动态采样的轻量化大感受野特征融合颈部结构DyLKVHSPAN，通过改进HSFPN网络结构，提出一种高效特征融合网络HSPAN，同时通过Dysample上采样算子进行动态采样，并且提出一种大感受野的特征融合模块UniLKVoVCSP，使DyLKVHSPAN在保持轻量化的同时利用大感受野更好融合特征。最后，提出一种低计算量检测头DWLHead，重新设计原有检测头的结构，在降低计算量的基础上提高检测性能。实验结果表明，与YOLOv8s相比，TireYOLO算法在轮胎胎侧关键信息所在区域目标检测的mAP@0.5～0.95 提高2.5个百分点，参数量降低48.4%，计算量降低49.6% ，验证了本文所提出的算法在检测轮胎侧文字区域方面的优越性。

关键词： 锂离子电池Π型风冷BTMS   MOPSO   帕累托前沿   CRITIC权重法  

摘要： 风冷电池热管理技术具有结构简单、成本低、能耗低等优点，常用于电动汽车锂离子电池的温度控制。然而，风冷技术也有冷却能力差，电池温度均匀性不好等明显缺点。本文设计了一种新的Π型风冷电池热管理系统(BTMS)，通过数值模拟比较了Π型和Z型风冷BTMS的冷却性能。研究结果显示，相较于Z型风冷BTMS，Π型风冷BTMS能够实现更均匀的内部空气流场，从而降低电池组的最高温度和最大温差。为进一步提升其冷却性能，研究了进风口高度、进风口宽度和出风口位置等结构参数对Π型风冷BTMS性能的影响，并建立了这些参数与电池组最高温度、最大温差以及平均温度的函数关系。采用多目标粒子群优化算法(MOPSO)对各结构参数进行优化，首次使用CRITIC权重法选取了最优解，改善了其他研究在选取最优解时受主观影响较大的缺陷。研究结果表明，优化后的结构参数显著改善了Π型风冷BTMS的冷却性能，电池组最高温度降低11.11%、最大温差降低50.74%、平均温度降低7.41%。

关键词： 输电铁塔状态检测   CT-YOLO   L-ELANnet   K-menas++   Wise-IoU损失函数  

摘要： 输电铁塔作为输电线路的支撑，其良好的状态对电力系统运行至关重要；但目前研究中尚无输电铁塔状态检测数据集。为实现对铁塔危险状态的检测和预警，首先构建一个包含异物入侵、动物巢穴、塔基遮挡、外力破坏等7种类别的铁塔状态图像数据集。然后提出轻量的输电铁塔状态检测算法CT-YOLO，该算法包含：（1）提出轻量化的骨干网络L-ELANnet，采用L-ELANnet能实现检测精度无明显变化的前提下减少3/4的参数量；（2）提出基于ECA注意力机制的空间金字塔池化模块，该模块能以更少的参数量实现不同尺度特征融合；（3）采用K-means++算法优化模型先验框，提升模型对数据集中垃圾、起重机等细长目标的学习能力；（4）引入Wise-IoU作为边框损失函数，Wise-IoU通过为不同质量的数据提供动态非单调的梯度增益，能从整体上提升模型的训练精度和收敛速度。最后开展消融和对比实验，验证改进模型的有效性和优越性，实验结果表明，与原始模型相比，所提基于轻量YOLO K-means++算法的mAP@0.5从94.9%提高到95.4%，检测速度提高了21.5%，达到113.6 FPS，并且模型大小仅为14.9 MB，参数数量是原模型的1/5。总体而言，改进后的模型具有更高的检测精度和更快检测速度，同时与主流目标检测算法相比，所提出算法在输电铁塔状态检测方面具有更优越的性能。

关键词： 自动化立体仓库   货位分配优化   多目标优化   灰狼算法  

摘要： 货位分配问题在自动化立体仓库的优化中扮演着至关重要的角色。针对立体仓库在仓储作业中效率不高的问题，提出了一种基于灰狼算法的货位分配优化方法，以弥补其对市场需求和出入库频率变动性的不足。通过综合考虑入库效率、货物货架稳定性以及货物相关性，建立了一个多目标优化数学模型，并通过权重系数法将多目标优化函数转化为单目标优化函数。提出了一种灰狼优化算法，并利用Matlab软件对模型进行仿真验证，得出了可行的货位分配优化方案，并通过三维仿真图形展示了优化效果，证明了灰狼算法的可行性和有效性。