摘要:针对传统发电机局部放电监测方法出现的放电脉冲信号衰减失真和易受噪声干扰的问题。为提高其准确性和快速性，本文采用宽频带检测技术对局放信号进行有效捕捉，并利用模态分解法提取放电脉冲信号的固有模态分量，通过对原始信号与各固有模态分量的关联性分析，根据峭度准则获取包含局部放电脉冲特征信息的有效分量，从而将干扰信号从局放信号中分解分离，准确掌握发电机实时的运行状态。结果表明：该方法信噪比相比于软阈值小波去噪提高了52.5%，均方差降低了30.7%，分别为6.75和0.04，且在波形平滑度上表现良好，同时，该方法计算时间仅8.62s，很大程度的降低了迭代次数，减少了信号分析时的迭代计算时间。有效提高了对发电机局放信号的去噪效果及采集效率。

摘要:为解决大数据量传输系统中传输速率低、带宽小、可靠性差的问题，本文提出一种基于SRIO协议的FPGA间大量数据高速传输的设计方案。设计使用FPGA内嵌SRIO IP核对传输数据进行发送、解析和接收；使用FPGA内部GTP高速串行收发器作为物理层传输基础；利用光电转换模块实现光、电信号的转换，以完成数据远距离传输。通过测试验证本设计数据传输准确可靠，传输速率可达280MB/s，且本方案已成功应用于遥测系统存储器地面测试台项目，可实现两FPGA设备间大量数据高速可靠传输。

摘要:滚动轴承作为牵引电机的重要部件之一，其故障诊断的准确性对保证牵引电机的正常运转具有重要的意义。为提高轴承故障诊断的准确性及有效性，选用最大相关峭度解卷积(MCKD)结合希尔伯特-黄变换（HHT）的方法进行诊断。针对MCKD算法受移位数（M）,滤波器阶数（L）和冲击信号周期（T）特别依赖于经验的选择，选用动态粒子群算法对其进行优化，以降低噪声信号干扰，突出由故障激发的脉冲信号。再利用HHT算法得到信号包络谱，可以更好的识别不同故障类型。将VS与MATLAB相结合，可实现诊断算法应用到高级开发语言环境下。利用CWRU轴承数据集对算法进行验证，验证结果表明，该方法能够有效增强故障特征，得到轴承内圈故障频率为162Hz,轴承内圈故障频率为108Hz，可准确识别轴承的故障类型。

摘要:针对传统研究中APP能耗漏洞模型存在尾部能耗与应用对象限制的问题，构建基于系统调用的能耗漏洞模型。首先使用集合交叉递归特征消除法选择影响每个类别APP能耗的重要系统调用作为特征，提高特征细化粒度。然后为每个类别APP构建多个回归模型，通过比较不同模型的平均绝对误差与决定系数，选择线性核支持向量机回归作为分类APP的能耗模型。最后基于测试集比较集合交叉递归特征消除法与交叉递归特征消除法所构模型的平均绝对误差，结果表明集合交叉递归特征消除法所构模型精度最多提高4.4%，同时基于测试集比较分类模型与未分类模型的平均绝对误差，结果表明分类模型精度最多提高6.7%，并且分类模型能准确检测出APP历史版本的能耗漏洞。

摘要:针对统一潮流控制器（UPFC）在调节电力线路潮流过程中存在的功率不平衡引起的UPFC接入点电压和直流电容电压波动问题，通过构建UPFC的数学模型，设计并联变换器电流解耦控制器，根据功率平衡原理推导出稳压控制的电流前馈补偿量，提出改进的并联变换器协调控制策略，将得到的前馈补偿量引入到并联变换器有功和无功控制系统中，为实现单位前馈采用移动前馈补偿点和增加前馈补偿函数方法，来改善补偿效果。通过MATLAB搭建含有UPFC的500KV交流输电系统仿真模型，结果表明，相比改进前的协调控制策略，所提控制策略既满足了有功无功潮流相互协调控制要求，又提高了输电系统对电压的支撑能力（接入点电压和直流电容电压波动已分别降低至6.7 KV、1.1 KV），系统对直流电容的输出响应时间也缩短了0.5 s。

摘要:针对电力系统日益复杂的运维问题，本文将北斗精准时空技术与数字孪生系统理论相结合，提出构建智能电网运维平台的方法。该方法通过将北斗与物联网传感器相结合，形成可以进行状态预测、故障诊断、自愈等功能的数字孪生运维平台。本文首先分析了北斗数字电力孪生系统总体架构，然后从数字孪生体建模理论、基于北斗的数据采集智能终端、数字孪生平台的运行模式等方面展开讨论电力系统的数字孪生体构建方法，最后进行了应用试验分析。研究结果表明，本文提出的方法对提升智能电网的运维能力具有参考价值。

摘要:为了实现对咖啡产地的快速溯源检测，提出了一种基于电子舌与生成对抗网络（GAN）-卷积降噪自编码器（CDAE）-极限学习机（ELM）组合模型相结合的检测方法。针对电子舌检测原始数据样本数量不足而导致深度学习模型准确率低、泛化能力差等问题，采用生成对抗网络（GAN）扩充训练样本数据规模，提高系统的鲁棒性；针对电子舌输出信号复杂、维度大、噪声多的特点，采用卷积降噪自编码器（CDAE）在低维特征空间对电子舌信号进行特征提取，提高关键特征的表达能力；最后，采用极限学习机（ELM）对提取的特征信息进行分类鉴别，构建咖啡产地溯源检测分析模型。利用该模型对五种不同产区的咖啡进行分类鉴别，结果表明：与基于离散小波变换（DWT）结合支持向量机（SVM）与极限学习机（ELM）等传统机器学习模型以及VGG16网络等深度学习模型相比，GAN-CDAE-ELM对不同产地咖啡分辨效果更优，其测试集的准确率、精确率、召回率、F1-Score分别达到了99.00%、99.03%、99.00%、0.9901。该研究为基于智能感官系统的咖啡产地快速辨识与检测提供一种新思路。

摘要:滚动轴承是旋转机械的重要部件之一，针对滚动轴承故障诊断问题,本文提出了一种多尺度排列熵（MPE）与粒子群优化（PSO）的支持向量机（SVM）相结合的算法。利用MPE方法得到轴承故障信号的故障特征，并将其作为特征向量输入PSO-SVM模型中，使用凯斯西储大学轴承故障数据进行验证，发现此方法可以有效进行滚动轴承的故障识别。同时将此方法与多尺度排列熵结合传统的SVM方法以及使用网格搜索优化的SVM方法所得故障分类结果进行比较，发现该方法在滚动轴承故障诊断的时效性以及准确率方面具有一定的优越性。

摘要:心电图(electrocardiogram,ECG)检测是心脏疾病最常用的诊断方法。但是在心电信号采集过程中往往会受到噪声干扰，从而使心电信号分类诊断的正确率受到很大影响。为提高分类诊断的准确率和抗噪能力，改进设计了一种用深度残差收缩网络(deep residual shrinkage network,DRSN)实现自动抗噪、全局平均池化(global average pooling,GAP)整合空间信息的ECG分类诊断模型。在MIT-BIH心律失常数据集上验证了模型的分类性能，并将其与普通的卷积神经网络(convolutional neural network,CNN)模型进行了抗噪性能分析比较。实验结果表明：设计的DRSN+GAP诊断模型基于AAMI标准的分类正确率高达99.3%，对不同强度的工频及高斯两种噪声其抗噪性能均优于普通的CNN模型。

摘要:基于介电润湿（EWOD）效应的数字微流控系统（DMF）能实现微升级别的多个液滴移动，分裂，合成等操作。为了降低EWOD器件异质液滴之间的交叉污染，减少化学合成和生化检验在EWOD器件中的完成时间，保证器件的可靠性，本文通过Matlab平台对DMF系统环境进行空间建模，在基本A*算法的基础上，将拐点作为估计函数值的影响因子，融入液滴碰撞策略，提出了针对EWOD器件流体特征的改进A*算法。通过对化学合成实验的仿真模拟，该算法表现出了较好的液滴寻址优化特性。对比基本A*算法，在相同路径长度下(64个驱动电极)，本研究算法能够有效减少冗余的拐点（减少10个）和液滴到达目标电极时间（减少约23s）。此外，改进的算法在复杂条件下（存在未知和已知故障）的多液滴合成实验也表现出较好的适应性（只需要24个时间戳即实现合成）。实验结果证明提出的液滴寻址算法对EWOD器件中多液滴的路径规划和调度优化具有较好的应用性和可靠性，可有效减少液滴应用在EWOD器件中的完成时间。

摘要:针对在低信噪比环境下传统语音增强方法适应性差和增强效果不理想的问题，提出一种基于Wasserstein散度的深度生成对抗网络(Wasserstein Divergence Deep Generative Adversarial Network)的语音增强方法。该方法以5个生成器和1个判别器为基础组成深度生成对抗网络，利用5个生成器进行5次增强处理，有效提高对抗网络在低信噪比条件下的增强效果，使用Wasserstein散度优化网络训练，改善传统GAN网络训练过程中存在的训练不稳定等问题，提高深度生成对抗网络训练的稳定性。在低信噪比环境下该方法相比于传统语音增强方法噪声适应性和增强效果都有明显提升。实验结果表明，与原始带噪语音相比，增强语音的分段信噪比平均提高6.1dB，语音质量感知评估测度和短时客观可懂度分别平均提升28.9%和10.6%。

摘要:新研制或生产的压力变送器需对它的技术性能指标进行全面检测，保证量值的精准输出。压力传感器经过一段时间储存积累使用或修理后也要对它主要的技术性能进行二次检定，保证其性能指标达到要求标准。现实生产中及工作环境的影响导致其输出产生非线性输出，因此提出一种基于三阶非线性多项式的逆模型进行压力变送器的非线性校准和采用改进粒子群优化算法的小波神经网络模型对其进行温度补偿校准。经过非线性校准后的输出最大绝对误差和常用的端基平移法相比，最大绝对误差从6.0265减小到了0.3086，经过改进粒子群优化算法进行温度补偿校准后的输出精度从0.386%降低到0.091%，实现了压力变送器高精度的输出。

摘要:针对鬼成像重构效果差所导致目标信息难以有效凸显的问题，结合自编码神经网络降噪优势，提出了一种鬼成像优化方法。该方法以手写数字数据集为样本，在对探测数据进行二阶关联获得初始鬼像的基础上，构建了一个降噪网络模型。该网络模型采用Leaky relu线性激活函数来解决网络的过饱和和单元死亡的问题，并通过10000个测试样本集验证了所提网络模型的有效性。通过对不同采样率下优化前后鬼像的质量进行了对比分析，分析结果表明，优化后综合不同采样率下鬼像的峰值信噪比较CGI、DGI、CS分别平均提高87.02%/93.99%、81.97%/85.90%、27.22%/18.16%；对比度较CGI、DGI、CS分别平均提高479.03%/363.79%、380.42%/272.91%、38.76%/31.05%。

摘要:在电力系统实际工作的过程中，电缆导体的温度过高往往会造成电力系统出现故障，但由于电缆的缆芯温度不易监测，因此提出一种基于LSTM(Long Short-Term Memory)的滚动预测方法对电缆的缆芯温度进行预测。根据采集到的缆芯温度数据集，利用该算法对模型进行训练，动态调节网络模型参数，学习数据变化的规律，从而实现缆芯温度的预测。结果表明该算法模型的RMSE为0.1979℃，与BP、LSTM算法模型进行对比，验证了该算法模型可以有效的预测短期缆芯温度变化趋势，表明该算法在电力系统安全运行方面具有一定的实际应用意义。

摘要:针对长输油气管道泄漏检测过程中泄漏信号特征信息提取困难，提出一种新的管道负压波信号特征提取方法。采用添加自适应噪声的完备集合经验模态分解算法对采集的负压波信号进行去噪，通过评估CEEMDAN分解后分量与原始信号的概率密度之间的豪斯多夫距离选取有效模态并重构。计算重构信号的云模型特征熵、峭度作为特征参数，用支持向量机进行分类识别。通过实验室数据验证，CEEMDAN、豪斯多夫距离与云模型特征熵结合的方法可以有效提高油气管道泄漏检测的准确性，实现了对流量小于m/h的微小泄漏信号的识别，具有一定的现场应用价值。

摘要:随着传感器、微电子等技术的发展，通过可穿戴式传感器对人体的运动模式进行识别，具有广泛的应用价值，如何提高识别的准确率，具有重要研究意义。考虑到人体下肢运动的特点，本文提出了一种基于CNN和Mogrifier LSTM的人体运动模式识别算法，先利用CNN提取原始数据的局部相关特征，再使用Mogrifier LSTM代替全连接层，挖掘局部相关特征的前后依赖关系，对行走、跑步、上楼梯、下楼梯、上坡和下坡六种常见的运动模式进行识别。实验结果表明，相比于传统LSTM算法，Mogrifier LSTM的准确率提升了1.03%，将CNN和Mogrifier LSTM相结合后，准确率进一步提升了1.17%，达到了98.18%，证明了算法的优越性。

摘要:在分时交替模数转换器（TI-ADCs）系统各项误差的校正中，目前大多方法是针对高速（GSPS）中低精度（≤16bit）TI-ADCs系统的误差校正算法，且对非线性误差的研究较少，提出了一种适用于高精度（24bit）TI-ADCs系统的非线性失配误差校正算法。首先提取输入信号经过系统后的含非线性误差输出数据，根据截断的Volterra级数误差模型并借助矩阵变换与最小二乘法（LS）估计出误差系数，然后使用误差重构的多级校正方法来补偿系统的动态非线性误差，得到校正前后的频谱对比图。在单频、多频等频率间隔和不等频率间隔正弦输入情况下进行仿真，四级校正后TI-ADCs系统的SFDR分别由22.91dBc、11.12dBc和11.14dBc提升到了104.45dBc、96.74dBc和99.25dBc。结果表明，该方法对TI-ADCs系统的非线性误差在Nyquist频带内的校准在理论上是有效的，对高精度系统校正效果良好。

摘要:目前信号采集技术在某些领域如金属测伤、生物医疗中，主要关注偶发信号。如果采用传统固定频率采集信号的方法会造成存储资源严重的浪费。针对这一问题，提出一种基于DDS时钟分相合成的变采样率偶发信号采样方法。该方法结合了DDS技术和波形分相合成技术，并根据信号特征自适应地切换采样频率。在保证信号信息完整性的同时，减少了无用信号的数据存储。经过仿真与实验验证结果表明，此方法在FPGA平台上很好的实现了采样率12MHz与96MHz的实时切换控制，完整还原了最高频率为10MHz的探伤检测波形细节，同时在FPGA的并行处理下利用分相合成技术提高了至少四倍采样率，优化了资源利用率。

摘要:为实现便携式心电（ECG）监测，对一种基于BMD101芯片的实时ECG监测设备进行了设计与研究。在硬件上，通过器件对比选型、电路滤波和印制电路板模数分离设计，最大限度地降低功耗，抑制噪声干扰。另外针对可能残留的基线漂移、肌电噪声、工频干扰等常见噪声开发了去噪声算法。实验表明，所采集心电信号质量高，算法去噪效果良好，设备单次连续工作时长超过24小时，具有成本低、体积小、易操作的特点，工作状态稳定，为个人ECG监测提供了一套便携式设备。

摘要:目前针对脑卒中患者躯体感觉功能的研究较少，医院进行测试时仍在使用较为原始的两点辨别觉测试盘。本文论述了一种脑卒中患者感觉功能定量测试系统，弥补了现阶段康复医院中两点辨别觉传统测试方式缺乏数字化、现代化的问题。通过对系统进行软硬件设计，本套系统集成了测试、电子记录、图表分析等多种功能。经过医院实地测试，通过对比实验数据，可证明该系统定量测试所得数据与传统测试方法结果几乎一致，同时测试时间可以缩短90%左右,故该系统具有准确性和高效性，可以进一步推广和应用。

摘要:为解决传统总线在FPGA与FPGA之间高速数据传输时在带宽、灵活性、传输距离和可靠性等方面的不足，提出了一种基于Serial RapidIO(SRIO)互连体系结构和光电转换模块为一体的远距离高速数据传输方案。该方案以Xilinx的ZYNQ7000系列FPGA和Kintex7系列FPGA为RapidIO的互连设备，通过调用Xilinx的IP核实现SRIO传输协议并对逻辑层的用户接口编程完成通信，数据交换接口采用光电转换模块以光缆替代电缆实现远距离数据交换。经过大量测试试验，该方案在通信两端连接10km光缆实现的传输速度为444Mbps，传输过程零误码零丢帧，且系统运行稳定、可靠。

摘要:针对WSN节点定位中DV-Hop算法存在较大定位误差的问题，深入分析产生误差的原因，提出了一种基于跳距改进和麻雀优化DV-Hop定位算法(ISSA-DH)。该算法首先通过通信半径细化精确跳数，并添加加权修正因子来降低平均跳距的误差;然后通过估计距离和实际距离的偏差量进一步加权修正跳距;再利用改进的麻雀算法取代最小二乘法，把无线传感器的定位问题转化为求解最优问题，进而得到未知节点的位置。通过仿真，在不同的条件下ISSA-DH算法较DV-Hop算法和改进算法（DCAI DV-Hop）定位误差平均下降50.3%、34.3%，证明ISSA-DH算法能够有效减少定位误差。

摘要:连续相位调制(continuous phase modulation, CPM)是一类包络恒定的调制方式，具有较高的频谱利用率和功率利用率。其恒包络特性可以在调制中很好的适应非线性放大器。这使得连续相位调制可以在诸如卫星通信，深空通信等通信领域中得到很好的应用。为提高系统性能，使用串行级联码与连续相位调制技术结合的系统模型。由于传统译码算法复杂度高的问题，使用改进的Max-Log-APP算法进行译码。在加性高斯白噪声信道下，针对译码迭代次数和CPM参数众多互相关联的问题，设计了一种参数优化方法。结果表明，在低信噪比的情况下，优化参数后的系统误比特率能有1dB左右的性能提升。

摘要:为有效解决光正交频分复用(optical orthogonal frequency division multiplexing，OOFDM)系统中高峰值平均功率比(high peak average power ratio，PAPR)的问题，提出一种结合恒包络OFDM调制技术的恒包络光OFDM基带系统设计方案。恒包络光OFDM系统是在普通光OFDM系统的基础上在基带中将OFDM信号调制到恒包络载波信号的相位上，经过数模转换后调制到光载波上，得到的恒包络光OFDM信号的PAPR为0dB，解决了光纤传输中的非线性器件工作效率问题。该文在Matlab中搭建恒包络光OFDM基带系统数学模型进行仿真，在现场可编程门阵列(field-programmable gate array，FPGA)上实现，并在搭建的系统中寻找最优的调制系数。实验结果表明：恒包络光OFDM基带系统在实际中可以将PAPR降低至接近0dB，系统在调制系数小于等于1时系统得到最高的频谱利用率，在调制系数为1.3时系统得到最低的误比特率。

摘要:在人脸识别中，线性回归分类是一种快速且有效的方法。然而，线性回归分类是基于图像向量进行识别，导致原始矩阵图像往往为高维数据，且人脸图像经常受到污染。为此，提出一种基于PCA和IGG权函数的鲁棒线性回归分类方法。首先通过PCA对人脸图像进行降维，再采用IGG权函数对被污染的人脸图像进行分类。选用公开的ORL和Yale人脸库，将线性回归分类、基于IGG权函数的鲁棒线性回归分类和基于PCA和IGG权函数的鲁棒线性回归分类进行比较。实验结果表明，在ORL和Yale人脸库中，在不加噪声和加入椒盐噪声和斑点噪声条件下，本文提出方法的识别率均值都在92.07%以上，均高于另外两种方法。

摘要:在基于机器视觉的轮廓测量系统中，由于摄像机的透镜透光率不均，成像中存在光学畸变，对测量精度造成影响。为了对光学畸变进行校正，论文首先建立畸变数学模型，然后使用系统测量正方形标定板得到存在畸变的轮廓数据，根据存在畸变的轮廓数据的几何特征和直线约束条件使用LM优化算法完成对畸变模型中参数的标定。通过实验多次标定同一套轮廓测量系统，将标定结果与已有方法进行比较。实验结果表明，相较于已有算法，该论文所提方法多次标定的结果标准差更小，说明该论文所提方法具有更好的鲁棒性。

摘要:毫米波是一种不具有电离辐射的电磁波，其能够穿透绝缘衣物布料和对人体无害的特性使得毫米波在人体安检领域有着巨大的发展前景。将深度学习方法运用至毫米波图像目标检测领域，提出一种基于改进YOLOv3-Tiny的毫米波图像目标检测方法。首先，在特征提取网络中增加卷积层提升网络深度，并增加至3个不同尺度的预测层加强对毫米波图像目标的检测能力；然后，在FPN特征金字塔(feature pyramid network)中引入CBAM注意力机制(convolutional block attention module)，使网络更关注毫米波图像中待测目标的特征，忽略背景噪声冗余的特征。结果表明：改进后的网络平均准确率可达93.4%，单帧检测速度为15ms，模型参数仅为38.7M，为毫米波安检系统高精度、小型化的研究提供了参考价值。

摘要:在遥感和场景文本图像中，目标具有方向多样性和尺度变化较大等特点，使得常见目标检测方法在这两场景中检测效果不佳，针对此问题，诞生了许多专门设计的检测方法。将朝向角度信息融入候选区域生成网络或设计专门的方向角度预测网络，是目前有朝向目标检测研究的主流方法，其对遥感和场景文本图像检测具有重要意义。本文综述了旋转目标检测在遥感和场景文本两场景中的研究现状，根据有无锚框将当前基于深度学习的旋转目标检测方法分为基于锚框的一阶段方法、基于锚框的二阶段方法和无锚框方法三类方法进行归纳分析，并从优缺点、骨干网络和适用场景等方面进行了对比。最后，对旋转目标检测方法的发展前景和研究方向进行了展望。