课程文献中心 更多>>

关键词： 相位细分   周期计数   CORDIC算法   误差分析   旋转迭代  

摘要： 相位细分技术是提高精密仪器测量分辨力和精度的关键。而传统的机械、光学等细分技术无法满足现在高精度测量领域的需求。根据坐标旋转数字计算方法(Coordinate Rotation Digital Computer，CORDIC)计算角度值原理，将输入的正交信号转换为向量(x，y)，通过多次旋转迭代，使得向量最终落于X轴，通过对旋转的角度进行求和，即可得到目标角度值。基于现场可编程门阵列(Field－Programmable Gate Array，FPGA)用verilog语言编写CORDIC算法，可以实现相位细分、信号辨向及整周期计数功能。通过扩展数据位宽消除算法迭代过程中产生的舍入误差，该改进算法经仿真与实验验证，经过20级迭代后其理论分辨力为0.4″，计算角度的误差为±0.5″，光栅测角系统实际测量的误差减小了约98.42%。该算法通过对正交信号精密细分进而计算出精密仪器的相角变化量，在工程应用中具有着普适性。

关键词： 高通道卷积   感受野模块   激活函数Silu   深度卷积  

摘要： 针对市面上大多数视觉辅助系统算法存在参数量大、检测性能低、不便于部署手机移动端等问题,基于YOLOv7-tiny设计了一个轻量级的视觉辅助算法。在网络中使用感受野模块(receptive field block,RFB)融合不同尺度的特征信息,提高对不同分辨率大小物体的检测精度;利用激活函数Silu(sigmoid linear unit)的非线性,增强模型的拟合能力,提升模型的学习速度和检测精度;通过对比实验选择性能更佳的深度卷积(depthwise convolution,DWConv)实现模型的轻量化。实验结果表明,改进后的轻量化模型相比原模型,参数量减少了52.1%,并获得了最佳的检测性能。与其他主流目标检测算法相比,该算法以2.9 M参数量实现了对室内目标更精准的实时检测。

关键词： 三维图像   隐伏地质构造   图像分割   改进FCM聚类算法   曲面去噪   遥感图像  

摘要： 隐伏地质构造中蕴含着较多的矿产资源，是现今地质研究领域的关键所在。由于隐伏地质构造位置较深，再加之信号传输衰减、环境、光线等因素的影响，致使隐伏地质构造三维图像复杂度较高，无法获取精准的隐伏地质构造信息。本文提出基于改进FCM聚类算法的隐伏地质构造三维图像分割方法研究，归一化处理三维图像，应用拉普拉斯算子去除三维图像曲面噪声信息，提升三维图像信噪比与清晰度，基于分形维数理论定位目标隐伏地质构造，采用自适应邻域加权改进FCM聚类算法，基于改进FCM聚类算法制定三维图像分割程序，执行制定程序即可实现隐伏地质构造三维图像的分割。实验数据显示：应用提出方法获得的三维图像分割精度最大值达到了96.32%，充分证实了提出方法三维图像分割效果更好。

关键词： A*算法   路径规划   遥感   土壤含水量反演   高光谱图像   数字高程模型  

摘要： 针对无人车在潮滩这类泥泞崎岖地形中无法高效抵达目标点的问题，提出了一种基于A*算法的改进算法Tidal-A*（TA*）为其规划最优路径。结合潮滩环境特点，提出使用路径土壤含水量（Soil Moisture Content， SMC）、路径高度起伏、路径长度共同衡量生成路径质量。针对环境信息难以直接获取的问题，使用无人机搭载高光谱传感器、激光雷达扫描目标区域，提出了结合光谱预处理与Pearson相关系数的组合降维方法训练SMC反演模型。针对传统A*算法只能依据路径长度搜索路径的问题，在为三条约束分别设计代价函数的基础上，提出了综合多约束的代价函数。针对传统A*算法无法依据需求改变路径的问题，设计系数组合控制代价函数中各约束占比，同时解决了不同约束间数量级不统一的问题。针对传统A*算法可能会忽略更优解的问题，改进启发函数的计算范围，使算法能以路径的冗余换取其它约束的优化。仿真结果表明，使用所训练模型的决定系数R2为0.784，相对分析误差RPD为2.151，相比直接反演分别提升了38%、33.8%；TA*算法生成的路径相比传统算法，路径长度、路径SMC、路径高度起伏最高分别减少3.4%、5.1%、18.7%。

关键词： 视频预测   目标中心学习   场景解析   无监督学习   时空预测  

摘要： 针对在视频预测任务中维持视频帧间目标空间和时间一致性的问题,提出了基于动态记忆与运动信息的目标中心视频预测算法。首先,引入目标中心模型解耦场景中的目标,确保视频目标在长期动态预测中的一致性和稳定性,有效维持目标的空间一致性;其次,设计目标动态记忆模块,用于捕捉视频的长期依赖并对目标动态进行精确建模,克服现有视频预测方法在预测目标间动态交互上的不足,提升预测目标的时间一致性;再次,利用相邻帧的特征相似性矩阵捕捉帧间运动信息,构建视频序列的时空关系,强化帧间的时间一致性;最后,利用交叉注意力机制融合视频目标的时序和结构信息,提升视频预测效果。在具有复杂目标交互的Obj3D和CLEVRER数据集上进行视频预测实验,实验结果表明:相较于较先进的基于目标中心的视频预测算法,所提算法在PNSR、SSIM和LPIPS 3个指标上性能分别提升了1.48、0.013和0.005。

关键词： 地形辅助导航   水下导航   地形匹配   粒子滤波   综述  

摘要： 地形辅助导航是一种利用地形特征辅助惯性导航的自主导航方法。与其他传统导航方法相比，地形辅助导航可以更好地满足水下航行器高精度、长航时、高自主性的导航需求，因而成为了水下导航定位领域的重要研究方向。围绕水下地形辅助导航算法，介绍了其基本原理和分类方式，并针对基于相关性的匹配算法、基于滤波的算法和基于同时定位与构图（SLAM）的算法这三类地形辅助算法的原理及其发展现状进行了综述，其中详细介绍了粒子滤波算法的研究进展。此外，还对比分析了各类算法的局限性、初始定位误差敏感程度、实时性、稳定性和计算量。最后，对地形辅助导航的未来发展趋势进行了展望。

关键词： RT-DETR   工人行为检测   注意力机制   模型轻量化   目标检测   特征融合   火灾检测  

摘要： 针对工厂时刻面临的安全生产问题，例如厂区车间内严禁烟火、需时刻关注工作人员的行为安全、恶劣工况场景下工人是否佩戴口罩等，提出了一个基于RT-DETR改进的工人行为及火灾检测算法FDH-DETR。首先，通过Deep Faster特征深度融合模块与FasterNet的融合，减少了算法的参数量和计算量；其次，通过DRBC3模块大小卷积核转换机制，减少了模型的推理成本；最后，通过HiLo-AIFI高低频尺度内特征交互模块，增强了对高低频特征的提取能力。实验结果表明，改进后的算法平均准确度达到了93.8%，参数量减少了31.6%，计算量减少了61.4%，FPS达到了150帧/秒，并在真实工况场景下进行推理实验，验证了算法的有效性。

关键词： 遥感图像   YOLOv8   多尺度空洞注意力机制   损失函数  

摘要： 针对小目标在遥感图像中的局限性，如图像背景复杂、小目标分布密集、目标尺度多样等问题，本文提出了一种基于YOLOv8n的改进算法。首先，设计了一个多尺度空洞注意力模块，在主干网络中引入多尺度空洞注意力机制与C2f模块结合，以有效捕捉多尺度的语义信息并减少自注意力机制的冗余；其次，设计了一个残差快速卷积模块，减小模型计算量并提高特征提取能力；最后，使用PIoU v2-Iou损失函数代替CIOU损失函数，提升模型的检测精度。通过在DOTA、RSOD和VisDrone2019数据集上的实验结果显示，改进后YOLOv8n模型与原模型YOLOv8n相比，mAP分别提升了2.7%、3.3%和3.8%，计算量降低了0.5 GFLOPs，验证了新算法的有效性。

关键词： 零样本常识问答   知识图谱   元学习  

摘要： 零样本常识问答要求模型能回答未见过的问题。目前多数研究者都将知识图谱作为常识知识进行注入，但是当知识图谱与目标数据集在领域上几乎没有重叠时，不管是增加知识图谱种类还是增加图谱内的三元组数量，都难以有效提升模型在目标数据集上的问答能力。为解决这些不足，该文提出一种用于零样本常识问答的多知识元学习算法MKML。该方法通过训练不同的知识适配器(KG-Adapter)以分别将多个知识图谱注入预训练模型，并通过构建元混合专家模块(Meta-MoE)融合这些适配器中的知识。同时，为了增强模型根据自身知识回答未知目标领域问题的能力，MKML通过构建多源元学习方法更新Meta-MoE参数，以帮助模型获取共享的知识结构分布信息，并使其拥有根据问题提示识别未知领域知识分布的能力，从而快速适应目标数据集。多个常识问答数据集上的实验结果表明，与现有的八个基线方法相比，MKML在零样本常识问答方面拥有更高的准确率。