用于射频滤波器的LN单晶薄膜XBAR的性能研究

基于铌酸锂(LN)薄膜的横向激发体声波谐振器(XBAR)能够兼具大机电耦合系数(K²)和高谐振频率(f)特性，有望满足5G应用的频段要求。然而，常规LN薄膜单层XBAR结构的温度稳定性较差，频率温度系数(TCF)较低。该文提出一种具有SiO₂温度补偿层的SiO₂/LN双层结构XBAR，并建立了精确分析层状结构XBAR的有限元模型。理论分析表明，该双层结构XBAR上激励的主模式是一阶反对称(A1)兰姆波。通过合理优化结构参数配置，能够获得高谐振频率(f~4.75 GHz)和大机电耦合系数(K²~8%)，同时其温度稳定性也得到显著改善(TCF~-36.1×10^-6/℃)，相较于单层XBAR结构提高了近70×10^-6/℃，这为研制温补型高频、大带宽声学滤波器提供了理论基础。     

中国民族乐器的特征值提取和分类

文章处理的是中国民族乐器的识别分类问题.提出了一种基于合适的音频特征值选择方法,该方法在基于MPEG_7标准的声学特征,在特征值的时间特性上进行改造,并加入改进后的特征值.从提取的音频特征值数据集选择K-最近邻算法.特别是对没有加入新特征值和加入新特征值后生成分类器模型的性能进行了比较.实验结果证明新特征值的加入提高了分类器的F1度量值.     

面部表情的深度卷积级联森林识别

面部表情识别广泛应用于各种研究领域,针对面部表情识别使用深度神经网络方法结构复杂、可解释性差和传统机器学习方法特征提取缺乏多样性、识别率低的问题.提出了一种新的深度卷积级联森林(Deep Convolution Cascade Forest,DCCF)方法用于人脸面部表情识别,该方法通过卷积神经网络深度学习人脸面部显著特征,并采用基于随机森林的级联结构森林逐层学习识别出不同的面部表情特征,提高了人脸表情的识别准确率.DCCF在JAFFE、CK+和Fer2013 3个公开面部表情数据集进行了实验,并对面部表情提取的5种特征和7种分类方法进行了比较分析,结果显示DCCF在对比的算法中人脸表情识别性能最好,3个数据集的准确率分别达到91.4%,98.7%,71.6%.     

融合多颜色空间分量的自适应彩色图像分割

提出了一种新的简单有效的融合多颜色分量的分割方法,首先在六个不同的颜色空间中选择最佳的待分割颜色分量,然后应用直方图和空间模糊C均值（SFCM）技术对不同颜色分量进行自适应初始分割,最后融合分割结果并进行区域合并。利用该算法在Berkeley图像库上进行了大量实验,实验结果表明,与当前一些经典分割算法Mean-shift、FCR、CTM等相比,利用该方法能够获得更好的分割结果以及更优的性能指标。     

多天线时变信道频偏的估计下界

针对多天线信道频偏参数的随机时变特点,建立参数化的观测模型,根据时变参数估计的克拉美-罗下界求取原理,在非线性的观测模型和序贯的观测值下,利用参数真值推导频偏估计的克拉美-罗下界。由于特征参数的真值不可知,因此将观测模型在估计值处进行二阶泰勒级数展开,通过参数估计值获得频偏参数估计的近似下界。仿真结果表明,基于参数真值和估计值的频偏估计下界具有渐近收敛性,且随信噪比和观测值个数的增加均能达到稳态。     

基于门控图卷积神经网络的有机化学反应预测

随着现代医药技术和计算机技术的发展,采用人工智能技术来加速药物的研发进度成为了研究热点,而对有机化学反应产物的高效预测是药物逆合成路线设计中的关键问题。针对样本数据集中化学反应类型分布不均匀的问题,提出了一种主动采样训练下的门控图卷积神经网络（ASGGCN）模型。首先,输入化学反应物的简化分子线性输入规范（SMILES）编码,通过门控图卷积神经网络（GGCN）以及注意力机制预测反应中心所在位置;然后,根据化学约束条件和候选反应中心枚举出可能的化学键组合来生成候选产物,再通过门控图卷积差分网络对候选产物进行筛选;最终,得到反应产物。门控图卷积神经网络拥有三个权重参数矩阵并通过门控对信息加以融合,与传统的图卷积神经网络相比,它能获取更加丰富的原子隐藏特征信息。通过主动采样的方式进行训练,使得该模型能够兼顾较差样本和普通样本的分析能力。实验结果表明,所提模型对化学反应产物的Top-1预测准确率可达87.2%,对比Weisfeiler-Lehman差分网络（WLDN）模型提高了1.6个百分点,可见模型能够更准确地预测有机化学反应产物。     

结合超像素分割的多尺度特征融合图像语义分割算法

深度学习的发展加快了图像语义分割的研究。目前,最有效的图像语义分割研究方法大部分都是 基于全卷积神经网络(FCNN),尽管现有的语义分割方法能有效地对图像进行整体分割,但对于图像中的重叠遮 挡物体不能清晰地识别出边缘信息,也不能有效地融合图像高低层的特征信息。针对以上问题,在采用 FCNN 来 解决图像语义分割问题的基础上,利用超像素分割对物体边缘的特殊优势作为辅助优化,对粗糙分割结果进行优 化。同时在 FCNN 中利用空洞卷积设计了一个联合局部跨阶段的多尺度特征融合模块,其能有效地利用图像的空 间信息。此外还在网络的上采样模块中加入跳跃连接结构,用来增强网络的学习能力,在训练过程中采用 2 个损 失函数来保证网络稳定收敛和提升网络的性能,图像语义分割网络在公开的数据集 PASCAL VOC 2012 上进行训 练测试。实验结果表明,该改进算法在像素精度和分割准确率方面均有提升,且具有较强的鲁棒性。     

基于鲁棒观测器的带间隙三明治系统故障预报

工程实践中常见的带间隙的三明治系统的准确故障预报具有重要的现实意义,为此,本文构建了一种新的动态鲁棒观测器对其进行故障预报.首先,通过将非光滑项转化为干扰项的方法,将间隙非光滑三明治系统转化为可用动态鲁棒观测器设计方法设计的系统.其次,采用零点配置和最小化基准区间观测器的范数(H_∞,F/H_,F)指标的方法确定动态鲁棒观测器的增益矩阵.最后,通过仿真,分别比较了基于非光滑鲁棒观测器和基于传统观测器的故障预报效果,比较结果表明:鲁棒观测器能够及时地准确预报传统观测器无法预报的故障,且有效减少了故障的漏报和错报现象.