摘要:针对微小卫星对在轨数据采集、存储、下传等功能灵活性的迫切需求，掌握星上单机在不可监测弧段的状态数据信息，提出了一种基于FPGA的星载固态存储器控制系统。基于Verilog HDL语言通过自顶向下的RTL级设计，实现将全轨道遥测及GPS数据的实时存储，并能通过上注指令对NAND Flash中特定地址段数据进行下传，从而在地面进行多角度的分析及挖掘。经多发卫星型号在轨验证，已经实现批产，该固存控制系统能够连续存储48.8天延时遥测和45.2天GPS数据，在满足数据吞吐率的基础上，误码率低至8.16×10-9，通过增加仲裁、状态超时、坏块管理和三模等功能，使其具有超高的鲁棒性、稳定性、抗单粒子特性，该系统完全满足新一代微小卫星对固存灵巧搭载的应用要求。

摘要:采用固定增益的RSS可见光定位技术可探测的信号光强变化范围小，在弱信号区域定位精度很低、有效定位空间小。提出了基于动态增益的RSS可见光定位系统，通过将接收电路输出信号反馈至控制电路，自动调节主放大器的增益，扩大可探测的信号光强变化范围，提高在弱信号区域的定位精度，从而扩大有效定位空间。实验结果表明，在空间大小为1 m×1 m×1.89 m的实验环境内，可以实现在1.0 m×1.0 m×0.6 m的空间内高精度定位，相比于固定增益的定位系统有效定位空间扩大了约86.72%。在弱信号区域二维定位对比实验中，较固定增益的定位系统平均定位误差降低了47.05%。系统平均误差均小于5 cm。表明基于动态增益的RSS可见光定位系统在满足室内定位精度要求的同时，可以增大定位空间范围、提高弱信号区域定位精度。

摘要:针对在复杂环境下使用传统三维点云配准算法构建的激光里程计精度低且建图易发生漂移的问题，本文设计了一种面向复杂环境的自适应激光里程计。首先通过三维激光雷达采集原始点云数据，经过点云预处理环节后，采用地面分割方法完成点云数据分割并获取路面点云丰富度信息；然后，使用NDT算法将前后两帧点云数据极大限度的进行拉近，实现点云数据的粗配准；最后，在环境判断结论指引下选择合适的ICP算法完成三维点云的高精度配准并根据输出的点云变换关系构建激光里程计。通过在数据集以及不同环境下的大量实车测试，得出该激光里程计在室内结构化环境中的平均位移误差为0.026 m，在室外非结构化环境中的平均位移误差为0.1 m。结果表明，本文构建的激光里程计能够更好的适应复杂环境从而得到更加精确的三维点云地图与SLAM轨迹。

摘要:为避免管路系统事故发生，对管路系统的服役情况进行实时监测，以期及时发现装置结构隐患。本研究采用状态空间模型，以某高压蒸汽管路系统为研究对象，开发了一个科学、有效的损伤识别监测系统，基于振动信号检测管路系统中的失效与故障，全面地掌握管路系统的健康状态并进行预警。研究结果表明，在某些特殊情况下，系统能够很快予以调研且实时的输出监测信息，测试平均响应时间4.436 s与损伤识别准确率80%分别满足设计要求的响应时间小于20 s以及准确率大于70%，且由于基础理论和结构的适应性，该系统适用于各种类型的管道，并且可以针对一种或多种失效模式，具备较强的应用价值。

摘要:作为光纤陀螺仪的核心部件，光纤环的绕制质量对光纤陀螺的精度至关重要。为了保证光纤环绕制的准确率和效率，提出了一种基于改进YOLO算法的目标检测方法。该方法采用Shufflenetv2网络来替代YOLO主干网络中的卷积层和池化层，提升了网络的特征提取能力；加入Focus模块提升训练速度；采用K-means聚类算法对原始锚框进行聚类，得到适用于光纤绕制缺陷的预测框，提高缺陷检测的准确率；同时修改损失函数，使用CIOU来计算定位损失，使用Focal Loss作为置信度损失和分类损失函数，加快网络收敛；并进行了数据增强，增强了网络的泛化能力。实验结果表明，改进后的YOLO算法的平均准确率达到了99.63%，相比于原始的YOLOv3-tiny算法提升了2.06%，检测速度达到91 fps，这将保证了光纤环的绕制系统的实际应用。

摘要:核熵成分分析(KECA)特征提取过程中只保留了数据的最大瑞丽熵(Renyi)信息，没有充分利用数据的类别信息。由于监督学习算法线性判别分析(LDA)能够有效提取特征中的类别信息，因此提出KECALDA(KEDA)的特征提取方法。首先KECA依据最小Renyi熵损失策略对数据进行维数约简；然后在KECA特征空间使用LDA算法获取具有判别信息的低维特征并输入到支持向量机(SVM)分类器中，利用天牛须优化算法(BAS)得到最佳性能的SVM分类器，从而建立故障诊断模型。将KEDABASSVM方法应用于田纳西伊斯曼化工过程(TE)进行仿真实验，结果表明：当采用基于距离测度的矩阵相似性优化确定KEDA中所选用的径向基函数(RBF)核参数时，相比KECA和LDA算法，KEDA特征提取后多类型故障诊断准确率达到99.7%，验证了KEDA-BAS-SVM在多类型故障诊断领域的优越性。

摘要:针对当前基于长短期记忆网络的短期负荷预测模型存在特征冗余、重要信息丢失等问题，提出一种基于特征优选策略和DLSTMsFCN并联优化结构的短期负荷预测方法。首先利用基于极限梯度提升的特征优选策略构造负荷预测模型中的输入特征最优集，减少冗余信息，加快模型拟合；而后利用DLSTMs提取负荷数据的时序特征，并辅以FCN的多维卷积运算及结构特征提取的高分辨率信息，增强对输入数据重要特征的学习和记忆，进而并联构成高效准确的短期负荷预测模型。实验结果表明，本文优化方法相较于ALSTMs和CNNLSTMs预测误差分别降低了6%和4%，预测误差波动分别降低了47%和48%。

摘要:针对微网群如何稳定运行以及最大程度减少网群运行成本等问题，进行了基于改进蝙蝠算法的微网群能量优化研究。系统以离网运行的两个交流微电网和一个直流微电网构成的微网群作为研究对象，构建包含集中储能系统的微网群架构，利用运行成本和环境影响成本为多目标函数建立优化调度模型，通过二元对比权定法将多目标函数转化为单目标函数，采用基于Tent映射与柯西变异的改进蝙蝠算法进行能量优化。结果表明，对比传统的微网群优化方法，该系统能量优化方法具有较好的系统运行稳定性，有效提高了系统经济效益，使得日运行综合成本降低了1463%。

摘要:在超宽带室内定位中，受复杂室内环境下各种障碍物的干扰导致信号处于非视距场景传播，进而产生定位误差。针对非视距传播对室内定位精度影响的问题，提出了一种基于ICEEMDAN的非视距识别方法。首先对信道脉冲响应进行模态分解，得到含有不同尺度特性的IMF，其次利用皮尔森相关系数法选取部分IMF进行重构，保留较为有效的信息，并对重构信号进行小波变换获得有效的时频特征，最后通过构建卷积神经网络识别非视距信号。实验数据基于802154a UWB模型和开源数据集，结果表明所提出的识别方法平均准确率达到了 985%，与其他算法相比模拟数据集提高了56%，PDS数据集提高了143%，验证了所提出识别方法的有效性。

摘要:针对点云在噪声、遮挡及相似特征多个干扰条件下容易产生错误配准的问题，提出一种基于多特征的关键点提取算法和自适应尺度的融合特征的点云配准方法。在关键点提取时，同时计算多个特征，使关键点更具描述性和鲁棒性。特征描述时，在自适应尺度的基础上使用FPFH和RoPs特征两种特征分别进行初始配准和错误点对剔除，最终各自得到多个相似的转换矩阵。完成上述求解后，将两者得到的矩阵组成集合进行聚类并对矩阵数最多的类取平均值处理作为最终的结果以完成特征的融合。实验研究表明，在忽略极少数无法具体化的错误配准点的情况下，真实场景下所提算法的RMSE、ATI和ERR分别为046 mm，1和037；使用数据集测试得到的正确率为993%，均表明该算法的精度和鲁棒性较高。

摘要:针对超宽带（UWB）定位易受多种噪声和非视距（NLOS）的影响产生定位误差的问题，提出了一种基于UWB与惯性测量单元(IMU)融合的室内动态定位算法。该算法首先采用扩展卡尔曼滤波算法对基于到达角度（AOA）定位方法的位置信息进行滤波，并与IMU数据进行时间同步，通过相邻时刻UWB位置信息变化速度与IMU所测量标签运动速度对比，实现对NLOS数据的识别及补偿，从而降低NLOS对定位精度的影响；然后基于改进粒子滤波算法对融合后的数据进行最优估计，以抑制噪声的干扰，最终实现对标签的准确定位。实验结果表明，所提算法采用基于AOA的定位方法可以在保证定位精度的前提下节约硬件成本；与单一使用UWB传感器的定位方案相比，所提算法可根据IMU提供的先验信息有效降低UWB的定位误差，在非视距环境下具备较高可靠性；与基于扩展卡尔曼滤波和无迹卡尔曼滤波的融合算法相比，定位精度分别提高了656%和560%；与标准粒子滤波算法相比，所提算法基于改进的粒子滤波算法运行时间缩短了423%。

摘要:为了解决手动标记动静脉耗时耗力的问题，开发了一种基于ResNet_UNet网络模型的计算机自动分割视网膜动静脉算法。首先，使用多光谱视网膜成像系统采集视网膜图像并制作数据集，其包含206张548 nm光谱的视网膜图像及其像素级标记的动静脉图像；然后，优化ResNet_UNet网络模型中的多尺度特征提取模块和损失函数模块，并增加了通道注意力机制和后期处理方法来提高动静脉自动分类的准确性；最后，在数据集中随机抽取165张作为训练集，41张作为测试集进行了测试。实验表明，本研究所建立的深度学习模型能自动准确分割视网膜图像中的动静脉，准确率可达9850%。

摘要:为抑制露天矿场复杂环境下的背景干扰，对安全挡墙进行精确的语义分割，提出了一种基于改进DeepLabV3+网络的露天矿安全挡墙分割方法。首先，主干网络采用轻量级的MobileNetV2网络，通过深度可分离卷积和倒残差结构有效降低了网络参数量和计算量。然后，加入混合注意力模块进行通道及空间上的特征强化，可避免边缘信息丢失。最后，利用数据增强和迁移学习解决目标数据集较少的问题，提高模型的泛化能力。实验结果证明，该方法有较好的分割效果，MIOU和MPA分别为8506%、9294%，均优于原网络和其他经典网络模型。该方法能够精确地分割露天矿安全挡墙，有较好的实际应用价值。

摘要:X光安检违禁品检测被广泛应用于维护公共交通安全和人身安全。针对X光图像中违禁品存在形状尺度多变、重叠遮挡严重等问题，提出一种结合可变形卷积与注意力机制改进的YOLOv5s模型用于违禁品检测。首先在主干网络中引入可变形卷积，通过学习采样偏移量来适应物体的不同形变，增强空间特征信息提取能力；其次利用混合卷积注意力模块加强模型对检测目标的感知能力，抑制无关背景干扰；然后构造通道引导的空洞空间金字塔模块，获取更加准确的全局上下文信息，提高模型对重叠遮挡目标的识别能力；最后采用CARAFE算子代替最近邻插值，在上采样过程中充分利用内容信息，提高模型检测精度。在SIXray_OD和OPIXray数据集上实验结果显示，所提出模型的mAP@05相较于原YOLOv5s分别提高了21%和18%，达到了906%和900%。与现有诸多先进算法相比，具有较好的检测精度与实时性。

摘要:针对边缘计算设备算力和存储空间有限的问题，提出了一种基于YOLOX改进的轻量级人体跌倒检测算法。首先采用GhostNet中的Ghost模块降低YOLOX中Neck和Prediction层的卷积参数冗余；其次，在Neck层中添加坐标注意力机制，增强关键信息提取能力，减少背景带来的噪音影响；最后，针对轻量级模型检测头检测能力不足问题，引入辅助头模块以加强轻量检测头的学习能力。通过算法检测性能以及在边缘计算端NVIDIA Jetson Xavier NX运行实验，结果显示，所提模型的mAP@05达到849%，且模型大小为256 MB。相较于YOLOX模型，仅以牺牲少量推理速度提升了46%的检测精度，减少了254%的模型大小，另外与一些主流目标检测算法相比，也具有一定的优越性。这些结果表明所提模型能够更好地满足边缘计算设备在人体跌倒检测中对轻量化和准确性的需求。

摘要:航拍绝缘子图像存在背景复杂、绝缘子空间方向多变且其自身具有大长宽比的特点，采用传统水平矩形框目标检测算法对航拍绝缘子进行检测，会引入大量的背景信息，导致定位绝缘子缺陷等后续操作变得更为困难。为此，本文提出了一种基于邻域交互注意力的任意角度航拍绝缘子检测方法。本文方法在现有的绝缘子检测框架中加入了目标边界框的角度预测分支。角度预测分支的引入，使得该方法对网络特征表达能力提出了更高的要求，为此，本文提出了一种邻域信息交互注意力机制，并通过该机制来建模绝缘子空间信息关系，从而实现对航拍绝缘子的精准检测。试验结果表明，本文提出的方法能够精准检测复杂环境中的绝缘子，检测精度达到了935%，有效避免了大量背景信息对绝缘子缺陷检测的干扰。

摘要:针对传统的高铁无砟轨道板表面裂缝检测方法存在检测精度低、速度慢的问题，提出一种改进型CenterNet的高铁无砟轨道板表面裂缝检测算法。该算法在编解码网络之间加入空洞空间金字塔池化模块(ASPP)，以此扩大特征图的感受野，充分提取不同尺度的上下文信息；然后在特征提取网络中加入多光谱通道注意力模块（MCA），使网络可以更好学习每个通道的权重，捕获图像丰富的输入特征信息；最后使用αIoU损失函数来提高边界框预测的准确度。实验结果表明，本算法平均检测精度(mAP)达到8412%，相比传统算法平均检测精度提升了337%，对于轨道板表面裂缝具有较好的检测效果。

摘要:为了实现路面缺陷的智能快速化检测，对深度学习目标检测算法YOLOv5进行改进，得到的3种检测模型（YOLOv5A，YOLOv5C，YOLOv5AC）均可采用视频检测的方式对路面5类缺陷进行快速检测。采用智能手机和数码相机采集路面缺陷图像并制作数据集，在满足视频检测的需求下，使用Kmeans算法和1IoU作为样本距离重新聚类anchor，得到更优的锚框参数；在网络多个结构中引入CBAM注意力机制，增强模型的特征提取能力。实验结果表明，YOLOv5C算法在训练集上的平均精度达到918%，相较于原模型提高1%；YOLOv5A算法在验证集上的平均精度达到927%，相较于原模型提高17%；在实际检测效果上，YOLOv5AC算法在裂缝、破碎板和坑洞的识别准确度上达到89%、62%、90%，相较于原模型提高了45%、4%、5%，且模型的检测速度达到40 FPS。YOLOv5AC算法具有较高的检测精度和识别速度，一定条件下可以满足在道路缺陷检测中的智能化实时检测需求。

摘要:针对基于生成对抗网络的遥感图像超分辨率重建存在训练不稳定，参数冗余，图片纹理细节不够清晰等问题。提出一种融合边缘检测的遥感图像超分辨率重建算法。首先，在生成器网络中引入改进后的Canny边缘检测算子用于低分辨率图像特征提取，通过在Canny算子边缘提取流程中利用双边滤波和3×3邻域梯度以检测图像的边缘信息，使网络能够更好的表达高频特征；其次，为降低网络参数和提高网络训练的稳定性，去除判别器网络中冗余的BN层，同时将Wasserstein距离定义为对抗损失以解决生成对抗网络训练出现的梯度消失现象。在NWPU RESISC45数据集上，所提方法的峰值信噪比与结构相似性较WDSR和CARN算法分别提升了122 dB、0114和032 dB、0013,且重建后的图像相比较WDSR、CARN等其他SR算法在图像纹理细节和主观视觉效果方面也均有提升。

摘要:车道线检测已成为智能驾驶领域研究的一项重要课题，而实际应用时，常出现车道线分割不准确、实时检测能力不佳的问题。为此本文提出一种金字塔场景分析网络的改进算法。在编码结构的基础上搭建主体网络PSPNet，选用MobileNet v2轻量级网络作为编码器的主干网络，减少了整体网络的计算复杂度及参数量；网络中添加了空洞卷积，并在不同层间实现特征融合，扩充了模型感受野，同时丰富了局部特征；最后用自适应直线拟合算法对各类型车道线拟合。本文使用Caltech车道线数据集进行测试，实验结果显示，改进后的PSPNet算法对不同类型的车道线均有较好的分割结果，与PSPNet算法相比精度和交并比分别提升了391%、414%，且FPS达28帧/s，本文算法的分割精度和推理速度均优于其他对比算法。

摘要:航拍图像中的建筑物分布往往是朝向多样的。基于传统卷积神经网络的目标检测算法多以水平锚框作为检测框，在检测多朝向分布的建筑物场景下准确率较低。为此本文提出一种基于CenterNet神经网络的目标检测算法，在CenterNet模型基础上添加角度预测分支，将朝向角度信息融入网络中。针对CenterNet模型在特征提取阶段提取到的建筑物角度特征较少问题，采用非对称卷积替代原先的3×3卷积，加强神经网络对于旋转目标角度信息的特征提取能力，并通过改进损失函数降低角度周期性问题对目标检测的影响。改进后的网络可以更加精准的检测出多朝向分布的建筑物。在本文构建的数据集上进行了实验测试，相同环境下网络改进前后建筑物整体检测准确率提升52%，其中10°~80°以及100°~170°范围内大朝向变化建筑物检测准确率提升了74%。0°~10°、80°~100°以及170°~180°范围内小朝向变化建筑物检测准确率提升了31%，有效提高了多朝向建筑物检测的准确度。

摘要:正交频分复用；到达时间；波达方向；RootMUSIC算法；谱分解

摘要:针对传统模拟均衡器带宽和增益无法同时满足的问题，采用电感峰化技术和负阻抗转换器来进行高频操作，通过使用有源电感器实现电感峰化技术进而拓展带宽，同时采用由交叉耦合晶体管构成的负阻抗转换器将电容转换成负电容抵消输出端电容，在保持直流增益的同时提高了峰值增益。基于SMIC 130 nm的工艺库对电路进行设计，仿真结果表明，均衡器工作在18 V电源电压下，可以对6375 Gbps速率下高速传输系统中严重损耗信道进行良好的补偿，眼图的水平张开度达085 UI。

摘要:针对水下无线传感器网络节点更换困难、能量有限的特点，提出了一种基于改进正余弦算法的节能路由。在簇的形成过程中，利用改进的正弦余弦优化算法来选举簇头，综合能量、节点密度、通信距离三方面因素并讨论相应权重，为簇头选择设计了更加合理的适应度函数。簇内单跳传输，簇间传输时则采用多跳传输，通过限制深度、能量及转发区域选择合适的下一跳，将采集的信息传递给水面。经网络仿真验证，在相同条件下，该算法较传统LEACH算法和KACO、DUCISCA算法，将正常工作时间延长了6910%、 2478%、 1494%，能够有效均衡网络能耗，延长网络寿命，提高数据传输率。

摘要:在上海地铁隧道环境中对5.6 GHz多输入多输出系统开展了基于伪随机序列的信道测量。通过相关运算获得了子信道冲激响应，分析了不同天线极化和阵元间距对2×2 MIMO信道条件数、等效自由度和信道容量的影响。结果表明，当交叉极化天线的条件数均值约为10时，分别比垂直同极化和水平同极化约低5和8。当交叉极化的等效自由度均值约为16时，分别比垂直同极化和水平同极化约高03和02。当交叉极化的信道容量均值约为58 bit/s/Hz，分别比垂直同极化和水平同极化约高07 bit/s/Hz和08 bit/s/Hz。3个结果都一致表明交叉极化天线有利于MIMO性能的提高。另外，天线阵元间距对于同极化MIMO的信道容量影响较大，而对于交叉极化MIMO的信道容量影响较小，表明采用交叉极化能以较小的阵元间距获取较大的信道容量，这些结果对于地铁隧道狭小空间中减少天线尺寸提升信道容量有参考意义。

摘要:线缆敷设时需要严格控制最小弯曲半径，线缆敷设图像准确分割是控制弯曲半径的基础，传统视觉方法、经典语义分割方法对复杂环境下线缆细长特征目标分割效果不佳。本文提出一种基于改进双模态融合语义分割网络ESANet的线缆语义分割方法，使用高效的SAGate代替ESANet中RGBD Fusion模块完成双模态特征校正与融合任务，融合特征分别同时参与后续两种模态的特征提取，实现细长特征线缆掩膜的准确分割。通过采集不同姿态的线缆RGB及对应深度图像进行实验，结果表明本文改进的ESANet网络对线缆等细长特征目标有较好好分割效果，较ESANet模型分割精度(mIoU)提升了399%，较RGB单模态语义分割网络SwiftNet精度提升768%，该方法可以推广到其它具有细长特征的目标分割任务中。

摘要:针对多功能视频编码标准VVC帧间预测中，Merge模式未充分考虑运动存在的多种方向性从而降低了预测精度的问题，提出了一种基于VVC的多方向细化Merge模式优化算法。本算法在分析带运动矢量差的Merge技术的基础上，首先调整了步长选择范围并增加多种搜索方向，然后根据步长自适应选择色度块的运动补偿方式，并最终根据率失真代价准则选择最优的运动矢量信息。实验结果表明，本文算法与VTM120 参考模型相比，在低延迟P帧配置下Y、U、V三分量的BDrate分别平均下降了057%、062%、025%，在随机接入配置下的BDrate 中Y分量下降了027%、U分量仅提高了011%、V分量降低了004%，有效地提升了Merge模式的编码性能。