摘要:本文针对研发的正交轴系三维激光扫描设备几何参数标定问题，提出一种基于改进粒子群的标定算法，以解决设备装配几何误差带来的测量精度降低问题。首先，基于三维扫描设备的改进DH参数模型构建待优化几何误差参数并利用粒子群算法在约束范围内进行迭代优化以确定标定值；然后，在传统粒子群算法基础上进行了动态参数（惯性权重、学习因子的动态调整和基于整体最小二乘算法动态平面拟合的适应度函数改进）的优化以解决算法陷入局部最优的问题；最后，采用3种不同方法进行基于标准棋盘标定板的标定实验。实验结果对比分析表明：本文提出的动态平面拟合-参数改进PSO算法大幅提高了标定算法的收敛速度以及适应度计算可靠性，可以对设备进行快速标定，采用该方法标定后的设备其测量的精度也大幅提高。该标定方法为其它正交轴系的测量设备的几何参数标定提供了一种参考。

摘要:针对锂电池组在充放电过程中出现能量不一致的问题，本文提出了两级均衡拓扑，分为组内和组外。电池组内采用基于电感的环式结构均衡电路，实现了在相邻单体电池及首尾电池之间的能量双向环式转移新型主动均衡。电池组外采用基于单电感的集中式均衡拓扑，可以实现组间任意电池组之间的均衡。在均衡控制策略方面，以电池荷电状态为均衡变量，设计了模糊逻辑控制算法动态调整均衡电流，以减少均衡时间和提升均衡效率。使用MATLAB/Simulink软件进行模型搭建并仿真，实验结果表明，本文提出的能量传递拓扑比传统Buck-Boost电路在相邻单体间能量传递的拓扑要减少了24.46%的均衡时间。此外，与模糊逻辑控制算法相比，使用模糊逻辑控制算法在静置和充放电条件下，均衡后单体电池的标准差下降了约11%。验证了该均衡方案的可行性。

摘要:探地雷达技术已经广泛应用于城市道路及地下空间隐伏病害的快速精细探测，但受城市环境复杂干扰影响，探地雷达数据掺杂噪声与杂波，导致数据信噪比低，影响处理与识别精度。为提高探地雷达数据的信噪比，得到高质量的探测数据，本文在传统小波阈值去噪算法的基础上，提出了一种基于粒子群算法的改进小波阈值去噪算法。采用MATLAB、gprMax2D工具进行去噪仿真实验。实验结果表明，本文提出的去噪算法与传统的软、硬阈值去噪算法相比，信噪比分别提高了28.02%、6.97%，均方误差分别降低了71.86%、31.88%，具有更好的去噪效果。将本文提出的算法运用到实测探地雷达数据处理过程中，可以为城市道路及地下空间安全提供技术支撑。

摘要:为解决RFID通信安全问题，本文提出一种新的物理层标签防伪技术，该技术对原始信号进行信号分离得到期望、噪音和标准化信号，然后对3种信号的谱熵特征进行特征提取，最后利用特征选择实现真伪标签分类。另外，本文还提出了一种新的交叉验证来客观测试物理层方法的性能。结果表明，本文方法准确率比传统方法提升近4%，在新交叉验证下，物理层方法的分类准确率会下降8%~10%，由此本文得到重要结论，在物理层识别方法中利用谱熵特征实现标签防伪有着重要意义。

摘要:现有的激光惯导里程计大多采用滤波的松耦合融合方法，在大场景建图中会存在一定的运动估计漂移，导致定位与建图精度降低。针对这一问题提出了一种基于图优化的激光惯导紧耦合里程计与建图方法。在前端依次进行点云畸变补偿、点云聚类分割、地面与特征提取。在后端采用图优化方法融合IMU预积分、激光里程计和回环检测信息完成地图构建。最后利用Kitti数据集和自采集数据对LOAM、LeGO-LOAM和本文方法在里程计精度和回环检测效果上进行了对比分析。实验结果表明本文方法在定位与建图精度上相比于LOAM和LeGO-LOAM分别提高了45%和35%以上，有着更优的鲁棒性。

摘要:针对超再生振荡器的传统动力学模型的工作频率过低而不具备实际参考意义的问题，本文将超再生接收机模型提升至ISM频段下的433 MHz。使用软件的数值仿真方法对改进后的模型进行混沌态动力学特性研究，采用李雅普诺夫指数法对模型混沌状态进行定量检测，并研究该频率下不同状态的接收机对弱信号的检测能力。仿真结果表明433 MHz超再生接收机在受较低频率熄灭信号控制时能够产生混沌现象，该频段下的混沌态超再生接收机灵敏度要高于周期态约3 dB，证明了混沌能够产生并被应用于实际ISM频段下的超再生接收机，为提高超再生接收机的弱信号检测能力提供了一种可行的方案。

摘要:针对不同环境条件下形成的不同种类覆冰层会对输电线路造成不同程度威胁的问题，提出一种基于图像纹理特征的线路覆冰重量估计方法。首先对线路覆冰的纹理特征进行加权构成融合特征，结合空间邻域信息的FCM算法，实现对线路覆冰厚度的估计；而后计及气象因素对覆冰形成类型的影响，构建覆冰重量辨识模型。结果显示，在环境条件发生较大变化，生成的覆冰类型发生改变时，文中模型依然能够较为准确的估计覆冰重量，其平均绝对百分比误差仅为2.246%。

摘要:针对钢轨损伤检测系统中压电超声换能器与激励源存在阻抗失配，以及压电超声换能器带载后谐振频率偏移等问题，本文对压电超声换能器宽频阻抗匹配进行研究。首先，对压电超声换能器BVD模型参数进行优化。其次，基于上述模型，设计4种匹配网络，对其性能进行比较分析，从而确定最佳网络拓扑结构和参数。最后，基于一发一收实验平台，测试对比匹配前后压电超声换能器的接收信号。测试结果表明，本文设计的阻抗匹配网络可以实现对压电超声换能器的高效匹配，匹配后发射换能器有功功率平均提升了197.38%，工作带宽从1.44 kHz提升至2.22 kHz。同未匹配和传统L型匹配网络相比，本文设计的宽频阻抗匹配网络使得发射强度分别提升了61.07%和18.05%，压电超声换能器在工作带宽内均可达到良好的发射状态。

摘要:针对大棚环境测控系统在大面积应用时检测及路由节点过多，环境波动大的问题，利用巡检车和LoRa远距离传输网络设计了大棚环境测控系统，通过定点与移动采集相结合的方式，减少节点的数量；系统对环境进行调节时先判断作物的生长阶段，再由Fuzzy-PID算法进行动态调控，使环境始终保持在最适宜的状态，进而使农作物优质、高产。为验证本系统的优越性，以温度控制为例，利用MATLAB构建仿真模型，与传统PID控制相比，超调量降低15.3%，调节时间降低21%。田间实验结果表明，与开关量控制和传统PID控制相比，该系统控制精度更高，环境波动小，能有效使棚内环境保持稳定。

摘要:为了补偿机器人关节扭转不足和末端执行器连接等造成的末端执行器姿态误差，提出一种基于惯性测量单元在线获取末端姿态的方法。首先将整个机械臂系统的运动过程分为静态和动态过程。静态时，由于外部加速度噪声较小，提出使用加速度计根据当地重力估计末端执行器姿态角的方法。动态时，针对系统外部加速度噪声和陀螺仪零漂、比例因子误差等影响测量精度的问题，提出一种基于噪声统计方法的自适应扩展卡尔曼滤波算法。根据加速度计的测量值，更新观测噪声方差阵的权重，从而调节卡尔曼增益，降低加速度噪声对测量精度的影响。实验结果表明：静态时，通过静态算法估算的姿态角误差平均值为0.07°、0.05°、0.2°；动态时，本文算法可以很好补偿外部加速度的对姿态的影响，能有效提高姿态测量精度，相比于EKF算法，姿态角平均误差分别降低了2.69°、1.01°、0.5°。

摘要:现有的稳态视觉诱发电位（SSVEP）的信号识别方法没有充分关注信号的相位特征在识别过程中的重要作用，为此提出一种扩展典型相关分析（eCCA）的改进方法。将联合频率相位调制编码的刺激范式中的相位参数添加到由受试者训练数据所构造的参考信号，以此来实现对eCCA的相位约束，从而提升eCCA方法对SSVEP信号的识别性能。通过在公开数据集上与现有的SSVEP信号识别方法进行对比实验，表明所提方法对SSVEP信号的平均识别率提高到82.76%，信息传输速率提高至116.18 bits/min，且具有更好的稳定性。

摘要:在三维测量与重建过程中，线激光条纹中心的提取尤为重要，Steger算法由于运算量巨大，无法满足工业中实时性的要求。为了解决Steger算法运算量大、提取效率低的问题，本文提出了基于改进Steger算法流程的线激光中心提取方法，主要用于提高光条中心提取效率。首先通过滤波和形态学方法对图片进行预处理去除噪声。其次，将灰度化图像进行阈值分割，降低图像复杂度。最后，通过提取感兴趣区域、粗略估算光条宽度降低算法冗余度，再运用Steger算法对感兴趣区域内光条进行中心提取。通过实验数据分析，改进后的Steger算法流程与传统Steger算法相比较，不仅继承了传统Steger算法优良的稳定性，而且有效地提高了光条纹中心提取效率，为实时进行三维重建与测量打下了基础。

摘要:大气电场序列的清洗预处理对后续的挖掘研究具有重要意义。提出一种基于孤立森林结合Chen-Liu迭代算法的大气电场异常点检测与校正方法。该方法利用求和自回归移动平均(ARIMA)模型对大气电场时间序列进行拟合并得到拟合残差，基于残差序列构建孤立森林模型以确定异常点位置，最后通过Chen-Liu算法进行校正。通过模拟和实测大气电场数据验证所提方法的可靠性，相对于原序列，清洗后大气电场序列预测结果在均方根误差和平均百分比误差分别改善27.8%和34.98%。

摘要:针对运动恢复结构算法在摄像机拍摄过程中需要改变摄像机位置的问题，利用物体与摄像机的相对运动关系，获取包含物体多角度视图的图像序列。在图像序列中定位物体所在区域，约束特征点提取的适用范围，设计并实现一种相对运动恢复结构算法。实验结果表明，SFRM算法适用于摄像机固定位置的拍摄方式，能将位于物体区域的匹配对占总匹配对的比例从32%提高到84%，相较于传统的SFM算法在时间效率上得到38.29%的提升，成功扩展SFM算法的适用场景。

摘要:在混合储能系统中，状态估计是进行各储能元件间功率分配和控制策略调整的基础。为减小状态估计误差对后续能量管理的影响，以“锂离子电池超级电容”混合储能系统为研究对象，进行建模仿真和精确状态估计。首先在辨识基本元件参数后，基于电路的物理结构，在MATLAB/Simulink环境中搭建了混合储能系统仿真模型，用于快速准确的模拟实物实验。然后综合复杂度和估计精度考虑，重新选择以整体形式的理念建立了电池组和超级电容组模型，用于配合“EKF-两点法”进行荷电状态与健康状态的联合估计。最后，经实验验证表明，状态估计误差都在5%以内，即建立的仿真模型能够准确反映元件运行特性且联合状态估计算法精度较高。

摘要:交通标志是车辆在规范行驶过程中的一个重要指导，交通标志识别是无人驾驶汽车环境感知中必不可少的重要内容。本文基于YOLOX-S算法进行改进，通过在主干网络末端添加CBAM注意力机制模块，强化特征提取网络所得到的特征；使用Focal Loss函数，更好地消除正负样本不均衡问题，挖掘难例样本；使用GIOU损失函数，解决了原损失函数存在的优化不一致和尺度敏感的问题，进一步提高模型的识别准确率。本文基于TT100K数据集对提出算法进行了实验，对比了几种主流算法与本文算法的识别精度，实验结果表明在具有较高FPS的前提下，本文算法对大部分目标类别的检测精度都有所提升。相较于YOLOX-S模型，所提模型的coco精度评价指标mAP_50提升1.9%，mAP_50:95提升2.1%，FPS为35.6。证明了所做改进的有效性。

摘要:本文提出了一种基于PointRCNN的改进目标检测算法。该方法针对原始PointRCNN对远距离处的车辆检测效果较差的问题进行了优化，并提高了算法目标检测的平均精度值。改进算法第1阶段先将激光雷达点云进行伪图像处理，降维至二维，然后利用Point-Focus结构对其进行处理并还原至三维点云。再将其送入PointNet++主干网络中进行特征提取，得到点的分类与回归结果并进行第1阶段的3D框生成。第2阶段对3D框进行优化选择，引入Point-CSPNet结构进一步提升网络学习能力和鲁棒性。本文合理借鉴了YOLO系列算法中的Focus、CSPNet结构，充分提取了原始点云中的有效信息，有效整合了网络运算过程中的特征及梯度变化，提高网络的检测准确率。本文的改进算法在KITTI数据集的3D场景下平均精度值从81.10%提升至81.74%；BEV场景下平均精度值从86.87%提升至88.20%，可视化效果中远距离处的车辆目标检测效果也得到了一定程度的优化，对无人驾驶技术进一步优化和完善具有一定的积极意义。

摘要:无线网络控制是推进高速列车智能化的有利因素，无线网络时延作为一种典型的时间序列，存在随机性强、波动性大等问题导致预测难度大，针对这些问题提出了一种奇异谱分析改进粒子群优化LSSVM的无线网络时延预测模型。首先将获取到的时延序列通过Cao方法确定窗口长度，再将时延序列通过奇异谱分析得到一系列子序列，将各子序列采用混沌粒子群优化后的LSSVM模型进行预测，最后将所有子序列预测值进行叠加得到最终预测结果，仿真结果表明，该模型MAPE、MSE及MAE相比小波分解模型分别降低了2.8%、1.055、0.44；相比EMD分解模型分别降低了7.4%、3.377、1.118；相比CEEMD分解模型分别降低了6.2%、2.568、0.974，精度明显高于其他模型。

摘要:结型场效应管具有输入阻抗大、噪声低的优点，已被广泛用于设计高性能瞬变电磁传感器前置放大电路。然而，由于同一型号JFET器件间参数差异较大，多个JFET器件差分并联放大时难以匹配工作。针对这一问题，本文提出了一种基于多分立电流源的低噪声JFET差分放大技术，结合每一路JFET放大支路电路特性单独设计恒流源，并调整为最佳静态工作点，以消除JFET参数离散性引发的放大支路不均流、无法可靠工作问题。最后，通过LTspice仿真与实际电路测试结果表明基于该技术设计的差分放大电路能够可靠工作，其中每一JFET支路电流均为4.68 mA、增益达到40.00 dB，且具有较低的本底噪声(0.51 nV/Hz@1.10 kHz)。本文提出的新方法能够有效消除JFET参数离散性问题，为设计差分并联低噪声TEM传感器前置放大电路奠定良好的技术基础。

摘要:为适应需求日益复杂的无线通信环境，充分利用紧缺的频谱资源，设计实现了基于中心对称结构及变容二极管的电可调微带带通滤波器。通过电磁仿真软件HFSS进行仿真实验，在加载枝节的开口环谐振器结构上，引入叉指结构和马刺线型耦合馈线完成滤波器的原型设计。在原有的基础上加入可调节电容值的变容二极管，调节低频传输零点，实现通带带宽可重构，从而达到灵活控制滤波性能的目的。实际测试表明该滤波器的初始相对带宽为5.1%，初始绝对带宽为170 MHz，变容二极管调节绝对带宽在140~200 MHz范围内，即82.4%~117.6%，中心频率在2.70~2.76 GHz，传输零点调谐范围在2.57~2.63 GHz，通带内插入损耗在0.9~1.5 dB，回波损耗在10~35 dB，测试结果与仿真基本相符，在S波段的带宽精密控制方向具有一定应用前景。

摘要:针对正交频分复用（OFDM）系统中定时同步算法在低信噪比条件下定时同步性能较差以及对频偏敏感的问题，提出了一种改进的定时同步算法。首先，基于不同根值的恒包络零自相关（CAZAC）序列互相关值接近于零的性质，设计了一种具有中心对称特征的前导序列，然后基于前导序列的结构特征，利用对称相关代替延迟相关设计对频偏不敏感的定时度量函数，最后通过捕获定时度量函数的峰值实现定时同步。仿真结果表明，与现有算法相比，所提算法抗频偏能力强且在低信噪比条件下具有更好的定时同步性能，适用于低信噪比频偏存在的通信系统。

摘要:由于智能手机中存在丰富的传感器，可对周围环境进行感知并进而估计位置。本文提出一种融合室内定位方法，融合的信息包含图像信息、WiFi信号指纹信息以及惯性数据观测信息。通过实测实验结果表明，本文提出的方法相比于惯性定位、WiFi定位、图像匹配定位三种单一的定位方法，定位精度分别提高了48%、24%和4%。相比于经典WiFi和图像融合方法，平均定位时间下降了92%。相比于经典融合方法，定位的精度提高了0.7 m，并且平均定位时间下降了87%。

摘要:垃圾分类问题目前已被政府和社会广泛关注，面对分拣过程中对垃圾类别实时性和准确性判断的需求，提出了一种Yolo_ES目标检测算法。该算法以Yolov4为基础网络，首先使用EfficientNet作为主干特征提取网络，实现算法的轻量化；其次通过注意力机制ECA对MBConv模块进行重构，筛选出高质量的信息，增强模型的特征提取能力并降低了参数量；同时针对最大池化易丢失细节信息的问题，使用SoftPool对SPP模块中的MaxPool层进行替换，保留更多细粒度特征信息。在自制的HPU_WASTE垃圾分类数据集上进行实验，结果表明，Yolo_ES模型相比于Yolov4基础网络mAP从91.81%提升到了96.06%，模型大小压缩了75.45%同时每张图片处理时间为58ms；与其他目标检测网络相比，该模型具有更好的鲁棒性和更佳检测性能。

摘要:针对复杂物体动态三维测量中条纹图像过曝光、欠曝光以及环境光照干扰引起激光中心线提取速度慢、提取不准确的问题，提出一种基于深度学习语义分割技术的光条中心线提取方法，该方法使用改进的UNet++模型进行图像分割，粗提光条中心区域，得到1～2个像素宽度的光条中心线，再利用灰度重心法精确提取亚像素中心。经实验证明，该方法能够有效克服因光条图像曝光不均以及外部干扰噪声带来的不良影响，准确、快速地提取出了复杂物体完整、光滑的亚像素光条中心线，满足工业中动态三维测量的要求。

摘要:为了提高电表示数检测和识别的准确率，基于轻量高效的YOLOv5s网络提出了改进的目标检测网络。首先，在特征提取阶段添加CBAM注意力机制对图像的重要特征进行自主学习，并设计了一种特征融合网络D-BiFPN加强了对深层特征的提取；其次，引入CIOU损失函数，使目标框的回归更加稳定。对CRNN文本识别算法的主干网络进行改进，模型保持轻量化的特点，在移动端部署上有良好的前景。最后，在电表数据集上测试得出：相比于YOLOv5算法，所提出的算法精度均值提升了5.13%；相比于CRNN算法，所提出的文本识别算法准确率提升了7.4%。实验结果表明，改进后的文本检测算法对电表示数的检测精度较高，文本识别算法准确率和速度较高，满足电表示数检测识别的实际应用需求。

摘要:针对现有的水下增强算法存在色彩失真和去雾效果不好等问题，本文提出基于双注意力机制与改进U-Net的水下图像增强算法。首先采用颜色校正模块对红、绿、蓝三通道进行处理，减少色偏的影响；然后将通道注意力、空间注意力与U-Net网络相融合，对颜色校正后的图像进行去雾、去噪等处理，保留图像纹理细节的同时，实现对比度的增强；最后采用金字塔融合模块将不同分辨率的图像特征进行融合，获得视觉上清晰的图像。实验结果表明，基于UIEBD和UFO-120测试集，UCIQE、NIQE、SURF以及信息熵的平均值分别为0.608 1、4.440 3、31.5和7.649 5，所提算法在主观视觉质量和客观评价指标上都优于其他经典及新颖算法，增强后水下图像去雾效果良好且在颜色校正方面也具有明显优势，显著提高了水下图像的视觉质量。

摘要:针对监控图像中手机尺寸较小、分辨率低且特征不明显等问题，给检测算法研究带来了困难。提出了一种改进的YOLOv5网络模型方法用来识别手机的使用。改进的检测算法引入轻量级网络GhostNet作为主干提取网络，将GhostConv模块、C3Ghost模块分别代替主干网络中的Conv基本卷积模块和C3模块，减小网络参数和复杂度；同时，将注意力机制CBAM引入到主干网络中，减少融合后冗余特征的影响，提取到目标区域中更加关键的特征信息；使用四尺度特征检测，在原算法基础上对应的增加检测层，用以提高更小目标的检测精度。实验结果表明，改进后的YOLOv5算法准确率达到95.7%，平均精度达到97.1%，比改进前训练的准确率和平均精度分别提升了2.5%和1.8%，运算量和参数量较改进前分别减少了14.3%和24.5%。改进的YOLOv5算法不仅具有轻量化优势，同时保证了准确率和平均精度。该方法为智能监测技术行业违规使用手机提供了理论依据和技术参考。