摘要:针对传统Ku波段带通滤波器尺寸大以及集成难度高的问题，本文结合LTCC工艺，提出了一种新型8阶是SIW带通滤波器。通过设计耦合矩阵并调节各腔体之间的耦合系数，使该滤波器具有良好的耦合拓扑结构，8个SIW腔体间通过电磁混合耦合方式连接，具有宽带宽、高带外抑制的优点。为了减小整体体积，采用多层板SIW技术，将8个SIW腔体分为上下两层，每层各4个腔体，有效减小了滤波器的体积。在微带和SIW连接处采用共面波导耦合，实现了在带外具有两个传输零点，可抑制寄生通带，进一步提升带外性能。实验结果显示，该滤波器带宽约为13.3~17.2 GHz，相对带宽FBW26%，带内插损<-2.2 dB,18~20 GHz范围内带外抑制>-20 dB。

摘要:纳剂量学通过统计初始粒子电离的离子数量与种类等物理量来模拟辐射生物效应。微孔道电离离子计数的纳剂量探测器通过配置内电场驱动电离离子漂移进入微孔道，并在强压下诱导电子雪崩实现测量。本文针对纳剂量准确测量需求，开展基于有限元分析与蒙特卡洛方法的微孔道电离离子计数纳剂量探测器参数设计研究。利用COMSOL有限元分析与Garfield++蒙特卡洛软件，对探测器内部静态电场、电离离子动态输运以及微孔道内电子雪崩形成进行计算与模拟，系统研究了不同阳极、阴极电场配置下内部电场漏斗效应的形成特性，分析了其对电离离子动态输运和收集效率的影响规律，研究了电子雪崩对电场配置、微孔道直径等设计参数的依懒性，并对结果进行讨论与归纳。分析结果表明，阳极电压选取5~15 V，阴极电压选取-1 500~-2 000 V，微孔道半径选取0.5~0.75 mm可实现较好测量性能。本文的研究结果将为深入了解纳剂量探测器的内部工作机制及参数设计优化提供重要的理论依据。

摘要:针对永磁同步电机使用传统控制动态响应慢、电流脉动大等问题，改进了一种基于黏菌优化算法的新型双幂次滑模积分速度控制器的模型预测控制算法。首先，速度环采用一种新型双幂次趋近律的滑模速度控制器，使其更加准确的控制电机的运转，并通过 Lyapunov函数验证其稳定性。其次，利用黏菌优化算法优化dq轴PI控制器的参数，可以快速找到最优的PI参数。同时通过电流模型预测控制，使电流脉动减小。最后，从微观的角度绘制了dq轴电流与电机转速n的三维相图，进一步验证了控制器的有效性。仿真结果表明，与传统PI-MPC、SMC-MPC及NSMC方法相比，所提方法NSMC-MPC在动态响应速度、调速稳定性和抗干扰能力方面具有显著优势，能显著减小超调和电流脉动，提升动态性能及负载适应能力。

摘要:针对目前轨道角动量天线模态数少、难以共形等问题，本文使用石墨烯、MXene等材料设计了一款工作在太赫兹频段的柔性阵列天线。通过调整馈电相位以产生不同模态的OAM涡旋波，改变石墨烯的外置电压改变了电导率，从而使工作频率可调谐。研究了弯折对天线性能的影响，并相应地进行了相位补偿和频率补偿。仿真实验结果表明，该天线仅需调整馈电相位差即可产生模态数为0~3整数阶，0.5、1.5、2.5分数阶的OAM涡旋波，天线增益可达11.7 dBi，天线的工作频率在1.1~1.9 THz范围内可调谐。对于明显的柱面弯折，本文的相位补偿和频率补偿方法能较好地维持涡旋波形态和工作频率。由实验结果可知，该柔性OAM天线在人机接口、软体机器人、航天部件等天线形变弯曲的场景应用潜力大。

摘要:针对声共振混合器加速度控制精度问题，提出了一种改进麻雀算法（ISSA）优化的径向基函数神经网络（RBFNN）PID加速度控制方法。首先通过阶跃响应曲线辨识出加速度模型，进而通过引入Tent混沌初始化种群和线性动态惯性权重优化发现者位置等对麻雀搜索算法进行改进，然后将ISSA用于RBFNN参数的优化，最后将优化后的RBFNNPID应用于加速度的仿真测试，并与其他算法进行比较。仿真结果证明，开发的ISSA收敛速度和寻优能力要优于其他算法，用ISSA优化RBFNN-PID加速度控制，能够有效抑制系统超调量，提高系统控制速度、精度和稳定性。实验结果表明，与对比算法相比，基于ISSA优化的RBFNN-PID加速度控制系统展现出更优越的控制性能与自适应能力，对声共振混合器加速度控制具有较大的实用价值。

摘要:准确的风电功率预测对于保障电网平稳运行和提升风资源利用效率具有重要意义。针对风电功率数据的非平稳性和间歇性等特征，本文提出了一种结合数据分解技术的IZOATransformer-BiGRU组合预测模型，以提升短期风电功率预测的精度和可靠性。首先，采用能量差值法确定变分模态分解(VMD)的子模态数，将具有较强随机波动性的原始风电功率分解为一系列相对平稳的子序列，从而更加充分地提取时序特征。其次，构建Transformer-BiGRU模型，引入多头注意力机制并行处理多个特征之间的交互关系，并利用BiGRU捕捉时序序列间的前后依赖性，从而提升预测性能。为了进一步优化模型性能，采用融合Singer混沌映射、透镜折射反向学习和单纯形法策略的改进斑马优化算法(IZOA)，对Transformer-BiGRU模型的隐藏层神经元数、初始学习率、正则化系数和多头注意力头数四个关键超参数进行优化。最后，通过IZOA-Transformer-BiGRU对分解后的各子序列进行预测，经过叠加重构得到最终的预测结果。实验结果表明，与单一BiGRU模型相比，所提模型的决定系数提升了5.10%，平均绝对误差、均方根误差以及平均绝对百分比误差分别降低了56.17%、54.58%、54.55%，具有较高的预测精度。

摘要:针对传统蓄电池三级充电方式存在的功率输入不稳定、随机性大的问题，本研究提出一种基于扰动观察法(POM)的变步长扰动观察法的最大功率点追踪(VSS-POM-MPPT)算法与四级充电算法相结合的光伏储能充电控制策略。通过搭建光伏模型，对VSS-POM与POM的最大功率点追踪(MPPT)的跟踪速度进行对比，同时以稳压精度和稳流精度作为光伏电池为蓄电池充电时的性能评价指标。完成基于VSS-POM-MPPT算法的控制器程序设计，进行光伏电池向蓄电池充电实验验证。实验结果表明，VSS-POM-MPPT相较于POM-MPPT在追踪到最大功率点时的用时减少了0.008 s，速度提升了24.3%；实验记录的蓄电池充电数据与本研究设计的充电算法一致，稳压精度和稳流精度分别为±0.4%、±0.8%，满足电力行业标准即±(0.5%~1%)、±(1%~2%)。

摘要:由于无人机拍摄高度和角度的多样性，其图像往往呈现背景复杂且小目标居多的特征，这导致了相关检测算法性能较差。针对此问题，本文提出了一种基于自适应感知网络的航拍图像车辆检测方法，旨在从提高车辆特征显著度和改善特征信息损失两个方面来提升小目标的检测性能。首先，为了提取更高效的特征表征，提出了自适应感知特征提取模块，该模块通过捕捉长程依赖关系和更强的几何特征表示，能够自适应地对物体的形状进行建模。其次，为了减少下采样和连续池化造成的信息损失，设计了双分支空间感知下采样模块，该模块混合不同通道的特征图，以最大限度地保留小目标特征信息。然后，在特征融合网络中，引入了具有丰富空间信息的浅层特征图，以增强小目标的检测能力。最后，设计了新的动态回归损失函数DEIoU，该函数引入惩罚项来度量真实框与检测框之间横纵比的相关性，从而进一步提高网络的预测精度。在Visdrone数据集上的实验结果表明，所提方法的平均精度均值mAP达到了70%，推理速度达到了99.26 fps，实现了较好的速度与精度的平衡，并且所提方法在UCAS-AOD数据集上取得了最佳的检测精度，具有较强的泛化能力。

摘要:为了应对虚假的广播式自动监视(ADS-B)信号对航迹信息带来的干扰，基于卡尔曼滤波对于飞行航迹的预测设计了一种对于ADS-B虚假目标的检测系统。报文解码基于软件无线电平台的ADS-B解调系统，在Qt端完成了解码校验部分并嵌入高德地图动态显示。制作了ADS-B虚假报文发射系统，并基于卡尔曼滤波完成了航迹预测部分。基于ADS-B预测数据的位置离散度，均方根误差设计了跳点率检测部分。根据实验测试，对于给出的虚假报文，成功检测到90.4％的跳点。据此，该系统具有一定的ADS-B虚假目标检测能力。

摘要:由于缺乏专门的试验系统，三维封装中的硅通孔电迁移寿命评价往往需要借助多种设备和仪器，以应对不同试验需求，这不仅增加了试验的复杂性，还可能引入不确定性因素。以LabVIEW作为上位机软件开发平台，可编程控制器和工控机作为核心控制单元，联合精密电源、高精度万用表、继电器阵列、样品连接端等研发了TSV电迁移寿命评价系统，以确保对TSV电迁移试验过程中电压、电流等关键参数的准确采集和监测。借助研发的TSV电迁移寿命评价系统，通过开展双通孔TSV样品电迁移加速寿命试验，分析了TSV在不同电应力（1×105、5×105和1×106 A/cm2）和温度应力（25℃、50℃和75℃）条件下的特征失效特性。实验结果表明，相同温度下，电流越大TSV样品失效越快，在25℃下电流密度为1×105 A/cm2时的样品失效时间约为56.2 h，而1×106 A/cm2时仅为10.5 h；电流相同时，温度越高TSV样品失效越快，温度从25℃升高到75℃时，样品失效时间减少了约64.9%。基于TSV样品失效时间得到其特征失效时间，并通过设计算法得到TSV电迁移Black寿命模型及其参数，Ea=0.672、n=0.665 825、A=6.089 99×10-130。

摘要:在ARINC661座舱显示系统设计阶段，针对DF文件状态管理面临扩展性受限、存储效率低下等问题，提出了一种DF文件状态管理方法。首先，通过细化窗体部件属性结构与响应功能，构建了通用型窗体部件模型，便于窗体部件状态的统一管理；在此基础上，设计了分层动态存储结构，实现了目标状态的优化存储与快速定位；此外，针对DF文件状态的备份，研究了轻量化日志生成与解析技术，便于DF文件的版本修复。最后，利用几个典型的座舱显示画面对关键技术进行仿真测试，结果表明，该方法在设计阶段能快速准确地进行DF文件状态管理，具有良好的可扩展性和可靠性，且生成的状态日志相较于采用传统格式的日志，占用的内存空间减少了17.5%以上。

摘要:随着自动驾驶的迅速发展，对高精度车辆导航实时定位技术的需求日益迫切。在常用的GNSS/INS组合导航中，自适应卡尔曼滤波是一种常用的状态预测方法，然而，在复杂的动态环境下，其在应对GNSS多路径噪声和实时变化的过程噪声方面存在局限。针对这一问题，本文提出了一种自适应抗噪卡尔曼滤波算法，用于抑制GNSS测量噪声和动态过程噪声。该算法通过变分模态分解-小波去噪对原始GNSS测量数据进行预处理，提高了数据融合的输入精度；其次，在数据融合过程中，加入了随车辆环境实时变化的动态噪声缩放因子。通过以上两个去噪步骤，整体上有效抑制了噪声不确定性对导航精度的干扰。通过仿真模拟和真实车载实验验证了所提方法的有效性，与传统自适应卡尔曼滤波算法相比，本算法的位置估计和速度估计误差分别降低了37.7%和42.8%，显著提升了移动车辆速度和位置的高精度估计能力。

摘要:针对卫星通信信号中非对称成对载波多址(APCMA)的非恒模信号识别问题，本文提出了一种基于信噪比估计的识别算法。首先，该算法对接收信号进行功率谱估计计算出观测信噪比；其次，通过高阶矩计算出有效信噪比，并结合星座矩算法，解决了高阶矩计算非恒模信号有效信噪比误差大的问题；最后，基于混合信号的观测信噪比高于有效信噪比的特点设计了特征参数M，实现了非恒模APCMA信号的识别。实验结果表明，所提算法对于非恒模APCMA信号，在弱信号信噪比大于0 dB时的识别率接近100%。

摘要:针对两阶段剩余寿命预测模型变点后初始时刻预测精度较低的问题，提出了一种基于变点处数据处理的剩余寿命预测算法。首先利用维纳过程构建退化模型，采用期望最大化算法与贝叶斯方法相结合实现参数更新；接着对退化数据进行变点识别，确定变点前的部分退化数据用于变点后初始时刻的寿命预测，最后进行了分别用仿真数据与NASA试验数据进行了算法验证。结果表明，该算法进一步提高了剩余寿命的预测精度。通过NASA试验数据的预测结果看，相较于单一阶段寿命预测模型和两阶段寿命预测模型，本文算法的均方根误差分别降低了10.76和1.78，对产品的剩余寿命预测具有重要意义。

摘要:在航空发动机健康监测领域，传统的有线传感系统存在布线复杂、灵活性差、维护成本高等问题。为了解决上述问题，针对航空发动机的高频率振动信号，本文设计并实现了一种基于Wi-Fi技术的自供电无线传感系统。该系统分为无线传感系统与自供电装置两部分，无线传感系统将发动机的振动信号转换为电信号；采用ESP32-S2芯片作为下位机微控制器，利用芯片内置的Wi-Fi无线收发模块将振动数据传输至上位机；上位机收到数据后进行数据存储、分析和显示。实验结果表明，无线传输系统的采样率可达250 ksps，幅值误差小于3.8%，频率误差小于1.5%。自供电装置将发动机尾喷管的废热能转化为电能，其由温差发电装置与能量收集电路组成。温差发电装置通过测量温差发电片热端温度，自动调节温差发电片与尾喷管外壁之间的间距，以确保温差发电片不会因尾喷管的温度过高而损坏且输出功率维持在较高值。能量收集电路采用BQ25504芯片进行能量收集和管理，将多余能量储存到可充电锂电池中。实验结果表明，无线传感系统平均功耗约为26.42 mW，而自供电装置可产生约40 mW的功率，可实现系统的自供电。

摘要:控制器局域网络(CAN)总线广泛应用于工业数据采集、车联网等领域，对其安全入侵检测非常重要。为全面提升检测方法性能，提出一种双线性自注意力机制CAN总线入侵检测方法，首先基于堆叠集成思想利用DNN、CNN和LSTM模型提取深度学习层特征；随后通过双线性层分别提取自注意力机制Transformer与FNet特征，再将其与深度学习层特征残差连接融合；最后通过全连接层入侵检测预测，体现高准确率、检测率和良好泛化性特点。在Car_Hacking公开数据集上实验表明，准确率、精确率、召回率、F1值和AUC值分别达0.951、0.996、0.997、0.960和0.984，且随着训练轮数增加其准确率、损失值误差分别保持在5%、10%以内，本文方法优于其他比较方法。应用于物联网实验装置评估结果显示，本文方法在异常攻击识别检测率达99.23%，对于提高测控系统安全性能具有重要推广价值。

摘要:现有阴影-对象实例检测网络都是基于掩码标签的全监督训练，但掩码标签标注难度和成本较高。仅利用边界框标签进行监督训练可以有效降低数据集的标注难度和成本，但弱监督会导致预测实例掩码精度降低。为了解决这一问题，首次利用弱监督方法进行阴影对象实例检测，提出了一种基于双向学习结构的弱监督阴影-对象实例检测网络。首先，设计了教师-学生双向学习结构，利用教师网络预测的结果作为学生网络监督训练的的伪掩码标签，通过指数移动平均方法更新教师网络的参数的方法提高弱监督检测的精确度。其次，通过投影损失对预测掩码进行精准定位，并引入了能表征图像色彩先验信息的色彩相似性指标，结合交叉熵损失函数设计了色彩相似性损失函数，提高了整体网络的检测性能。为了验证所提方法的有效性和提高网络的鲁棒性，构建了一个阴影-对象实例检测数据集，并在该数据集与公开数据集SOBA上验证了本文网络的预测能力，平均精度值分别达到了53.3和51.5。

摘要:针对乳腺癌超声图像中恶性与良性肿瘤的区分难题，提出了一种基于EfficientNet模型改进的方法。本文引入了改进的鲸鱼优化算法（WOA）和全局上下文（GC）模块，旨在提高乳腺癌早期检测的准确性和效率。该模型通过深度可分离卷积和大核心卷积结合，优化了特征提取和分类性能。此外，还对模型进行了动态超参数调整和数据增强处理，进一步增强了模型的泛化能力和稳定性。实验结果显示，该模型在训练集上的准确率达到99.81%，验证集上达到98.06%，明显优于传统方法。平均精度（mAP）从96.42%提升至98.60%，表明该模型能有效提高早期诊断的准确性和可靠性，为乳腺癌的早期筛查和诊断提供了一种高效的技术路径。

摘要:工业场景下的布匹缝头检测在纺织应用领域越来越重要。然而，缝头检测面临着小目标尺寸、可利用特征少、复杂多变的环境因素等挑战，难以保证稳定且实时的检测的效果。针对这一系列问题提出一种基于改进YOLOv8的布匹缝头检测算法YOLOv8-DVB。根据Deformable Convolutional Networks v4的特点优化C2f模块，提出一种多尺寸特征采样的C2f-DCNv4模块，强化网络对不同尺寸特征信息的提取。在颈部网络，采用BiFPN结构作为特征融合的方式，通过引入自上而下和自下而上的双向通路，使得不同尺度的特征可以在多层次上进行更充分的融合。其次，引入更高效的VoV-GSCSP模块轻量化特征融合网络，帮助颈部网络降低计算量和参数量,减少计算负担。最后，设计一个专门的小目标检测层，优化小目标的特征提取。通过实验对YOLOV8-DVB模型与原模型以及YOLOv5、YOLOv7、和Faster R-CNN等进行比较，验证模型的检测准确率和检测精度。实验结果表明，该方法在自建数据集上获得84.7%的检测准确率，相比于原模型和其他网络模型都有着更高的准确率，能够快速有效的在复杂的工业生产环境中准确的检测到目标类别和位置。

摘要:在交通标志识别应用中，待检测目标多为小目标，易出现漏检、误检等问题。针对这些问题，基于YOLOv8s算法设计了一种改进的交通标志识别算法，FKDS-YOLOv8s。使用FasterBlock重构C2f模块，形成新的轻量化模块C2f-Faster，既提升模型特征提取能力，又降低了计算开销；基于SENet和ResNeXt模型设计一种新的检测头Detect_SR，使模型能够有效地聚焦于小目标的关键特征；融入轻量且高效的动态上采样器DySample，显著减少了GPU内存消耗；通过增加上采样和Prediction输出层次，模型能够捕捉丰富的位置信息，有效解决了YOLOv8s模型在处理小目标时信息不足的问题；引入Shape-IoU损失函数，优化了原CIoU在边框回归中的不足；此外，在Neck部分融入了本文新设计的注意力机制DKN-Attention，在上采样和下采样过程中定位微小物体场景的注意力区域，提升了远处小型交通标志的特征提取和识别能力。实验在中国交通标志数据集TT100K上进行，结果表明，FKDS-YOLOv8s相比基准模型，在查准率（P）、查全率（R）和mAP50上分别提升了5.9%、4.2%和6.3%。较传统方法，FKDS-YOLOv8s在性能上表现出显著优势。

摘要:为解决船舶靠泊过程中视野受限问题，实现靠泊距离的可视化，提出了一种基于无人机视觉的靠泊距离感知方法。首先，利用无人机采集船舶靠泊视频，在YOLOv8分割模型的基础上加入EMA注意力机制，实现对船舶边缘的精细化分割；接下来，通过区域生长算法和霍夫直线检测方法提取泊位线；最后，利用最近距离求解模型，将船舶和泊位转换到三维世界坐标系中，并搜索船舶与泊位间的最近距离。实验结果表明，加入EMA注意力机制后的算法对船舶分割的精度可达到92.3%，船舶与泊位间最近距离的误差小于0.1 m。该方法不仅可以监控靠泊船舶周围的环境，而且能够实现船舶与泊位间距离的可视化，在靠泊操作中具有很好的应用前景。

摘要:针对当前绝缘子表面缺陷识别存在的图像背景复杂、缺陷小目标识别效果差的问题，提出一种基于YOLOv8的输电线路绝缘子表面缺陷识别算法。首先，在主干网络引入CAF模块，增强模型对复杂图像场景的解析，增强全局和局部特征的提取能力；其次，在模型的颈部网络增加GD机制，减少特征融合过程中信息的丢失，提升小目标检测能力；最后，采用ATFL分类损失函数，削弱复杂背景对小目标检测的干扰，引入PIOU边界框损失函数，提高识别精度，加快模型收敛速度。实验结果表明，该算法的mAP50达到94.1%，精确率达到92.5%，召回率达到91.3%，相较于基线模型分别提高了3.1%、0.7%、3.9%，且综合性能优于最近的YOLOv9s、YOLOv10s等代表性算法。

摘要:为了提高轻量化人体姿态估计网络对不同阶段特征图的信息提取和特征融合能力和关键点热力图与分类特征图的后处理能力，提出了一种基于多阶段多层级特征融合的人体姿态估计网络。首先设计了多层级特征融合模块，以提高神经网络模型对特征图的信息提取和归纳总结能力；接着设计了结合特征融合模块设计了特征融合分支，以达到保留模型不同阶段的信息不会随长期卷积运算而丢失的效果；最后对模型输出的关键点分类图进行后处理操作，对分类部分使用分类损失增强模块进行进一步增强，使其能够更好地专注于关键点分类任务，以提高模型输出的准确性。在CrowdPose数据集进行性能测试，本文算法和LitePose算法在XS结构下的AP值分别为50.7%和48.4%；在S结构下，AP值分别为59.1%和58.3%。在MS COCO val2017数据集进行性能测试，本文算法和LitePose算法在XS结构下的AP值分别为41.9%和40.6%；在S结构下，AP值分别为57.0%和56.8%。实验结果表明，本文算法提出的多层级特征融合模块和高分辨率融合分支以及后处理操作对人体姿态估计网络检测性能提升具有正向作用。