基于贝叶斯压缩感知的子空间拟合离格DOA估计

针对传统的基于稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）的波达方向估计算法对噪声鲁棒性不高的问题,提出了一种基于SBL的子空间拟合离格波达方向(Direction of Arrival,DOA)估计方法。首先对接收数据的协方差矩阵进行特征分解,获得信号的加权子空间,构造等价信号的稀疏表示模型并利用贝叶斯学习算法进行参数求解。同时对于网格划分带来的建模误差问题,采用了离格贝叶斯推导（Sparse Bayesian Inference,SBI）算法进行求解,利用期望最大化算法迭代更新相应的参数。仿真结果表明,相对于传统的DOA方法,该方法具有更好的估计精度。     

太赫兹带状注器件

带状注是指束流截面近似为矩形或椭圆形的电子注,且具有大的宽高比。相对于传统的圆形注,带状注具有很多优点,例如大电流和大互作用面积等。由于太赫兹波具有高频率、宽频带、高传输速率等优点,因此太赫兹科学与技术近年来发展迅速。作为一种新型的真空电子器件,太赫兹带状注器件在高功率、高增益、高效率及小型化方面具有良好的技术优势。但是,带状注在传输过程中易出现Diocotron不稳定性,难以保持长距离稳定的聚焦传输,从而导致带状注的技术优势难以发挥。本文综述了带状注的产生成形方式和聚焦传输方法,以及太赫兹带状注器件的研究进展,同时讨论了它所面临的挑战和未来的发展方向。     

基于CSAPSO-BP神经网络的光纤陀螺温度补偿研究

光纤陀螺是惯导系统的重要组成器件,环境温度变化会造成光纤陀螺的零偏发生漂移,从而降低测量精度。运用传统的BP神经网络进行预测易陷入局部极小值,导致补偿失败。该文采用混沌模拟退火粒子群BP神经网络的光纤陀螺零偏温度补偿模型,优化了网络参数。通过在-40～60℃的升降温实验对模型进行验证,实验结果表明,该温度补偿模型的零偏稳定性比补偿前约有70%的精度提升,与以往BP模型相比,其预测性能和补偿效果更好。     

配电网分布式光伏可开放容量工程快速求解方法

随着我国“双碳”战略的实施,分布式电源尤其是分布式光伏呈现爆发式增长。分布式光伏的大量无序接入,引起局部地区配电网过电压、设备反向重过载等一系列问题,阻碍分布式光伏的健康有序发展。本文提出一种配电设备级及行政区域级分布式光伏可开放容量工程快速求解方法,该方法统筹考虑配电设备及配电系统的各类约束指标,兼顾计算精度和计算效率,在确保配电网安全、可靠、经济运行的前提下,科学确定其所能接纳的分布式光伏容量上限,为分布式光伏的有序接入和健康发展提供支撑。最后以某县域为例,验证了该方法的科学性和可行性。     

融合用户需求和边界约束的平面图生成算法

平面图设计是房屋设计的重要过程,而现有的自动化平面图设计方法缺乏考虑用户需求和建筑边界的共同约束,存在生成房间形状缺角、房间之间遮挡严重以及房间超越边界的布局不合理问题。针对上述问题,提出一种融合用户需求和边界约束的房屋平面图生成对抗网络（GBC-GAN）,它由约束布局生成器和房间关系鉴别器构成。首先,将用户指定的房屋布局需求（包括房间数量和类型以及房屋之间的邻接方位关系）转化为约束关系图结构,之后对建筑边界和约束关系图分别编码并进行特征融合;然后,在约束布局生成器中引入边界框预测模块以将平面图生成问题转化为各房间对象边界框生成问题,并利用几何边界优化损失来解决房间之间遮挡严重、房间超越边界的问题;最后,将房间边界框布局和约束关系图输入到房间关系鉴别器训练生成符合房间对象及其关系的平面图布局。在大型真实建筑数据集RPLAN上,该方法的弗雷歇距离（FID）和结构相似性指数（SSIM）比House-GAN方法分别提升了4.39%和2.3%。实验结果表明,在不同用户需求和边界限制条件下,所提方法提高了房屋平面图的合理性和真实性。     

基于GGIW-PMB的衍生扩展目标跟踪

针对标准的扩展目标泊松多伯努利(Poisson multi-Bernoulli, PMB)滤波器难以有效跟踪衍生目标的问题,提出一种改进的PMB跟踪算法.算法采用随机矩阵法对扩展目标外形和尺寸建模,在滤波预测阶段利用多假设模型对衍生事件进行预测,得到多个伽玛高斯逆威沙特(gamma Gaussian inverse Wishart, GGIW)预测假设分量,最后在滤波更新阶段对预测分量更新得到扩展目标的运动状态和扩展形状估计.仿真结果表明,与标准的PMB滤波算法相比,所提算法有效改善衍生扩展目标的跟踪性能.     

水下光声图像空间配准算法研究综述

水下光声图像配准是水下设备实现信息融合的关键技术。在简述了水下光声图像配准的概念及实例的基础上,分析了目前水下光声图像重建与复原的相关算法,详细综述了水下异源图像基于区域和特征的配准算法研究进展,重点论述了基于图像域和形状特征相似度的两个准确度较高的研究方向的发展现状,并根据其他领域的异源图像配准的研究热点,从增加成像模型的结构性约束、引入相位一致性和生成对抗网络等算法提高配准精度,展望了水下声光图像配准研究的发展趋势。     

面向轨道分割与侵入物检测的多任务学习

轨道车智能防护会涉及轨道车侵入物检测与行驶区域分割任务,在深度学习领域已有针对各任务的算法,却无法很好满足多任务情形时的需求.该算法使用轻量级卷积神经网络(CNN)作为编码器提取特征图,随之将特征图送到两个基于one-stage检测网络的解码器中,进而完成各自的任务.不同级别和尺度的语义特征在编码器输出的特征图中被融合,良好地完成像素级语义预测,在检测和分割效果上有明显提升.采用本算法的设备将掌握对新目标的识别检测判断与追踪,为提升轨道车行驶安全做出保障.     

基于之字形解码算法优化的高效低存储ZD码

ZD码(ZigZag-decodable codes)是基于之字形解码算法设计生成的一类纠删码, 它仅需要少量的计算即可修复存储系统中的故障数据, 但需要存储相对其他纠删码更多的冗余数据以保证系统的高可靠性. 为了降低ZD码产生的存储开销, 本文通过分析当前在存储系统中使用的之字形解码的思想, 提出了一种优化的之字形解码算法. 新的解码算法能够更充分利用校验数据中的信息来完成数据修复. 基于新的解码算法, 本文相应的提出了一种新的ZD码编码方案, 由于新算法更高的信息利用率, 新的编码方案能够用更少的存储开销来满足存储系统的高可靠性. 实验结果表明, 本文提出的ZD码编码方案具有最优的存储开销, 且编解码性能远高于目前广泛使用的RS码.     

数字孪生贾鲁河在工程施工期防洪度汛中的应用

为满足贾鲁河综合治理工程施工期防洪度汛精细化管理的需求,确保工程安全的同时能够充分发挥流域防洪效益,数字孪生技术被应用于在建水利工程施工度汛精准风险分析、预警和防汛预案制定中。数字孪生贾鲁河以自建采集L3级和共享L1和L2级数据为“算据”底板,以模型平台和知识平台为“算法”支撑,以信息化基础设施为“算力”依托,搭建具有预报、预警、预演、预案等“四预”功能的流域防洪应用。在贾鲁河流域基础资料收集及数字化场景搭建和模型构建基础上,以流域降雨量级超100年一遇、约50年一遇、约20年一遇设置了三类预演情景模拟洪水,统计施工期工程存在的漫堤风险、淹没风险、冲刷风险、洪水倒灌风险、桥梁阻水风险、堤外积水风险等六类风险并制定防洪度汛措施。数字孪生贾鲁河确保了工程2022年安全度汛,总结了河道治理工程施工期洪水风险类型和定量评估方法,形成了在建工程复杂环境条件下的地形勘测、洪水模拟、风险预警、应对措施制定的完整解决方案。