永磁同步电机低复杂度双矢量预测电流控制

针对永磁同步电机传统模型预测电流控制中存在计算负担重和电流脉动大的问题,提出一种低复杂度双矢量预测电流控制方法。首先,利用电流无差拍控制原理快速获得下一周期的第一电压矢量,相比传统方法可减少一个周期的预测次数。其次,进行第二电压矢量的选择时可以采用非零电压矢量,增大备选电压矢量的覆盖范围。最后,根据均方根电流脉动方程,确定满足最小电流脉动条件下各个电压矢量的最佳作用时间。仿真和实验结果表明：相较于传统单矢量、双矢量预测电流控制方法,所提低复杂度双矢量预测电流控制方法能够有效抑制电流脉动,降低算法的复杂度和计算量,提高了永磁同步电机控制系统在实际中的运行性能。     

基于相位补偿的高频Vienna整流器解耦控制方法

针对三相三线制Vienna整流器控制频率与输入电压频率比值较低时dq轴耦合加剧的问题,采用了基于复系数传递函数的方法,推导了Vienna整流器电流环的开环传递函数。在同步旋转坐标系下,建立了考虑数字控制延时后的电流环复系数控制模型。对该模型的分析与研究表明,考虑数字控制延时后,传统电流前馈解耦方法不能实现完全解耦。为解决此问题,提出了一种带相位补偿的电流前馈解耦控制方法。该方法将输出的控制信号乘上延时对应的相位补偿量后作为新的控制信号,以消除延时对控制环路的影响,有效提高电流环的性能。最后搭建了1000W的Vienna整流器仿真与实验平台进行验证。仿真与实验结果证明了所提控制策略的有效性。     

基于改进的CKF低轨卫星多普勒定位解算

针对低轨卫星多普勒定位中最小二乘法(the least squar method, LSM)和扩展卡尔曼滤波(extended Kalman filter, EKF)带来的解算误差,采用容积卡尔曼滤波(cubature Kalmanfilter, CKF)算法的思想来进行定位解算。首先设计了一种基于GeoSOT剖分网格的初值搜索方法进行粗定位,避免迭代发散;在解算过程中,对CKF进行改进,用QR分解代替其中的Cholesky分解,防止误差协方差矩阵非正定导致计算终止;最后以铱星星座对地面站的静态定位为例,通过STK 进行仿真验证算法的有效性。结果表明,改进的CKF(improvedCKF, ICKF)算法对于目标的定位误差在百米以内;且相较于LSM 和EKF,定位精度大约可以提高17%。     

一种频域脉冲最小均方误差杂波对消算法

针对“低慢小”探测雷达杂波多普勒主瓣淹没慢速弱目标问题,该文提出了频域脉冲LMS（FPLMS）算法来对消杂波。该算法利用杂波分量在脉间的平稳性,自适应地估计各距离单元杂波的复幅度来重构杂波,实现杂波对消。仿真结果表明：FPLMS算法能够有效对消杂波,消除杂波主瓣对目标检测的影响;且具有很窄的滤波器凹口,约为MTI滤波器的1/3,对速度大于1个速度分辨单元的目标几乎无信噪比损失,适用于“低慢小”探测雷达的杂波对消。     

融合词簇约束的汉越跨语言词嵌入

针对传统跨语言词嵌入方法在汉越等差异较大的低资源语言上对齐效果不佳的问题,提出一种融合词簇对齐约束的汉越跨语言词嵌入方法。通过独立的单语语料训练获取汉越单语词嵌入,使用近义词、同类词和同主题词3种不同类型的关联关系,充分挖掘双语词典中的词簇对齐信息以融入到映射矩阵的训练过程中,使映射矩阵进一步学习到不同语言相近词间具有的一些共性特征及映射关系,根据跨语言映射将两种语言的单语词嵌入映射至同一共享空间中对齐,令具有相同含义的汉语与越南语词嵌入在空间中彼此接近,并利用余弦相似度为空间中每一个未经标注的汉语单词查找对应的越南语翻译构建汉越对齐词对,实现跨语言词嵌入。实验结果表明,与传统有监督及无监督的跨语言词嵌入方法Multi_w2v、Orthogonal、VecMap、Muse相比,该方法能有效提升映射矩阵在非标注词上的泛化性,改善汉越低资源场景下模型对齐效果较差的问题,其在汉越双语词典归纳任务P@1和P@5上的对齐准确率相比最好基线模型提升了2.2个百分点。     

S频段500 W高稳相固态功放设计

介绍了一种S频段500 W高稳相固态功放的工程实现。根据实际工程需求,采用4片功率芯片进行大功率合成,在2 025 MHz～2 120 MHz频率范围内实现输出功率大于600 W的固态功率放大器。采用了低附加相移电路设计、微波板材模块化设计、功率回退等措施,实现了在0℃～30℃的环境温度条件下,输出功率在1 W～500 W功率范围内,功放输出端相位变化小于11.5°,满足了厘米级扩频测控系统对S频段固态功放的工程技术要求。     

基于RDMA的区块传输机制设计与实现

随着区块链技术的不断发展,区块的传输延迟成为区块链系统可扩展性的性能瓶颈。远程直接内存访问（RDMA）技术能够支持高带宽和低时延的数据传输,为低延迟区块传输提供了新的思路。因此,结合RDMA原语的特性,设计了用于区块信息共享的区块目录结构,并在此基础上设计并实现了区块传输的基本工作过程。实验结果表明,相较于基于TCP的方案,在1 MB大小的区块上基于RDMA的区块传输机制将节点间的区块传输延迟降低了44%,全网络的区块传输延迟降低了24.4%,在10 000节点规模的区块链上,区块链发生临时分叉的数量降低了22.6%。可见,基于RDMA的区块传输机制充分发挥了高速网络的性能优势,降低了区块传输延迟及临时分叉的数量,提高了现有区块链系统的可扩展性。     

低视点下遮挡自适应感知的多目标跟踪算法

目的 针对低视点多目标跟踪场景的遮挡问题,提出一种能够遮挡自适应感知的多目标跟踪算法。方法 首先根据每帧图像的全局遮挡状态,提出了“自适应抗遮挡特征”,增强目标特征对遮挡的感知和调整能力。同时,采用“级联筛查机制”,减少由遮挡带来的目标特征剧烈变化而认定为“虚新入目标”的错误跟踪现象。最后,考虑到历史模板库中存在遮挡的模板对跟踪性能的影响,根据每一帧中目标的局部遮挡状态,提出自适应干扰模板更新机制,进一步提高对遮挡的应变和适应能力。结果 实验结果表明,本文算法在MOTA(multiple object tracking accuracy)、M OTP (multiple object tracking precision)、FN(false negatives)、Rcll (recall)、ML (mostly lost tracklets)等指标上明显优于STAM(spatial-temporal attention mechanism)、ATAF(aggregate tracklet appearance features)、STRN (spatial-temporal relat...     

基于情感语义对抗的跨语言情感分类模型

传统的基于机器翻译的跨语言情感分类方法,由于受机器翻译性能影响,导致越南语等低资源语言的情感分类准确率较低。针对源语言和目标语言标记资源不平衡的问题,提出一种基于情感语义对抗的跨语言情感分类模型。首先,将句子和句子中情感词进行拼接,用卷积神经网络对拼接后的句子分别进行特征抽取,分别获得单语语义空间下的情感语义表征;其次,通过对抗网络,在双语情感语义空间将带标签数据与无标签数据的情感语义表征进行对齐;最后,将句子与情感词最显著的表征进行拼接,得到情感分类结果。基于汉英公共数据集和自主构建的汉越数据集的实验结果表明,所提模型相比跨语言情感分类主流模型,实现了双语情感语义对齐,可以有效提升越南语情感分类的准确率,且在差异性不同的语言对上也具有明显优势。     

基于预训练与音素字节对编码的越南语识别

基于无监督预训练技术的wav2vec 2.0在许多低资源语种上获得了良好的性能,成为研究的热点。本文在预训练模型的基础上进行越南语连续语音识别。将语音学信息引入到基于链接时序分类代价函数（Connectionist temporal classification,CTC）的声学建模中,选取音素与含位置信息的音素作为基础单元。为了平衡建模单元数目以及模型的精细程度,采用字节对编码（Byte-pair encoding,BPE）算法生成音素子词,将上下文信息结合到声学建模过程。实验在美国NIST的BABEL任务低资源的越南语开发集上进行,所提算法相对wav2vec 2.0基线系统有明显改进,识别词错误率由37.3%降低到29.4%。