摘要:可重构宽带元件因其在无线通信系统中的关键性作用而具有深远意义，设计一种结构简单的宽带1bit单元仍具有挑战性。该可重构单元基于极化转换原理，通过控制PIN二极管的通断状态，将入射波偏振态旋转±90°，实现双极化调控与精确的180°相移。单元工作在25.58~31.87 GHz，相对带宽为21.9%，交叉极化反射系数均大于-2 dB。同时，具有良好的角度稳定性能，斜入射角可达30°。建立口径尺寸为70mm×70mm的相位可重构反射阵列，在30 GHz处，增益为20.6 dB，并实现±60°的全空间波束扫描功能。这一宽频带内可调谐设计可应用于无线通信、雷达探测等领域。

摘要:风洞试验过程中天平会长期承受气动力动态载荷，这种作用很可能会导致天平疲劳失效，严重时会产生裂纹或者断裂，这不仅会导致天平损坏，甚至会导致试验件脱落，沿着风洞表面被吹走等灾难性的情况发生，这些意外情况的发生往往会延误飞行器整个研制周期。为降低天平疲劳失效的风险，保证风洞试验安全，以FL-9 风洞增压试验用天平为研究对象，结合天平有限元分析模型结果，提取天平结构体高风险应力节点，对天平的校准和风洞试验全过程进行疲劳监测。测试结果表明天平疲劳应力监测技术能够保证天平的安全，在此基础上实现了天平各单元载荷量程1.5～2倍扩展，风洞试验结果显示天平仍有足够的安全裕度以获取更广泛的试验数据范围。

摘要:为复原受损的岩画图像，本文提出一种基于DR-IFMM的图像修复方法。该方法通过图像损伤区域的像素密度确定两个最佳修复半径，并分别应用于IFMM算法生成修复图像，IFMM算法在FMM算法基础上改进权重计算规则。随后将两幅图像重组为最优修复图像。实验结果表明，DR-IFMM方法对不同损伤的岩画图像修复效果优于MSMM、IK-means、COTR、STDecomposition、SFIIM、AutoFill以及ICriminisi方法，有效解决岩画图像中出现的颜色缺失、纹理混乱等问题。与LaMa方法相比，本文方法的优势在于无需模型训练以及性能强大的计算机配置，也能够取得较好的修复效果。修复的岩画图像可用于数字化文化遗产的保护，有助于岩画的传承与发扬，同时为文物研究人员提供一部完整的刻在石壁上的中国“史书”。

摘要:云相态不仅是气象学和气候学研究的重要参量，也是云参数反演的关键要素，准确识别云相态对天气监测和预报至关重要。传统的云相态识别方法多依赖阈值设定，主观性强且可靠性不高。为此，本研究提出了一种基于半监督的自适应可能性C均值算法，该算法通过半监督学习并结合自适应特征加权机制和正则化技术，增强了多维数据处理能力和分类的稳健性。通过对拉曼激光雷达和毫米波云雷达数据的应用，该方法能够实现对冰云、水占主体的混合云、冰占主体的混合云及过冷水云的精确分类。与算法改进前相比，分类准确率从0.699提升到0.967，显著提高了云相态分类的准确性。

摘要:针对光伏阵列输出功率曲线在局部遮阴条件下存在多峰值的特性，导致传统算法在最大功率点跟踪（MPPT）过程中易陷入局部最优的问题，本文提出一种基于改进黑翅鸢算法（TBKA）与扰动观察法（P&O）相结合的MPPT控制策略，称为TBKA-P&O算法。在全局搜索阶段，首先通过Tent-Logistic-Cosine混沌映射初始化种群，其次引入切线飞行策略优化TBKA算法的搜索效率和收敛精度，同时设计了一种基于贪婪策略的动态透镜成像反向学习策略用于提升搜索多样性，避免陷入局部最优；在局部搜索阶段，结合P&O实现最大功率点的快速定位和高精度跟踪。为验证算法的有效性，构建了包含传统P&O算法、BKA-P&O算法、量子CS-P&O算法以及TBKA-P&O算法的光伏发电系统仿真模型，实验结果显示，TBKA-P&O在4种工况下的跟踪精度分别为100%、99.97%、99.96%和99.96%，跟踪时间分别为0.093、0.090、0.077和0.047 s。与其他算法相比，TBKA-P&O算法在动态追踪速度、稳态跟踪精度及功率振荡控制方面均表现出显著优势。

摘要:针对无人机航拍红外图像中因为噪声干扰、光照波动和复杂背景带来的目标检测困难的问题，提出了一种基于YOLOv8的无人机红外目标检测算法SDE-YOLOv8。首先，引入了YOLOv10中的SCDown模块让每个尺度最大化地保留上下文的语义信息；其次，引入动态上采样器DySample来提升模型对于图像细节的敏感度；同时引入三重注意力机制改进C2f，来强化模型对空间和通道维度之间关系的理解和复杂数据的处理能力；最后，设计了轻量级解耦头Efficient_Head模块，确保了检测精度的同时大幅度减少了模型参数。实验结果表明，改进后的算法mAP50达到83.7%，较YOLOv8n提高了4.2%，精确率提升了1.2%，召回率提升了3.8%，浮点运算次数下降了2.5%，FPS达到了323.17 fps的检测速度，充分说明改进算法整体性能优于其他主流算法，能更好的完成无人机红外目标检测任务。

摘要:为解决班翠鸟优化算法（PKO）收敛精度低和易陷入局部最优等问题，本文提出了一种多策略改进的班翠鸟优化算法（IPKO）。首先，采用拉丁超立方抽样避免在高维问题中出现过度集中或忽视潜在有利区域的情况，降低局部最优的风险；其次，引入鱼鹰算法（OOA）中的定位捕鱼机制，增强最优区域的探索和逃逸局部最优的能力；最后，融合新的坠落机制提高搜索稳定性，避免过早收敛，同时通过自适应变异率终止条件，自适应地平衡全局探索与局部开发，从而优化解的质量和搜索效率。比较了在不同特征维度下的训练测试准确率、运行时间等，并分析了种群大小和迭代次数对算法性能的影响；通过在12个基准测试函数上进行实验对比，实验结果表明，IPKO在收敛速度、求解精度、稳定性以及Friedman检验方面均优于其他对比算法。将IPKO应用于微电网调度问题中，证明了此算法较其他算法成本更低，较原算法PKO降低了1.92%，验证了实际问题中的有效性与可靠性。

摘要:在巡检过程中及时检测出自爆绝缘子能够有效预防电网事故的发生，针对卷积神经网络训练所需内存较大和检测速度慢，在移动设备上进行实时检测没有优势的问题，提出了改进的YOLOv7-tiny绝缘子自爆故障检测算法。首先，在YOLOv7-tiny算法中引入动态蛇形卷积并设计更为高效的动态蛇形层聚网络增加感受野；随后引入Gold-YOLO网络增强中间层的信息融合；而后使用MPDIoU损失函数减少预测边界的冗余；最后设计一套自爆绝缘子检测系统，以便巡检人员在海量图片中快速查找出自爆绝缘子。研究结果表明：改进后算法的均值平均精度为96.3%，比YOLOv7-tiny算法提高了1.1%。改进后算法对自爆绝缘子的平均精度达到99.5%，比YOLOv7-tiny算法提高了0.2%并比YOLOv7算法高出0.1%，而且改进后算法的规模仅为YOLOv7算法的28%且帧率提升了11.3，达到了60.6。改进后的算法在保证识别精度的同时能满足实时检测的需求。

摘要:在空域和时域上精确定位并识别视频中的人体动作对于智能体育分析等应用具有重要意义。然而，现有的分步人体动作识别方法通常受限于RoI特征的固定感受野，难以在复杂场景中进行有效建模和语义表达。为此，本文提出了一种细粒度动作语境聚合网络，利用并行的语义建模单元和动作候选单元对人物表征特征和全局时空语境特征进行有机融合。前者中采用人体定位模型从关键帧生成细粒度的人物候选特征，并通过3D视频骨干网络提取全局时空特征；后者则利用共享Transformer框架对上述多模态特征进行统一建模，捕捉人物与环境之间的复杂关联，从而获得具有高度区分能力的动作预测。进一步地，本文引入加权分数聚合策略，将多个关键帧与短时视频片段的动作分类信息整合，用于长视频片段的动作识别。在AVA-60 v2.2数据集上，本文模型在帧级mAP指标上达到了30.01%，而基于长时策略的本文模型则达到了30.74%。在Charades数据集上，本文模型的mAP提升至30.68%，而基于长时策略的本文模型结果提升至31.29%。

摘要:准确检测出绝缘子缺陷是电网维护的主要任务之一，针对目前绝缘子缺陷检测算法识别精度不高和模型过大而难以部署至无人机等移动端设备的问题，提出了以YOLOv8算法为基础网络进行改进以实现提高检测精度并将模型轻量化的方法。该方法采用多尺度融合网络BiFPN中的特征融合模式充分融合多尺度特征，然后在原算法中融入可变形注意力机制DAttention以较低复杂度提取特征，此外引入融合平均池化和最大池化的坐标注意力DAF-CA增强关键信息，最后改用最小点距损失函数MPDIoU作为损失函数改善边界框回归的训练效果，从而提高算法精度。在数据集上进行了多组对比实验，结果表明该文提出的方法均值平均精度可达约91.0%，模型浮点数和参数量分别为7.2 G和2.07 M，各项性能指标均优于目前常用的检测算法。该方法可为电网智能巡检提供参考。

摘要:为保障盲人安全出行，针对盲道占用、破损及无盲道等问题，提出一种结合目标检测和双目立体视觉的盲人避障方法。首先，通过双目相机采集人行道信息，利用改进的YOLOv8s模型对人行道上的障碍物进行检测。然后，使用改进的立体匹配算法对障碍物进行匹配，该方法使用自适应阈值的FAST算法在尺度空间上寻找特征点，同时使用最小二乘法获取特征点的亚像素级坐标，并对特征描述符进行降维处理。最后，通过理想双目模型将二维像素坐标转化为三维空间坐标，获取障碍物的深度值。实验证明，在10 m的范围内，避障系统可以精确识别障碍物的种类，且FPS可以达到149.1；在测量障碍物深度时，其最大误差控制在5.6%以内，FPS可以达到3.8，满足盲人避障所需的实时性和距离准确度的要求。

摘要:随着人工智能技术的发展，婴儿监护系统在生活中的应用日益普及，本文设计了一种基于人工智能的婴幼儿行为监护系统，利用计算机视觉技术和深度学习算法，结合Raspberry Pi 4B、Camera V2等硬件设备，实现对婴幼儿行为的实时监测与智能分析。系统通过Google MediaPipe姿态识别算法提取婴幼儿关节特征并结合设置的安全范围，采用优化后的Moondream 2模型进行多模态数据推理，显著提升系统实时性和准确性。系统引入轻量化时间序列分析模块以增强行为变化的敏感度以及动态预警功能的集成，确保监护系统的高效、可靠。通过Home Assistant平台、MQTT协议及内网穿透技术，系统支持远程访问与实时通知功能。实验结果表明，系统在准确性及稳定性方面表现良好，可广泛应用于家庭监护和智能看护场景，为婴幼儿的安全管理提供了新型解决方案。

摘要:当前微电网频率控制系统的安全研究缺乏对强攻击场景的深入分析，尤其是在攻击者利用内部信息发起的高隐蔽性攻击下，系统脆弱性及其影响程度尚未得到充分评估。针对传统虚假数据注入攻击易被检测的问题，构建一种基于检测约束的微电网最优攻击策略，实现高隐蔽性强攻击。首先搭建了一个包含风光储的微电网频率控制模型，并对其通信层进行脆弱性分析，明确潜在的攻击路径。为考虑隐蔽性约束，通过引入松弛变量构建了可优化的攻击模型，将非线性优化问题转化为线性规划形式，实现快速求解并构建特定的攻击序列。最后在孤岛运行状态下的微电网中进行多次攻击测试，相比传统随机攻击方法，所提出的优化攻击序列在保持95%以上隐蔽性的同时，使攻击有效性提升了约40%。此外，分析了微电网关键系统参数、不同运行模式和可再生能源渗透率对最优攻击的影响。结果表明所提出的基于优化的攻击序列能够在保持攻击隐蔽性的同时，显著提升攻击的成功率和有效性，微电网系统面对精心设计的攻击时仍具有潜在脆弱性。

摘要:针对大规模光伏发电短时波动性对电能准确计量的挑战，本文提出一种基于改进高斯混合模型的光伏短时波动信号游程聚类分析方法。首先，从游程理论出发分析了光伏输出的短时波动信号特征；其次，针对光伏短时波动信号分解得到游程过多、难以提取典型波动特征的问题，采用基于改进高斯混合模型聚类方法对海量游程进行聚类；进一步提出了主客观融合的聚类结果评价方法。最后，对光伏电站现场录波数据的仿真结果表明，相较于其他方法，所提方法聚类结果评分在各方面有1.1%~61.4%的提升；在不同噪声及异常值水平下所提方法也可以维持较好的聚类效果，复合指标评分下降程度小于其他算法0.92%~18.24%。所提方法通过深度学习技术和贝叶斯信息准则实现了高斯混合模型的自适应聚类，提高了对含噪声和异常值数据的适应能力和稳定性，能够实现光伏电站时波动信号游程的合理聚类。

摘要:基于法布里-珀罗解调方法采样频率低，在测量变化频率较高的物理量时会产生误差。针对这一问题，本文提出了一种使用可调谐激光器构建的多通道高性能光纤光栅波长解调系统，以满足光纤光栅传感器在高精度和高频率测量中的应用需求。设计了快速同步刷新程序提升解调频率和实时性能，双核数据处理程序优化数据处理效率。最后使用电机和等强度梁进行功能和性能测试，结果表明该方案扫描频率达到100 Hz，系统平均拟合误差为6.23 pm，显著优于对比系统的平均拟合误差24.10 pm。线性度达到R2=0.999 9，高于对比系统的R2=0.999 5，验证了其在高性能光纤光栅解调中的可行性。

摘要:早期烟雾检测是及时消除火灾隐患的有效手段，然而火灾早期的烟雾尺度小且扩散形式复杂，这使得其检测极具挑战性。针对以上问题，提出了一种基于多路径增强特征的早期烟雾检测算法MEF-YOLO。该算法采用QA-ELAN改进了骨干网络，实现了模型复杂度和精度兼顾优化；并设计了FGCA自主增强样本区域间的特征差异，以有效捕捉烟雾的空间信息；且通过MEFAN优化特征融合路径，实现了跨层次特征间的直接交互，有效缓解了细节信息损失；又引入Wise-IOU损失函数，通过权重调整机制全面考虑位置和尺度信息，进而提高其在复杂场景的鲁棒性。实验结果表明，在不同光照以及小尺度烟雾、烟雾扩散等实验场景中，本研究提出的算法对早期烟雾的检测准确率高达92.5%，并且更具轻量化优势，参数量和GFLOPs分别下降了27.5%和30.6%。

摘要:头盔检测往往面临交通拥挤、行人干扰、目标严重遮挡等复杂的道路场景，这些情况容易导致检测精度低、检测错误和漏检。提出了一种基于CPM-YOLO算法的高性能头盔识别模型。首先，提出新的跨尺度特征融合方法CS-FPN，更好地整合高阶语义和低阶几何特征信息；其次，提出PCT的模块，优化模型的特征提取能力；接着，选用最小点距离的边界框回归损失函数进一步提高模型的收敛速度和准确率；之后，删除骨干网络中20×20的下采样部分和20×20的检测头，新增160×160的小目标检测头；最后，通过消融实验证明各个改进模块对提升模型性能的有效性，通过对比实验证明CPM-YOLO模型的优越性与泛化性。实验结果表明，与基线模型相比，本研究方法的mAP@0.5提高了5.5%，参数数量和模型尺寸分别减少了69.9%和67.2%。新模型具有显著降低复杂度和提高道路头盔检测能力的特点。

摘要:对施工工人的安全帽佩戴检测是保障人员安全的重要方法，但现有的安全帽检测大多为人工检测，不仅耗时费力且效率低下。且目前存在的算法在面对复杂的环境或者天气下，存在检测精度低等问题。针对这一现象，基于YOLOv5s算法提出一种改进的安全帽佩戴检测算法。首先，基于残差思想和大型可分离模块设计提出SLSKA-POOL模块，并在池化层使用，该模块可以使网络更加关注目标特征，进一步提高网络能力；其次，提出CAKConv卷积模块，该模块通过不规则的卷积操作高效的提取特征，以提高网络性能；最后，在主干添加EMA模块，聚合多尺度空间结构信息，建立长短依赖关系，以获得更好的性能。实验结果表明：改进的YOLOv5与原算法相比，检测精度提升2.2%，mAP@0.5提升了3.6%，mAP@0.5:0.95提升了6.4%，实现了更准确高效的安全帽佩戴检测。

摘要:针对样本失衡和预报准确率低的问题，提出一种增强预测循环神经网络EN_PredRNN。首先，对雷达数据进行预处理并筛选样本以构建高质量的雷达回波数据集；然后，通过深度融合时空长短时记忆单元与动态卷积，设计动态卷积时空长短时记忆模块DC_STLSTM，实时调整卷积参数以精准捕捉雷达回波的瞬时变化特征。然后，通过堆叠5 层DC_STLSTM，提取雷达回波的更深层次特征，并使用梯度高速公路缓解梯度消失，提高预报精度。实验结果表明，相比于比PredRNN，EN_PredRNN在25、35、45、65 dBZ阈值下的临界成功指数分别提升了19.3%、17.3%、16.5%、14.0%，虚警率分别下降了28.3%，27.5%，26.7%、24.9%，有效学习了雷达数据的时空变化特征，准确预测雷达回波强度和位置。

摘要:目前虹膜识别结果尚不能应用到司法审判当中，法庭科学领域开始关注以虹膜可解释特征统计规律为基础的量化鉴定方法，为此需要实现虹膜纹理特征的自动分割提取。针对近红外虹膜图像中块状特征的提取问题，提出一种结合残差网络、注意力机制和空洞空间金字塔池化的虹膜块状特征分割网络。为此，首先构建了虹膜块状特征标注数据集，用于模型的训练、验证和测试。其次，以UNet为基础框架进行改进，将UNet的卷积模块替换为残差模块，促进梯度的传播并提高特征的保留和传递能力；在跳跃连接中加入注意力门模块以提高模型对块状特征的感知能力；在模型中部和末端采用空洞空间金字塔池化模块，扩大感受野并进行多尺度特征提取和融合。最后，提出了结合交叉熵和Dice系数的混合损失函数,并采用归一化和直方图均衡化等预处理技术以突出虹膜块状特征。实验结果表明，RAA-UNet在测试集上的表现优于其他对比模型，F1分数、mIoU和Dice系数分别达到了82.64%、84.21%、81.66%，较UNet提升4.42%、3.37%和3.87%。损失函数实验确定了最佳权重因子，直方图均衡化处理显著提升了分割效果，消融实验验证了模型改进的有效性。提出的RAA-UNet语义分割模型能够实现虹膜块状特征的准确分割，可为虹膜鉴定的研究提供技术支撑。

摘要:森林资源是关键的自然资源，林业经济也是国民经济重要的组成部分。然而，我国森林自然灾害频发，传统的灾后森林资源探测方法存在效率低、精度不足等问题。本文设计并实现了一种基于无人机技术的灾后林地全地形植物资源探测定位系统，旨在通过人工智能图像识别、北斗定位和遥感技术，提升探测的效率和精度。系统采用大疆精灵4Pro无人机作为平台，搭载高分辨率相机、WIFI模块和北斗定位模块，实现了对灾后林地植物资源的快速识别与精确定位。实验结果表明，该系统在飞行性能、数据传输稳定性、图像识别准确性和定位精度等方面均表现出较高的可靠性，识别率接近90%，定位精度达到厘米级。该系统为灾后森林资源管理提供了高效、低成本的技术支持，具有重要的应用价值。

摘要: