摘要:针对基于状态轨迹模型的CLLC谐振变换器同步整流方法面临的轻载区域性能失真的问题，本文提出一种基于状态轨迹模型的同步整流优化策略。通过深入分析轻载工况下变换器的断续导通模式（DCM），推导出电流DCM边界条件，实现电流断续模式的精准识别，有效抑制环流损耗。所提方法无需额外检测装置，仅依赖输入输出基本电参数即可完成控制，显著降低硬件复杂度与成本。在800 W实验平台上验证显示，该方案在全工作频率范围内最高转换效率达97.38%，较传统方法在动态响应与综合效率方面均实现显著提升。

摘要:为提升柔性传感器的开发效率与信号处理的实时性，本文设计了一种集成化的柔性传感器信号处理平台，旨在实现电阻式柔性传感器信号的快速采集与连续处理，并解决其输出非线性与稳定性差等问题。该平台由电阻采集系统与信号处理系统组成：采集系统基于 STM32 微控制器构建，支持对柔性传感器 8 路多通道数据的实时采集；处理系统集成基于标定点的分段线性映射算法，并支持包含混合自适应滤波在内的 11 种滤波方法与实时波形可视化功能。实验结果表明，该平台可实现柔性传感器信号的高精度采集，显著提升其线性表现与输出稳定性，支持采集与处理全流程的实时一体化运行，能够为柔性传感器的开发与应用提供可靠的数据基础与方法支持。

摘要:针对空空导弹试验中传统数据采集系统在多通道同步传输、高速存储及抗干扰能力不足的问题,本研究设计了一种基于ZYNQ-7000系列与EMMC 5-1规范存储模块的抗干扰实时数据获取系统。本系统采用隔离式LVDS接口和RS422收发器提升信号抗干扰性,通过多通道采样率/波特率可调谐架构及混合编帧技术实现多源数据同步采集,并通过动态校准数据采样点,保证EMMC高速读写信号的时序稳定。另外,引入DDR3缓存优化突发数据处理。实验结果表明,单片EMMC系统写入速度达157.6 MB/s,读取速度达180.1 MB/s,上位机数据传输速率达40.78 Mb/s。通过硬件隔离、编帧优化与高速存储协同设计,增强了高动态环境下多源数据采集的实时性与抗干扰能力,为空空导弹性能评估提供了高可靠性的数据支撑。

摘要:海洋动力环境引发的平台运动，会降低海洋观测平台及测量仪器可靠性，并导致风、浪、流等海洋动力观测量出现测量误差。海洋观测平台从布放始全运行周期处于无规则运动状态，基于九轴微型惯性测量单元(MIMU)的卡尔曼滤波、互补滤波姿态估计算法无法保证其及时收敛，从而导致在姿态解算中会出现较为严重的误差。为此，本文设计了一种MIMU的二级扩展卡尔曼滤波系统。该系统首先采用加速度估计初始姿态角，提高了滤波器的收敛速度，其次通过分级处理横滚角、俯仰角和航向角，提高了系统的鲁棒性。实验室和海上现场试验表明，该方法实现了海洋观测平台在非稳定运动状态下姿态估计的快速收敛和高精度解算。

摘要:针对土质滑坡位移多步预测方法的缺乏以及在多时间步长下预测误差较大的问题，本文提出了一种基于多级注意力机制并行模型的滑坡位移多步预测方法。采用多输入多输出的预测策略，通过含有多头注意力机制的Transformer编码器网络分支以及经全局注意力机制（GAM）优化的双向门控循环单元（BiGRU）网络分支，两个网络分支并行处理滑坡历史监测数据，之后对并行网络提取到的滑坡特征信息通过交叉注意力机制（CAM）进行特征融合后输出预测的滑坡多步位移值。实验结果表明，多级注意力机制模型在滑坡位移多步预测中平均绝对误差(MAE)、均方根误差(RMSE)分别为2.17 mm、3.05 mm，决定系数(R2)为0.968 9，相较于其他模型误差最低，决定系数结果最优，在长时间步下的预测效果更加稳定，有利于提前预知滑坡发展动向，为滑坡的预防与治理提供了重要的技术支持。

摘要:车联网场景下设备的移动性和复杂环境使其更易遭受恶意攻击，需要安全高效的认证机制，RFF为车联网身份认证提供了新的思路。但由于设备指纹特征直接从无线信号中提取，且其稳定性极易受到信道变化的影响，无线信道和接收机噪声的共同作用将导致接受到的信号发生失真，难以直接分离发射信号的真实特征。为解决上述问题，本文提出了一种基于改进型LMMSE信道估计的PSBCH的RFF提取方法。首先，本文构建了基于LMMSE准则的信道估计器。该估计器利用信道时频二维统计特性建立相应的二维相关矩阵，从而可有效捕获时间选择性衰落与频率选择性衰落之间的内在耦合关系，基于该矩阵能够有效地从接收信号中分离出随机信道响应。然后，通过信道均衡操作，对已被信道污染的硬件指纹进行还原，恢复指纹的原始特征信息。最后，通过结构优化的双分支异构神经网络对指纹进行深度表征学习，实现对硬件指纹的高精度分类。实验结果表明，在低信噪比的固定和移动场景下，所提方法的分类准确率分别达到95.46%和92.05%。

摘要:针对低成本无人器在复杂运动环境下的导航精度问题,提出了一种基于多模态运动特性分解的组合导航滤波算法选择机制。该方法结合卡尔曼滤波与容积卡尔曼滤波,依据无人器运动环境的动态特性选择最优滤波策略;在低动态环境下,采用卡尔曼滤波提升计算效率;在中等动态环境下,使用容积卡尔曼滤波以增强非线性状态估计能力;实验基于纯捷联惯性导航系统工具箱,仿真无人机与无人车运动轨迹,验证了所提方法的有效性。结果表明,相较于传统滤波方法,该算法在无人机场景下位置估计误差降低25%,在无人车场景下计算效率提升50%。

摘要:随着网络攻击手段的多样化和流量特征的复杂化，网络恶意流量的检测面临着越来越严峻的挑战。传统的流量检测方法在准确性和可靠性方面逐渐无法满足现代网络环境的需求，尤其是在高维数据和复杂攻击模式的情况下。为解决上述问题，本文提出了一种基于冠豪猪优化算法、双向长短期记忆网络和Kolmogorov-Arnold网络的网络恶意流量检测模型。该模型利用双向长短期记忆网络捕捉流量数据的双向时序特征，结合Kolmogorov-Arnold网络的非线性映射增强特征表达能力，并通过冠豪猪优化算法优化超参数提升模型性能。采用CIC UNSW-NB15增强数据集进行实验，实验结果表明，模型在二分类和多分类任务中准确率分别达到99.12%和94.15%，显著优于其他模型。此外，模型在应对类别不均衡时，特别增强了对Backdoor和Worms等少数类样本的检测能力。

摘要:针对无人机巡检输电线路时航拍绝缘子图像中存在背景复杂，目标大小不一致和待检缺陷区域占比小三个问题，提出了一种轻量化的绝缘子缺陷检测算法MHD-YOLO。首先在YOLOv8的主干网络中引入特征提取网络MAFNet，使用混合卷积来增强网络在复杂背景下的特征提取能力。其次，使用特征融合网络HS-FPN来实现不同尺度的特征融合，结合轻量化的动态上采样方法DySample来提升上采样的质量和效率。然后设计了一种轻量化检测头CSH，通过使用共享卷积的方法大幅减少检测层的参数量和计算量。最后引入NWD损失函数来提高模型对小型目标的定位精确性。实验结果证明，MHD-YOLO目标检测算法与YOLOv8相比，参数量降低了43.8%，在绝缘子缺陷检测数据集上检测精度提高了5.1%。改进后的算法在检测绝缘子缺陷方面的效果有明显提升，且模型复杂度大大降低，为部署到嵌入式设备上提供了更有效的方法。

摘要:为解决滚动轴承在不同工况下故障诊断过程中源域与目标域之间分布差异导致的诊断性能下降问题，本文提出了一种融合多头自注意力机制和动态联合分布自适应的轴承故障诊断方法。首先，在特征提取模块中引入多头自注意力机制，从原始振动信号中提取更具判别性和域不变特征。其次，分别采用最大均值差异与局部最大均值差异对齐边缘分布及条件分布，从而缩小源域与目标域之间的分布差异。最后，设计一种新的动态权重因子自适应地调整边缘分布与条件分布的权重，提升跨域故障诊断的鲁棒性与泛化能力。实验结果表明，所提出的方法在两种公开数据集上分类准确率分别达到了99.84%和98.97%，显著优于其他方法。同时在强噪声干扰下仍表现出良好的稳定性与鲁棒性，为滚动轴承故障诊断提供了一种有效的解决方案。

摘要:强直性脊柱炎是一种慢性炎症性疾病，其早期诊断依赖于骶髂关节病变特征的准确识别。然而，由于骶髂关节解剖结构复杂、病灶呈现多尺度异质性，且易受CT部分容积效应及噪声干扰，传统分割方法的精度难以满足临床需求。为此，提出了一种基于多尺度注意力融合的网络模型（MAG-UNet）。该模型通过多尺度特征融合模块（MFF）强化局部-全局特征协同表征，结合双路径注意力机制（DA）的空间-通道自适应加权，并引入大核分组注意力门控（LGAG）以解决跨尺度特征耦合问题。在山西白求恩医院提供的数据集上进行的实验表明，MAG-UNet在骶髂关节CT分割中取得了显著的性能提升，Dice系数达到92.4%，IoU达到86.0%，较U-Net基线模型提升3.4%（IoU）。本文为强直性脊柱炎的早期诊断提供了可靠的技术支持，具有重要的临床应用价值与推广潜力。

摘要:基于模块化多电平变流器(MMC)的柔性直流输电系统通常采用传统滑模观测技术观测状态变量，在运行工况突变下导致系统状态重构精度与暂态响应速度显著下降。提出一种离散时间对数滑模观测(DTLSMO)技术，构造观测误差范数及期望幅值的动态边界层函数，实现观测器增益的自适应非线性映射，规避依赖经验试错的参数整定过程。建立参数失配下MMC离散化模型并分析其能观测性，设计基于有源阻尼特性的对数滑模趋近律并注入桥臂动态方程，利用二倍频环流注入算法以实现电容电压均衡控制与环流抑制的协同优化，证明了所提观测器的渐进稳定性与广义收敛性。在MATLAB/Simulink平台仿真分析直流电压9.6 kV MMC系统并搭建硬件样机实验验证，引入ITAE等评价指标对比分析DTLSMO与传统时间离散滑模观测器(DTSMO)、自适应观测器(AO)的动态性能差异，证明所提观测器在桥臂电感失配20%时观测精确度分别提升0.935%和2.535%，在电容值不确定和直流电压突变下仍可展现其快速响应能力，鲁棒性良好。

摘要:针对目前的纯激光雷达三维检测方法不可避免地受到点云稀疏性的影响，且激光雷达扫描得到的点云数据在远距离表现比近距离更加稀疏导致模型训练过程中正负样本不均衡的问题，提出一种新的基于伪点云融合的多模态框架MCA-VoxelNet，它由两个关键设计组成：利用深度补全产生的伪点云来解决点云稀疏性问题，并且通过距离感知采样模块丢弃大量附近的冗余体素来提高计算效率；利用多阶段级联注意力检测结构聚合多个检测阶段的目标特征，平衡正负样本数量并逐步完善RPN网络输出的区域建议。在权威的KITTI自动驾驶数据集上的实验结果表明，MCA-VoxelNet以17.54的FPS在简单、中等和困难三个难度类别上的汽车精度分别达到94.19%、85.93%和86.17%，比次优的方法分别高出2.64%、1.16%和1.91%。

摘要:永磁同步电机无差拍预测电流控制具有动态响应快、稳态性能好和易于数字实现的特点。但是，当电机参数不匹配时，传统无差拍预测电流控制存在电流稳态误差大的问题。为此，本文提出了一种永磁同步电机自适应无差拍预测电流控制方法，降低了不匹配参数对电流控制性能的影响。首先，所提方法将电阻、电感和磁链的参数摄动统一视为扰动，并结合自适应控制设计了一种dq轴扰动自适应律。在此基础上，通过扰动自适应律对扰动进行在线估计并在传统无差拍预测电流控制器中进行扰动补偿，有效降低了不匹配参数对传统无差拍预测电流控制的不利影响。其次，通过离散李雅普诺夫稳定性理论对所提控制方法进行了稳定性证明，并采用经典控制理论确定了扰动自适应增益的取值。最后，仿真与实验结果表明，所设计的扰动自适应律能够快速、准确的估计扰动；与传统无差拍预测电流控制相比，所提控制方法有效抑制了不匹配参数对电流动态性能和稳态误差的影响，降低了电流的总谐波失真。

摘要:钢缆小目标缺陷检测任务中普遍存在检测精度低、漏检率高以及误检频发的问题，尤其在小尺寸较多的检测场景下表现尤为明显。造成该类问题的主要原因包括：传统检测算法特征提取能力不足，缺乏有效的多尺度信息融合机制，以及现有损失函数对小目标不敏感等。针对上述问题，提出一种基于改进型RT-DETR的钢缆缺陷检测方法。该方法在骨干网络中设计BasicStar特征提取模块，提升模型在高维空间中的语义表征能力；同时设计了新型多尺度特征融合策略小目标金字塔网络（SOPN），强化对小目标的关注和表达能力；在损失函数方面，提出焦点增强型Focaler-SIoU损失函数，以提升小目标定位精度与训练收敛稳定性。在钢缆缺陷数据集上的实验结果表明，该改进模型在平均检测精度mAP50上较原始RT-DETR提升了2.1%。综合性能优于现有主流目标检测算法，验证了所提方法在工业场景下对小目标缺陷检测任务的有效性和实用性。

摘要:针对现有的多变量长时间序列预测模型在光伏发电功率中长期预测中存在特征提取不足导致预测结果较差的问题，提出了一种基于频域和时域学习的多变量长时间序列预测模型FFTEMixer，该模型能准确预测光伏发电功率的同时能保持较高的运行效率。该模型首先利用快速傅里叶变换将时序数据投影至频域，通过可学习的频率滤波器选择性增强或抑制特定频率分量，以提取全局特征和变量间相关性特征，紧接着再通过一个交互式卷积模块学习局部依赖关系，进一步提高特征表达能力；然后，通过特征融合器进一步整合周期性特征，并建立特征变量与时间戳协变量的关联；最后，采用多头自注意力机制全面建模序列的长期依赖性和时间依赖性，从而实现对时序数据的全面的特征提取。实验结果表明，在两个公开光伏发电数据集上，该模型的预测性能显著优于基准模型，均方误差和平均绝对误差始终为最低值。与当前主流次优模型相比，其均方误差和平均绝对误差分别降低了12.6%和15.8%，验证了模型的有效性。

摘要:鉴于风电在能源结构中的重要性及其间断性带来的挑战，本文提出了一种基于异常值处理和多尺度特征融合的端到端超短期风电功率多步预测组合模型，旨在提高超短期风电功率预测的精确度与稳定性，进而为电力系统调度与运行的准确性与稳定性提供有力支撑。首先，通过RobustTSF方法处理时间序列异常，为预测模型的鲁棒性提供有力的保障，减少了异常时间序列预测和噪声标签学习之间的差异。其次，融合空间金字塔匹配映射策略、Levy飞行策略以及自适应t分布变异策略对蜣螂优化算法进行改进，显著提高了全局搜索能力和收敛效率。同时，利用多策略蜣螂优化算法优化改进的TimeMixer模型的超参数，以获得最优的模型性能。最后使用CATimeMixer模型，实现了多尺度季节特征和趋势特征的融合和预测。实验结果表明，相较于基准模型多层感知机的MAE、RMSE、MSE分别下降了49.71%、41.26%、65.50%，同时R2提高了4.49%，能够有效降低预测误差，为超短期风电功率的准确预测提供了一种新的方法和思路。

摘要:针对盲超分辨率重建中核估计偏差与非盲方法先验失配的关键难题，本研究提出基于退化核解耦评估的动态先验调制新范式。通过建立退化核窗宽幅度的解耦评估机制，揭示核窗宽估计误差对非盲重建网络的泛化性能具有决定性影响。基于此，本工作创新性构建双阶段优化框架：在核估计阶段引入损失函数松弛约束策略，通过避免过多损失函数影响核窗宽的精确估计，增强估计核与非盲先验的兼容性；同时设计动态核先验调制网络，采用双路径特征协同优化机制，其中锐化特征模块通过高频梯度强化提取图像锐化先验，模糊衰减特征模块通过均值滤波抑制噪声干扰，并提取具有区域退化差异的模糊衰减先验特征，二者通过先验调制层生成退化调制向量，实现核特征空间的动态校准。实验验证表明，动态核先验调制网络在Set5数据集2×高斯模糊场景下PSNR提升1.92 dB，BSD100数据集4×强噪声场景下提升0.61 dB，显著优于现有最优方法。该方法有效解决了复合退化场景下的核先验失配问题，为实际复杂退化场景下的盲超分重建提供了创新性解决方案。

摘要:在输电线路无人机巡检航拍图像的关键部件检测任务中，针对单一模态检测方法精度低和小目标漏检率高的问题，提出了一种融合可见光图像和红外图像的多模态多尺度目标检测方法。首先，该网络构建了并行的双流特征提取主干，旨在同步处理可见光与红外图像，以充分利用前者丰富的色彩与纹理细节信息，以及后者卓越的成像稳定性与高对比度特性。其次，为实现跨模态信息的交互与互补，设计了多模态特征交互融合模块（MFIFM），该模块能动态地调整不同模态特征的融合权重，自适应地整合最具判别力的信息，有效缓解模态差异带来的信息冲突。此外，为提升对小目标部件的感知能力，提出了混合残差多尺度Transformer(HRMS Transformer)模块嵌入到双流主干中，通过多头窗口注意力机制，层级式特征重组以及与残差相结合的策略，增强全局上下文信息提取能力。实验结果表明，该模型精度mAP@50和mAP@50:95较现有单模态方法分别提升5.35%和4.48%。验证了多模态融合技术在输电线路检测领域的有效性和可用性。

摘要:高质量深海图像对研究海洋生物、地形和地质等领域的发展至关重要。针对深海图像存在的颜色失真、图像模糊、对比度低等问题，提出一种以改进U2-Net为GAN生成器的深海图像增强算法U2-GAN。首先，在U-Net中引入RSU模块来构建改进U2-Net，加强对高层抽象特征和低层细节信息的融合。其次，在改进U2-Net的跳跃连接部分引入DA注意力机制，强化空间与各通道之间的相互关系，提取水下颜色和纹理细节。然后，将融入DA注意力机制的U2-Net作为GAN网络的生成器，在对抗中提升增强图像的真实性，并且引入边缘损失和感知损失，重构DS损失函数，多角度指导网络学习深海图像到目标图像的映射关系。最后，在自建数据集DSIED上对U2-GAN与7种先进水下图像增强算法进行对比。U2-Net在PSNR、SSIM、IE、UIQM、UCIQE、PCQI相较于Sea-Pix-GAN提高了5.6%、3.9%、5.2%、16.0%、7.1%、2.4%，具有更好的水下图像增强效果。

摘要:针对图像处理系统灵活性不足与智能化水平待提升的问题，本研究致力于克服国产FPGA动态重构领域存在的技术瓶颈，提出了一个逻辑层动态调度图像系统。该系统基于上海安路科技公司PH1A90 FPGA芯片与Qt框架进行开发，基于逻辑层动态调度原理通过智能上位机控制模块可实现近似于DPR的全链路动态调度行为。实验结果表明，本研究实现了Qt上位机与PH1A90 FPGA的软硬件协同，完成了四接口异构输入、双传感器协同成像、算法处理链配置与22种ISP动态处理算法，并通过HDMI输出1 080P@60 fps视频流，验证了接口、流程以及算法上的逻辑层动态调度能力与国产芯片的工业级可靠性，推动我国智能安防、工业检测等领域的自主可控进程。

摘要:针对铝型材工件生产中缺陷检测精度低以及小目标缺陷漏检和误检的问题，本文对YOLOv12n模型进行了优化，提出了一种基于YOLO-PCSU的铝型材表面缺陷检测方法。首先，引入PartialConv卷积对YOLOv12模型的A2C2f结构进行改进，设计一种新的结构A2C2f-PConv，减少冗余计算和内存访问的同时加强网络特征提取能力；其次，在特征提取网络引入CoordAttention，在不增加额外计算的基础上提升检测精度；再次，在检测头引入注意力模块SEAM，解决小目标漏检误检问题；最后，通过用U-IoU损失函数替代YOLOv12n模型中的CIoU，加快模型的收敛速度并提高了检测结果的精度。在铝型材工件缺陷数据集中进行实验，检测精度达到90.3%，实验结果相比于原YOLOv12n算法mAP@0.5提升2.3%，参数量降低9%，计算量降低14%。在VOC2012数据集和东北大学热轧带钢表面缺陷数据集上表明改进算法有良好的鲁棒性。

摘要:针对如光照突然变化、极端天气等环境干扰导致的鸟瞰图车道线检测中的特征模糊和误检问题，本文提出了一种基于因果干预的BEV车道检测框架。首先，为提升BEV空间转换过程中特征的表示效果，设计复合位置编码并融合至前视图特征，以保持空间连续性与一致性。其次，在获取BEV特征后构建因果干预模块，因果干预模块旨在通过生成反事实特征来显式地将车道线特征与环境干扰解耦，以提高模型在极端环境中的稳定性。最后，通过引入特征融合模块完成多尺度特征的动态校准与干扰抑制，并利用全局注意力机制实现BEV特征的增强。实验结果表明，在Apollo数据集的三个子集中，相比于性能第2的模型，F1值提高了0.8%、1%、3%；在OpenLane数据集内的包含极端天气、夜间及交叉路口等挑战性场景中，F1值也达到了最佳。成功实现了车道线特征与环境干扰的显式解耦，为复杂环境下的自动驾驶感知提供了高鲁棒性解决方案。

摘要:针对无人机航拍图像中目标小而密集，且极易出现漏检和误检等情况，文章提出一种改进YOLOv8n的无人机航拍复杂背景下多尺度目标检测模型UCM-YOLOv8。首先设计一种集聚合与扩散特性于一体的金字塔式网络结构，让每个尺度的特征都具有详细的上下文信息。其次，提出任务动态对齐检测头，从多个卷积层中学习交互特征，提高检测精度。此外，将卷积加性自注意力机制与C2f模块有效融合，进一步增强特征表达能力。最后，为抑制低分辨率图像产生的有害梯度，运用Wise-Inner损失函数替换原CIou损失函数。在VisDrone2019数据集上进行对比实验和消融实验，mAP50值较基线模型提升了10.8%，参数量减少了9.6%。证明本模型在无人机航拍视角下的小目标检测效果优异，适合无人机航拍图像的应用。

摘要:随着城市化进程的加快，生活垃圾量的持续攀升对生态环境形成严峻挑战，因此基于目标检测的智能分拣技术成为关键解决方案。针对现有检测模型在复杂场景下精度不足和部署效率低的问题，提出一种改进的YOLO11生活垃圾检测模型。通过引入可变形卷积和自主设计的三分支坐标注意力机制，构建了增强型可变形卷积模块，并用其重构骨干网络中的C3k2，显著提升了模型对复杂背景中目标的特征提取能力。此外，采用内容感知特征重组算子替代颈部网络中的上采样，增强特征重建效果。引入指数移动平均滑动损失函数，有效提升检测精度并加速模型收敛。在优化后的华为云生活垃圾数据集上进行的实验表明，改进模型在mAP@0.5和mAP@0.5:0.95指标上分别达到76.5%和64.6%，较基线模型提升1.8%和1.7%。相比其他主流检测算法，改进模型参数量仅为2.8 M，更适合移动端部署。