摘要:霍夫变换是一种检测直线的常用方法，有很好的抗干扰能力及鲁棒性。但由于霍夫变换检测直线计算复杂度高，存储需求大，在硬件上部署困难。本研究提出了一种基于分级霍夫变换思想的改进霍夫变换算法，该算法将一次霍夫变换分解成两次变换运算，第一次运算图像经过下采样处理降低了第一级投票器的存储需求，第二次运算的投票器存储范围受第一次运算出来的参数限制，很好地解决了霍夫变换在硬件部署上存储需求大的问题，并且利用三角函数变换公式改进霍夫变换算法使得每次变换可以采用并行流水线设计，提高了计算效率。实验基于FPGA实现了分级流水线霍夫变换硬件架构，结果表明，本研究提出的架构在片上RAM资源占用上较经典霍夫变换硬件架构降低了89.8%，检测精度综合提升了39.94%，在100 MHz时钟频率下检测一张1 024×1 024的图片中的直线花费的时间为13.11 ms，相比于软件执行霍夫变换直线检测速度上有很大的提升。

摘要:针对用户编码调制模式可调的动态卫星通信系统，若用户选择的编码调制模式不合适，会导致系统分配资源时出现带宽受限的问题。为了解决这一问题，改由系统根据每个用户的实际业务需求分配调制编码模式，通过功率和编码调制模式的联合分配，提高系统资源的利用效率。本文首先对卫星通信系统链路进行分析，考虑构建了功率和编码调制模式联合分配的数学模型，提出一种混合引力搜索粒子群优化算法用于解决该问题。为了提升所提出算法在带约束优化目标函数中的性能，引入动态惯性权重系数避免算法陷入局部最优陷阱，并添加罚函数机制用于处理带约束优化目标函数，实现对目标函数的优化。最后的仿真结果表明，相较于单一的粒子群优化算法或引力搜索算法，文中设计的混合引力搜索粒子群算法降低了系统的总二阶业务拒绝量，并使系统总容量得到有效提高。

摘要:本文基于基片集成波导（SIW）结构设计了一种厚度约2.5%λ的低剖面、极化可重构宽带SIW天线。通过在SIW腔体上开环形槽激励出两个辐射谐振频点，并通过对SIW腔中所设计的过孔位置调节，实现了对两个谐振频率点的调控，扩展了低剖面天线的工作带宽。另外，通过对安装在SIW天线表面射频二极管的开关控制，可以实现对该天线两个辐射谐振频点控制，从而获得该天线的左右圆极化重构。仿真和测试结果表明，厚度仅为2.5%λ的低剖面SIW天线，其相对工作带宽可达6.4%；在5~5.3 GHz频率范围内天线增益大于5 dBi，其中在5.17±0.035 GHz频率范围内可实现对该天线左右圆极化的重构，且天线极化隔离度优于15 dB。

摘要:为了提升模块化多电平逆变器在面对外部干扰下的抗扰动性能和速度跟踪性能，提出了一种基于改进终端滑模自抗扰的MMC控制策略。首先建立MMC的数学模型，然后设计级联非线性扩张状态观测器来实时估计扰动，并将其加入到系统模型中。而线性误差状态反馈控制器采用终端滑模控制，根据观测到的扰动和状态误差进行反馈，补偿扰动对系统性能的影响，提高了系统闭环稳定性和鲁棒性。同时为了避免出现奇异问题,滑模面采用积分型终端滑模形式,为了减少传统滑模控制的抖振问题,趋近律采用新型变增益指数趋近律,可以削弱不连续项的高增益引起的抖振现象。最后利用Matlab进行仿真实验,所提控制策略的并网电流在0.015 s趋于稳定，THD值为1.85%，符合并网条件。通过功率突变和电网电压骤降工况与终端滑模控制,自适应控制，PI控制进行对比.实验结果表明所提控制策略具有良好的抗干扰性能和速度跟踪性能。

摘要:单目视觉测量存在深度信息缺失，无法准确计算裂缝三向变形的问题。为解决该问题，本文提出了一种多重坐标系融合的裂缝三向测量方法。通过设计同心圆点阵标靶，建立裂缝等效位移模型，将测量裂缝三向变形问题转化为测量标靶主板与副板的三向变形问题。通过相机拍摄，对图片进行密度聚类和偏心修正后获得特征点集，再通过EPnP算法求取投影矩阵，利用最小二乘法对副板点集进行三维重建，获得副板点集在给定世界坐标系下的坐标，计算副板前后坐标变化量，即裂缝三向变形值。通过三轴滑台试验，验证了本文方法的精度、鲁棒性、泛化能力，结果表明算法在室内条件下最大偏差0.35 mm，三向测量误差均在±0.35 mm之内，现场试验条件下仍能保持±0.4 mm的测量精度，满足规范对裂缝测量的要求（±0.5 mm）。

摘要:轮腿机器人在越障时，其动力学模型会因轮腿切换因素变得高度非线性，但是现有的线性控制方法难以准确描述这种非线性特性，导致机器人越障控制效果差。为此，提出复杂环境下高运动性能轮腿机器人越障控制方法。该方法在深入分析轮腿机器人越障过程受力情况基础上，将控制轮腿机器人轮腿运动的电动机角速度作为关键控制对象，在进一步分析轮腿机器人越障过程步态情况，得到轮腿机器人越障位置误差，将该误差输入到模糊级联PID控制器中，同时引入自适应伸缩因子优化PID控制器参数，以适应轮腿机器人在越障过程中的非线性动力学特性，依据复杂障碍环境动态生成轮腿机器人电动机角速度调整量，实现轮腿机器人越障控制。实验验证表明，该方法能够实现不同台阶、斜坡、沟渠障碍及多种复合障碍环境情况下轮腿机器人越障，在控制过程中轮腿机器人打滑率均能够小于0.1%，运行稳定性均高于95%，且轮腿机器人质心变化轨迹较平缓，充分证明该方法实现轮腿机器人越障控制具有稳定性，能够有效推动轮腿机器人越障领域发展。

摘要:在细粒度车辆识别领域，深度学习面临一个挑战:各种新车型源源不断推出，然而我收集并标注数据的能力有限，这会导致“小样本类增量学习问题”问题。针对上述挑战，本文提出了一种新方法，基于提示的小样本类增量学习，旨在使模型在少量新车辆类别样本下既能识别原有类别又能学习新增类别，而无需重新训练或依赖大量原始数据。这种方法结合了提示机制和预训练的视觉转换器（ViT）模型的优势。我们设计了两种提示——域提示和FSCIL提示，以解决FSCIL中的挑战。在类增量学习中，Stanford Cars和CompCars这两个数据集的平均精度到达了70.47%和73.56%，优于目前现有的方法。

摘要:针对一类同时存在执行器故障和外部扰动的多智能体系统，本文提出了一种基于分布式观测器的一致性控制方法。该方法通过分布式观测器估计系统状态和故障信息，设计一种一致性控制协议，能够在存在执行器故障和外部扰动的条件下估计系统的状态和故障，同时实现系统的容错一致性。首先，基于智能体子系统的输出信息和相邻子系统的状态估计信息，构建了分布式故障观测器，并设计一个新的Lyapunov函数，从而得到系统的全局动态稳定误差收敛的充分条件，并证明所设计观测器的增益矩阵能够有效估计系统状态和故障信息。其次，基于故障估计结果，提出了一个基于输出反馈的一致性控制协议，该协议能够有效补偿执行器故障并抑制外部扰动对系统稳定性的影响。最后，通过无人机系统的仿真实验验证所提方法的可行性和有效性，结果表明，所设计的控制方法能够实现系统的快速收敛和容错一致性，具有良好的鲁棒性。

摘要:传统的双目SGM算法，计算复杂且对计算资源的需求较大，难以满足小型嵌入式系统的实时应用和低功耗需求。为此本文提出了一种基于FPGA架构的改进方案，旨在提升双目SGM算法的实时性、资源利用率，并减少资源开销。改进的SGM算法通过调整代价集合的方向，使其与FPGA数据流方向一致，从而实现四路径并行计算；在视差计算阶段，引入基于二项式的亚像素插值技术，使得视差计算与优化过程能够同步进行，减少计算延迟，进一步降低资源消耗和系统功耗。实验结果表明，改进后的算法相比传统SGM算法，平均视差误差降低了32.4%，LUT资源的利用率提升了45%，资源消耗减少了25%，并且算法的匹配速率达到了65.3 fps，系统功耗仅为2.85 W,满足了小型实时嵌入式系统的要求。

摘要:火电厂生物质燃烧过程中产生的NOx对环境造成严重污染，准确预测NOx排放对于降低环境污染至关重要。基于传统数据驱动方法建立的NOx排放预测模型深层特征信息提取不充分，鲁棒性差。针对现存问题提出了基于火焰成像的NOx排放混合预测模型SADAE-MSViL。首先，在对抗降噪自动编码器中引入自注意力机制，实现图像深层特征提取，有效去除噪声干扰。其次，设计尺度为8和16组合的多尺度特征融合机制，充分捕获不同尺度下图像块的火焰频域信息。最后，通过改进Linformer并融合门控低秩注意力机制，在保证模型运行效率的同时提升NOx排放预测精度。实验结果表明，该模型R2达到0.98，RMSE为3.0，预测精度优于其他模型，展现出较高的鲁棒性和可靠性。

摘要:在高速卫星通信系统中，随着信息传输速度的提高，码间串扰问题日益突出。为有效解决该问题，本文提出了一种先定时同步再双模式切换盲均衡算法。该算法通过定时同步对信号进行重采样，随后采用双模式切换机制：首先使用修正恒模算法进行初步均衡，以加快收敛速度并确保收敛方向正确；其次切换至改进判决引导算法，以获得更优的稳态性能。这种先对信号进行位定时以准确对齐信号的符号边界，再用双模式切换机制结合了修正恒模算法的快速收敛特性和判决引导算法的高精度均衡能力，特别适用于卫星通信中复杂多变的信道环境。通过与不同调制方式和信道的星座图、均方误差及码间串扰的对比分析，仿真结果表明，所提算法显著提升了星座图的清晰度和紧凑性，均方误差最大可降低18.77 dB，同时有效抑制码间串扰，最多降低14.32 dB，从而显著提高了通信系统的性能。

摘要:针对现有受电弓燃弧检测算法对高精度和轻量化的需求，提出一种基于YOLOv8的轻量级受电弓燃弧检测算法RIL-YOLO。首先，结合RepConv模块和GhostNet思想，设计了一种轻量级特征提取模块RELAN，降低参数量和计算量的同时，保持模型对燃弧特征提取的性能；其次，针对小燃弧漏检问题，增加一个小目标检测模块，并使用加权双向特征金字塔网络结构实现更高层次的特征融合，提高模型对小目标的检测能力；为解决小目标检测模块带来的计算量大幅增加的问题，对颈部网络进行重构，降低计算量的增加；最后，设计轻量化细节增强检测头来替换YOLOv8检测头，在减少模型参数的同时提高模型对细节特征的捕获能力。研究结果表明，与相较于YOLOv8，RIL-YOLO在参数量降低66%与计算量降低13.6%的情况下，平均精度AP@0.5、AP@0.5:0.95分别提升了5.2%、3.7%，检测速度达到112.4 fps,能够有效实现燃弧快速、准确检测。该方法为受电弓燃弧实时检测提供理论方法参考。

摘要:目前非协作通信多输入多输出正交频分复用（MIMO-OFDM）系统中的子载波调制识别方法，存在低信噪比下识别精度不够高，识别阶数不够高的问题。对此，本文提出一种基于特征结合的调制识别算法。首先对接收信号进行预处理；接着提取信号的同相正交分量并计算信号的小波变换、四次方谱、高阶累积量、零中心归一化瞬时幅度作为输入特征；接着将输入特征送入神经网络进行训练；最后对MIMO-OFDM系统子载波进行调制识别。实验结果表明，本文提出的算法能够有效识别BPSK、QPSK、8PSK、16QAM、64QAM、128QAM共6种信号，且识别精度在信噪比为6 dB时可达到90%。

摘要:准确预测架空输电线路动态载流量是保障线路安全增容的关键。针对传统预测模型因依赖人工经验选择模型超参数，难以有效降低线路动态载流量波动性而导致的预测精度不佳问题，本研究创新性提出一种基于SSA-VMD-LSTM的预测方法。该方法深度融合了SSA的全局优化能力、VMD的多尺度数据分解特性以及LSTM的时序建模优势，构建了一个层次化的人工智能预测模型。首先，利用SSA的强大搜索能力对VMD超参数进行迭代寻优，获取最优超参数；随后，采用VMD对线路动态载流量进行多尺度分解，得到一系列中心频率不同但局部平稳的分量；在此基础上，对多个分量分别建立LSTM进行预测；最后，将分量预测结果叠加得到最终预测结果。实验结果表明，与多个传统预测模型相比，所提方法的预测精度至少提升4.78%，充分验证了该方法在动态载流量预测中的有效性和优越性。

摘要:针对地基微波探测系统中，臭氧吸收峰微弱，易淹没在噪声中；后端数字谱仪中数据输入速率与数据处理速度的限制等问题，提出了一种基于多相抽取滤波和并行 FFT 结构的数字信号谱分析系统设计方案。该方法通过多相分解对输入数据进行抽取滤波，对多路数据进行并行 FFT，得到信号功率谱。经过仿真实验与搭建实验平台开展大气探测实验进行数据分析验证。实验结果表明，在保证合理的观测时间内，该方法能够显著减少噪声，通道灵敏度均值达2.77 K，子通道间灵敏度标准差为0.2 K，体现了系统响应函数的平稳。在保证分辨率的前提下，确保谱仪优异的灵敏度，满足实际探测系统需求。

摘要:样本数据的完整度与新鲜度直接决定了机器学习模型的泛化能力与预测精度。网络作为开放环境下的核心数据来源，可为模型训练提供广覆盖、高实时的样本支持。然而，网络数据源的动态性、复杂性及规模性导致传统采集方法面临开发效率低、维护成本高的严峻挑战。通过对目前主流采集框架的分析，得出Selenium采集框架相较于其他具有开发效率高、动态支持能力强的特点优势。因此本文创新地提出一种面向网络样本数据采集的轻量化脚本语言设计方法，基于乔姆斯基层次理论构建基于3型正则文法的轻量化脚本语法体系，在Selenium的基础上进一步优化。为了所提出的脚本语法可被实际使用，本文实现了支持多线程异步执行的分层语法解析器，可将其动态转译为标准化Selenium代码。本方案通过抽象原生Selenium API、绑定动态智能等待等机制，显著降低了开发与维护成本，大大提升了开发人员的效率。同时通过两类DOM结构差异场景的采集任务，验证了在卫星轨道参数（TLE）采集任务中，相较于传统Selenium方案，本文所设计的脚本语言在代码量方面能够减少85%以上，页面结构变更后的维护成本降低70%以上，平均采集延迟的增加可忽略不计。本研究为高动态网络环境下的数据高效捕获提供了轻量化解决方案，简化的脚本语言在未来更有利于大语言模型LLM的训练和推理，实现对于样本数据采集任务的自动化生成。

摘要:为充分融合脑电信号中多维度情感信息以提升情感识别性能，本文提出了一种多注意力与多特征融合的网络模型。该模型结合了脑半球非对称性以及脑电信号的空间、频谱和时域特性，通过并行双输入路径进行特征提取。利用并行注意力机制强化频率通道和空间信息的表达，同时通过动态核选择方式调整卷积核的尺寸，结合深度可分离卷积进一步提取和压缩特征。最后，通过Transformer编码层的融合，提取特征间的时序依赖关系和全局关联信息，从而实现情感分类。在SEED数据集上的三分类实验中，模型取得了98.53%的平均准确率，验证了该方法的优越性。此外，通过对注意力模块的可视化分析，进一步增强了模型的可解释性。

摘要:防热瓦复合材料凭借其优异的耐高温性能在航天领域得到广泛应用，但服役过程中易产生内部缺陷，对飞行器安全构成潜在威胁。因此，开展防热瓦复合材料的无损检测研究具有重要工程意义。本研究基于太赫兹时域光谱系统(THz-TDS)，对预制孔洞缺陷的防热瓦材料进行系统性无损检测研究。采用反射式太赫兹扫描系统获取样本时域信号，并引入Savitzky-Golay滤波算法进行信号降噪优化，提取关键特征参数构建成像。针对单一参数成像结果在缺陷检测精度上的局限性，创新性地提出小波图像融合与Canny边缘检测算法相结合的检测方法。实验结果表明，该方法不仅实现了对预置孔洞缺陷的全部识别，缺陷识别率达到100%，而且对直径分别为10 mm和5 mm的孔洞缺陷，检测误差均控制在0.5 mm范围内，相对误差不超过6%。这种高精度检测方法为防热瓦复合材料缺陷检测的智能化发展提供了思路和方案。

摘要:传统拼接方法在复杂场景下表现不佳，且有监督方法标注数据困难，现有的无监督图像拼接方法模型参数大，拼接时间长。因此，提出了一种轻量级无监督深度学习的图像拼接框架，分为无监督图像变形网络和无监督图像融合网络两个阶段。在图像变形网络中，使用MobileNetV2作为网络主干，结合ECA模块得到图像的变形信息。图像融合模块使用UNeXt作为主干网络得到图像重叠区域的接缝线进行无缝拼接，通过添加AG模块以及改进Tokenized MLP模块来提高精度。此外，由于缺乏水下图像拼接的数据集，本文还构建了真实场景下的无监督水下图像拼接的数据集，并在该数据集以及公开数据集UDIS-D上比较了SIFT+Ransac、ORB+Ransac、UDIS算法和UDIS++算法，实验结果表明，本文算法在保证拼接精确度的同时将模型的参数量下降了74%，拼接速度提升了46%。

摘要:乳腺癌全切片图像分类对精准诊断至关重要，然而，现有基于伪标签的多实例学习方法存在伪标签质量不高和选取硬负实例比例不合理的问题，为解决上述问题，本文提出一种结合频域特征与动态硬负实例筛选的多实例学习方法。首先，设计多尺度频域特征编码模块，通过频域残差连接与跨层特征融合，增强高频细节与复杂纹理表征；其次，提出双分支包预测模块，基于注意力机制动态调整实例权重，缓解异质性导致的特征稀释，优化伪标签生成质量；最后，提出动态硬负实例伪标签挖掘策略，通过渐进式增加硬负实例比例以提升模型获取区分性特征的能力。实验结果显示，在Camelyon和TCGA-BRCA数据集上，ACC、AUC、Precision、Recall分别提升了3.15%、1.72%、3.06%、2.12%和2.32%、2.79%、2.22%、2.22%，验证了方法的有效性。

摘要:道路病害对交通安全、道路使用寿命及行车的舒适度都有一定影响。针对现有的检测算法对于复杂特征的裂缝、坑洞识别精度较低的问题，本文构建了一种基于增强边缘特征的YOLOv8n-Edge道路缺陷检测算法。首先，在骨干网络中引入RFAConv，以避免卷积核参数共享同时扩大感受野。然后设计具有强化边缘特征的Edge Enhance Conv，将高频信息与输入图像融合，强化输入特征。其次，融合Manet和Starnet提出Manet-Star替换部分C2f结构，加强模型的特征提取能力。最后，在浅层网络设计一个旁路分支模块—Sub-GEIM，生成具有不同尺度的边缘特征图，与对应尺度的检测头进行融合以优化目标框定位。结果表明，YOLOv8n-Edge算法显著提高了路面病害的检测效果。虽然带来少量参数量和计算量，但是在预处理的RDD2022数据集上关键指标mAP@50达到了72.1%，较原算法提高3.3%。此外通过泛化实验、对比试验均验证了本文算法的有效性。

摘要:人类视觉系统在处理外界信息时，往往聚焦于目标的关键特征和结构，同时弱化非目标区域。此外，在经典的CNN模型中，图像中的噪声经逐层传播可能会干扰目标关键信息表征，导致无法准确提取特征。为此，本文提出一种基于双重模糊注意力机制的图像分类方法DFAM-CNN。首先，针对CNN卷积层输出的特征图，通过引入模糊逻辑技术设计了模糊通道注意力机制和模糊空间注意力机制，并利用这两个机制在特征图的通道和空间方向上进行映射变换，生成与原特征图一一对应的重要模糊化特征图。其次，基于所有重要模糊化特征图，实现所有特征图通道权重和特征图内每个元素权重的计算，从而在通道和空间方向上突出与目标相关的特征。最后，通过模糊聚合操作对特征图进行降维，同时保留与目标相关的特征。为验证DFAM-CNN的有效性，在公开数据集MedMNIST和应用案例数据集上进行了大量的实验，实验结果验证了DFAM-CNN的有效性。特别地，与传统的最大池化方法相比，DFAM-CNN在BreastMNIST和DermaMNIST子集上的准确率分别提升了8.67%和7.40%。

摘要:目标检测是无人驾驶时代自动泊车智能感知的关键技术之一。鱼眼相机感知过程存在环境因素复杂、障碍物类型多样、鱼眼镜头下检测对象图像失真等问题，常规算法难以保证自动泊车复杂场景下各类对象的检测精度。为此，本文提出了一种基于改进YOLOv10n的旋转目标检测方法，在主干网络引入SPPELAN模块，并利用DSConv改进C2f中部分卷积融合iRMB模块，以提高鱼眼镜头下的特征提取能力，增强小目标对象的定位能力；然后采用ATFL函数，增强模型在检测目标特征上的聚焦能力。实验结果表明，改进后的算法在鱼眼相机泊车数据集上的mAP@0.5达到了89.89%，mAP@0.5:0.95达到了69.36%，比基准模型分别提高了0.62%和0.6%，为泊车感知技术提供了新的思路。

摘要:多部位病灶检测在临床中具有重要意义，但不同部位的病灶在大小和形状上差异较大，且CT图像中病灶区域通常较小、病灶区域与周围背景相似，导致检测难度较大。针对上述问题，提出了一种基于Salience-DETR模型改进的多部位小目标病灶检测算法。首先，设计一种高效空间通道协同注意力机制ESCA，用于对Backbone提取的多尺度特征进行重构，加强模型对病灶重要信息的关注；其次，结合DenseASPP和AugFuison模块对跨层token融合网络进行优化，增强不同层级特征的多尺度融合能力；最后，引入Inner-GIoU损失函数，加速模型收敛并提高小目标病灶的检测性能。实验结果显示，在每张图像假阳性数目为0.5至4的情况下，改进后的模型在公开数据集DeepLesion和外部验证集上的平均检测灵敏度分别达到了83.26%和82.33%。可见，所提算法在多部位小目标病灶检测任务中表现出较高的检测精度和良好的泛化能力，具有一定的实际临床应用价值。