摘要:提出了一种全桥LLC谐振变换器的参数设计方法，设计参数包括变压器原边励磁电感、谐振电感、谐振电容，以及变压器原副边匝比。通过该设计方法，能够在获得较大励磁电感的同时高可靠地实现原边开关管的零电压开通（ZVS），降低开关器件的损耗，提高变换器效率。此外，可以通过提出的绘制电压增益特性曲线簇的方法，直观高效地确定电感系数K和品质因数Q，优化了参数设计。同时，对电感系数K对变换器效率的影响进行了理论分析和实验研究。最后，实物样机上200 W的实验结果验证了该参数设计方法以及相关理论研究的正确性和有效性。

摘要:针对传统控制策略下的并离网模式切换时会出现电压波动大和切换时间长，并联型结构接入中高压电网时需要升压等问题，提出一种统一并离网模式的串联光伏直流微网控制策略。首先建立了串联光伏系统的并离网结构模型。其次利用下垂控制和PI控制对直流母线电压进行调控，通过参考功率以及最大输出功率的差值来进行并离网模式的统一，实现切换过程中母线电压稳定和最大功率跟踪。最后利用小信号法分析证明了系统的稳定性，并通过实验结果验证了所提控制策略的可行性和稳定性。

摘要:针对永磁同步电机运行过程中参数变化及耦合误差问题，本文提出一种基于互联式自适应扩展卡尔曼观测器的在线多参数辨识模型。首先，通过建立互联式多参数耦合补偿辨识模型降低测量噪声和参数耦合误差对辨识精度的影响，获取到高精度的辨识结果。其次，使用自适应方法对扩展卡尔曼观测器进行动态调整，保证工况转变后电机参数辨识的快速性和准确性，并使用Lyapunov函数分析了观测器存在模型误差时的收敛性。最后，在Matlab和RT-LAB半仿真物理系统平台进行了仿真和半仿真实验，结果表明，本文的方法有效降低了测量噪声误差和参数耦合误差，并显著改善了观测器的抗扰动性能。

摘要:本文对频带范围在Ku频段的小型化SIW滤波器进行了研究，采用了等效磁壁切割的方法获得四分之一模基片集成波导来满足小型化需求；根据不同的等效磁壁切割的方式可以得到两种不同的QMSIW结构，即三角形QMSIW结构与矩形QMSIW结构，然后对两种不同结构的QMSIW滤波器进行了研究；针对所设计QMSIW滤波器带外抑制能力不高的问题，采用在QMSIW谐振腔中加载互补开口谐振环达到提高带外抑制的目的；应用电磁仿真软件对提出的两种不同结构的QMSIW滤波器仿真模拟，得到结果：加载CSRR的矩形QMSIW结构滤波器的通带范围为14.94~16.02 GHz，相对带宽为6.97%，插入损耗优于0.6 dB，回波损耗优于15 dB，带外抑制优于35 dB@19~20 GHz，尺寸为0.2×0.314λ2g；加载CSRR的三角形QMSIW结构滤波器的通带范围为14.89~16.11 GHz，相对带宽为7.87%，插入损耗优于0.6 dB，回波损耗优于17.2 dB，带外抑制优于40 dB@19~20 GHz，尺寸为0.27×0.27λ2g。两款加载CSRR结构的QMSIW滤波器均采用氧化铝薄膜工艺加工并用GSG探针进行测试，经实际测验发现，测试结果与仿真结果基本吻合，符合预期。

摘要:针对传统麻雀算法优化BPPID初始权值存在易陷入局部最优的问题，本文提出一种基于改进麻雀算法的BPPID控制系统。通过引入复合混沌映射提高种群多样性；利用黄金分割和自适应levy飞行策略，平衡算法全局搜索和局部开发的能力；利用模糊逻辑自适应反向学习策略，提高算法的全局搜索和适应复杂环境的能力。分别用标准麻雀算法、改进的麻雀算法、灰狼优化算法、鲸鱼优化算法、改进的鲸鱼优化算法、粒子群优化算法和改进的粒子群优化算法测试基准函数，对比验证改进麻雀算法的有效性，实验结果表明，改进麻雀算法的系统效益和公平性优于其余算法。将改进麻雀算法应用于开关电源系统的BPPID初始权值的求解上，所得的初始权值能更大程度地提高系统动态响应以及降低超调。

摘要:为了更好地解决RFID系统的欠定防碰撞问题，基于盲源分离的方法从初始化分离矩阵的角度对分离算法进行了优化。由于混合矩阵确定了源信号与观测信号之间的线性映射关系，直接影响了分离算法的收敛性和分离结果的质量，因此初始混合矩阵的选择对算法的性能和有效性至关重要。利用连续非负投影算法计算出初始的混合矩阵，摒弃传统的随机初始化，避免了算法陷入局部最优解。由于RFID的标签信号都是有界的，因此在下一步使用有界成分分析算法从混合信号中将标签信号分离出来。仿真结果表明，此算法相较于传统有界成分分析算法的分离相似度在低信噪比下提升了3.05%，比常用的非负矩阵分解算法提高了6.64%的分离准确率。其较低的误码率也表明系统在数据传输或接收过程中能够有效地处理干扰和噪声，从而减少数据错误的发生。

摘要:传统路径规划算法存在效率低、易陷入局部最优解、收敛精度低等问题，减法平均优化算法相比其他算法参数少、原理更简单，但其在搜索过程中会忽略最优值的影响，导致算法陷入局部最优解。针对此问题，本文提出一种融合多策略改进的减法平均优化算法用于路径规划。首先采用Tent混沌映射初始化搜索代理种群，保证种群多样性；引入自适应引导机制，使算法能够随着迭代次数来自适应地选择更优的更新方式；在搜索代理更新方式中融合正余弦算法的种群更新策略，利用正余弦算法良好的波动振荡性，平衡算法的全局和局部搜索，更好的保证算法的收敛精度。最后选用7个基准测试函数并设置不同的栅格地图环境，对提出的算法进行仿真与测试。结果表明本文提出的算法具有更好的收敛精度和速度，且路径规划的性能指标更优、规划效果更好。

摘要:分心驾驶行为是导致出现道路交通安全问题的主要原因之一。针对现有基于深度学习的检测算法计算复杂度高、泛化能力有限、检测精度不理想等问题，本文构建了一种基于改进YOLOv8n的轻量化分心驾驶行为检测算法。首先，将CAA注意力机制融合进StarNet，形成StarNet-CAA，并且将StarNet-CAA集成到YOLOv8n的主干网络中，提高了模型的全局特征提取能力，显著降低了计算复杂度。随后，将FasterBlock与CGLU相结合加入到颈部网络中，形成C2f-Faster-CGLU模块，降低计算成本。此外，在检测头中引入共享卷积，进一步减少了计算量和参数量。实验结果表明，改进的YOLOv8n算法显著提高了分心驾驶行为检测的效率，在StateFarm数据集上达到了99.4%的准确率。模型的参数量减少46.7%，计算量减少41.5%。此外，在100-Driver数据集上进行了泛化实验，结果表明，与YOLOv8n相比，该方案的泛化效果有所提高。因此，该算法在保持高可靠性和泛化能力的同时，显著降低了计算量。

摘要:为满足复杂海域中UUV集群协作通信的需求，提出一种基于BPSK的磁感应通信系统。通过建立信道传输模型，分析不同收发模型、海水、载波同步和载波频率对信道传输的影响，结合MATLAB仿真与实验进行验证。仿真结果表明，BPSK调制在复杂信道条件下表现优越；一发三收模型对姿态变化不敏感；相位偏移是涡流效应中的主要因素，载波同步显著降低其影响，最终结果显示误码率降低至10-3数量级，能够有效满足UUV集群协作通信的需求，验证了该系统在复杂海域条件下的高稳定性和可靠性，最后通过硬件实验进一步验证了该系统的可行性。

摘要:语义通信是一种旨在传递语义信息的通信方式，其通过可以有效的减少冗余和传输数据量等特点。目前语义通信的研究仅处于起步阶段，更多的理论研究有助于推动语义通信系统的真正实施。实现语义通信的核心技术端到端信源信道联合编码在过去几年中取得了长足的进步，语义图像也得到了发展。为解决计算效率过低、语义特征提取不足等问题，本文设计了一款新的神经网络JSCC。具体而言，受Swin Transformer在视觉任务中的优异表现的启发，首次将Swin-Transformer模块与残差网络相结合，设计出基于Swin Transformer的图像语义通信系统。为了解决传统的CNN对图像特征提取效率欠佳等问题，引入注意力残差网络模块初步提取图像语义特征，然后通过Swin Transformer进一步对图像语义特征进行提取。通过实验的结果的验证，与已有方案相比，本文所提出的方案在PSNR取得了高于2 dB的性能提升，在MS-SSIM性能上取得了5%以上的性能提升。

摘要:随着我国遥感卫星技术的迅速发展，执行的空间任务日益复杂，传统星载存储与数传系统面临高度定制化和高昂移植成本的挑战。本研究旨在开发一种高性能存储数传一体化系统，以解决这些问题。基于现场可编程逻辑门阵列（FPGA）的高灵活性，该系统设计了SATA III固态硬盘的读写访问及文件系统、带有数据合路控制的多通道DDR控制器和支持中频调制的数传功能。在设备和软件搭载数量最少的情况下，该系统实现了900 Mbit/s的最高数传下行带宽和最丰富的数传功能。该系统成功应用于吉天星某型号任务中，地面测试表明载荷存盘链路带宽长期稳定在2.8 Gbit/s以上，峰值带宽达到3.69 Gbit/s，存储和数传业务均实现长期零误码运行；在轨验证证实了载荷图像下传清晰完整。该系统充分满足遥感卫星对稳定性和可靠性的严格要求，在遥感卫星领域具有重要的应用价值。

摘要:目前可见光与红外图像融合行人检测算法中存在特征不平衡与特征融合不充分等问题。针对上述问题，提出一种分阶段特征融合可见光红外图像的行人检测网络MIFNet。构建的双流网络同时处理可见光与红外输入；设计模态间信息融合模块，改变网络的结构减少特征不平衡造成的影响，提取-注入结构在特征提取的过程中自动学习如何提取多模态全局信息并将其有效地注入可见光与红外特征中，提升网络鲁棒性与特征融合效果。设计并嵌入特征增强融合模块，增强两种模态的独特信息，进一步提升特征融合效果。实验结果表明，算法漏检率仅为9.74%，与基线算法相比降低了6%，有效的提升了算法的检测性能。

摘要:针对自动驾驶感知任务中由于道路环境复杂、车载雷达和摄像头数据融合不充分导致的一些高危险性动目标检测效果过差的问题，本文在Centerfusion的基础之上设计了一种雷达和视觉多层级信息融合的目标检测网络MLFusionNet。首先在输入层增加了数据级融合，将雷达回波特征以像素值的形式和图像进行拼接后再通过一个二级残差融合模块输入到编解码网络，丰富了网络的输入信息；然后在骨干网络的编码器和解码器之间设计了一种瓶颈结构的上下文模块，通过多分支的卷积结构获取特征图中更广泛的上下文信息，并通过压缩通道的方式降低参数量；最后设计了一种并行注意力融合模块，解决了特征级模态融合不充分的问题。在nuScenes数据集上的实验结果表明MLFusionNet的NDS达到了46.6%，相比较多模态网络Centerfusion汽车、卡车和行人的mAP分别提升了1.4%、3.0%和1.5%，说明网络更加关注驾驶环境中的高危险性动态目标。

摘要:针对当前多晶太阳能电池片表面缺陷分割中存在的细小特征无法识别、缺陷分割边界模糊和模型参数量大等问题，本文提出一种带有交叉注意力机制和残差细化模块的轻量化语义分割模型C2LA-U2-Net。首先，通过在外部解码器阶段设计了带有交叉注意力机制的C2LA模块，以提取多尺度的空间特征，减少空间信息丢失，同时捕获长程依赖关系，从而增强对细小缺陷的分割效果；其次，为应对预测中的边界模糊的问题，引入一种轻量化的二阶段残差细化模块（D-RRM），用于细粒度特征建模，以提高预测边界精度；最后，为进一步降低模型复杂度，引入幻影卷积。实验结果表明，与基线模型相比，C2LA-U2-Net模型的类别平均像素精度（MPA）、平均交并比（MIoU）、平均召回率（MRecall）和F1分数提升了3.1%、4.49%、4.39%和4.17%。同时，模型参数量和GFLOPs下降了89.77%和56.68%，推理速度提升了76.97%，证明了本文方法的有效性。

摘要:血细胞检测是诊断许多疾病的重要手段，血细胞数量和形态的变化常常反映人体的健康状况。然而，人工检测耗时且易出现误检和漏检。为此，本文提出了一种基于改进YOLOv7的血细胞检测算法—YOLOv7-SMC。该算法首先在特征提取过程中结合空间和通道重构卷积，减少了特征冗余并提高了性能；然后在颈部网络中加入混合局部通道注意力机制，增强了模型的表征能力；并且用内容感知特征重组上采样算子替换最近邻插值上采样，从而自适应地调整上采样策略，得到细节丰富的结果；最后引入基于最小点距离的边界框相似度度量损失函数，简化了边界框相似性比较。实验结果表明，该算法在BCCD数据集上的3类血细胞检测中，总样本均值平均精度mAP@0.5和mAP@［0.5:0.95］分别提升了2.6%和2.9%，展现出较高的实用性和准确性。

摘要:图像级标注的语义分割因具有友好的注释和令人满意的性能而被广泛研究。针对类激活图激活区域稀疏、前背景间语义模糊问题，提出基于激活调制的双分支弱监督语义分割网络。该网络以Resnet50和Vision Transformer作为双分支特征提取网络，并设计激活调制模块嵌入卷积分支，该模块迫使模型激活中间分数的像素，生成紧凑的类激活图，从而缓解类激活图激活区域稀疏的问题。其次，提出基于余弦退火衰减的动态阈值调整策略，该策略在训练过程中自适应的确定背景最高阈值，使更多低置信前景像素参与到分割训练中，生成完整且准确的分割图。在PASCAL VOC 2012以及MS COCO 2014数据集上验证该网络的有效性。PASCAL VOC 2012验证集和测试集上的mIou值分别为74.2%和74.0%，在MS COCO 2014验证集上的mIou值为45.9%。实验结果表明，该网络可以解决前背景颜色相似场景下的误分割问题并取得优异的分割性能。

摘要:在SLAM系统估计相机位姿时，大量运动物体的特征点参与特征跟踪线程导致算法准确性和鲁棒性下降，因此如何高效准确地剔除场景中的动态物体尤为重要。现有的动态视觉SLAM算法在处理动态物体时可能漏检或是错误地将静态物体识别为动态物体并将其剔除，引发静态特征点数量不足的问题，进而影响SLAM系统的稳定性和精度。因此提出一种基于全景分割与多视图几何的视觉SLAM方法，该算法使用全景分割FPN网络准确识别分割图像中的所有物体，剔除先验动态特征点并尽可能多地保留静态特征，在此基础上使用融合图像金字塔的LK光流法实现光流跟踪并剔除平行动态特征点，潜在的动态特征点则采用基于动态概率的多视图几何法更有效地对其剔除，避免了动态特征点漏检的情况，实现对场景中动态物的全面筛查以提高系统精度。在系统构建的稀疏点云的基础上实现对语义地图与八叉树地图的构建。实验使用TUM RGB-D数据集验证系统定位精度，结果表明，与ORB-SLAM2相比，本算法在所有序列的绝对轨迹误差的均方根误差（RMSE）平均降低了84.34%，显著提升了系统的鲁棒性和准确性,并且构建两种可用于SLAM上层任务的地图，具有一定的使用价值。

摘要:针对现代农业中植物病虫害检测所面临的多尺度特征和复杂背景处理难题，本文提出了一种高效且精准的检测模型AgriSwin，以提升农业病虫害检测的精度和效率。AgriSwin模型在Swin Transformer的基础上，融合了扩张特征聚合模块与自适应空间卷积模块。扩张特征聚合模块通过不同扩张率的卷积层实现多尺度特征提取，并利用全局特征信息的自适应加权机制优化了特征融合效果。自适应空间卷积模块则通过生成自适应权重，对特征图进行动态加权，从而在复杂背景下增强局部和全局信息的捕捉能力。实验结果表明，AgriSwin模型在PlantDoc、PlantVillage和自建数据集上的检测精确率分别达到79.65%、99.90%和95.08%。此外，该模型的参数量比Swin Transformer-T减少了25.63%，在保持高精确率的同时显著降低了内存和计算资源的占用，展示了在大规模农业应用中的广泛潜力。

摘要:针对行星齿轮箱振动信号频率信息复杂、时变性强、调制特征明显的问题，提出了基于可视图谱特征融合的行星齿轮箱故障诊断方法。首先将行星齿轮箱信号进行Welch变换得到功率谱，采取可视图算法构建图谱，计算图谱节点的中心性指标并融合成特征矩阵，最后使用改进的CNN-Inception模型分类得到齿轮箱故障诊断结果。实验结果表明，该方法可以准确识别行星齿轮箱故障，在两种工况的实验数据集上准确率可以达到98.57%，模型具有泛化性。相较于其他方法，该方法能够实现高效、准确的故障诊断。

摘要:作为现代航空的重要组成部分，维护和预测涡扇发动机的使用寿命对于确保安全和降低运营成本至关重要。为了应对涡扇发动机RUL预测中的复杂非线性特征处理难题，本研究提出了一种基于并行TCN与BiLSTM的新型混合模型。针对传统方法难以同时捕捉局部特征和长时间依赖性的问题，该模型通过TCN提取短期局部特征，并利用BiLSTM捕捉数据中的双向时序依赖。同时，针对特征重要性识别不足的挑战，引入了改进的SE注意力机制模块，以动态调整网络的特征权重，增强对关键信息的关注。在C-MAPSS数据集的FD001和FD003子集上的实验验证中，RMSE和Score分别为12.15、230.4和11.16、209.84。结果表明，该方法与其他方法相比具有更高的精度。

摘要:为解决油井动液面测量数据中存在的缺失值、非线性和非平稳特性导致的数据特征提取准确性不足，以及无法实现油井动液面位置精准测量的问题，提出基于归一化RBF神经网络的油井动液面测量数据异常辨识方法。通过安装在油井上的传感器实时采集数据，利用基于专家库的多源油归一化处理技术完成数据的校验与整合。采用经验模态分解（EMD）技术将数据分解为趋势项与波动项，去除波动项后，将趋势项数据作为归一化RBF神经网络的输入。实验结果表明，该方法可有效补全不完整数据，并通过趋势项准确辨识异常数据并提供合理替代值，获得的动液面位置曲线与实际动液面位置曲线基本吻合，误差最高不超过2 m，可实现油井动液面位置的精准估计。基于归一化RBF神经网络的油井动液面测量数据异常辨识方法解决了数据缺失、非线性和非平稳性带来的挑战，实现了油井动液面位置的精准估计，为油井动液面的实时监测和数据分析提供了技术支撑。