基于Gabor变换的超声回波信号时频估计

在无损检测中,超声回波往往是一个重叠较严重,含有噪声的多回波信号。根据Gabor变换时频分析的特点,该文提出一种基于Gabor变换的超声回波信号时频估计方法。该文建立回波信号与Gabor变换分析窗函数相似度(即距离)模型,通过模型相似度最小化问题转化为求解回波信号Gabor变换系数模的最大值来估计回波信号的传播时间(TOF)和中心频率(CF),最后推导它们的克拉美-罗界(CRLB)以评价算法的性能。Monte Carlo仿真和实验结果表明该文提出的算法,无论对低信噪比的单回波信号或重叠的多回波信号都能达到较高的精度,而且估计的均方误差在高信噪比时,达到CRLB,即使在低信噪比,也接近CRLB。     

基于人工智能的边境管控无线传感数据处理系统设计

边境管控在国防安全和国民经济社会发展中具有重要作用.针对目前边境管控的严峻形势,提出了运用无线传感网络技术建立能获取跨境事件位置和相关信息的传感网络,利用人工神经网络技术,设计了基于人工智能的边境传感信息处理系统,并用Matlab进行了仿真实验.实验结果表明这一边境传感信息处理系统稳定可靠,具有较高的准确率,可以提升边境传感信息的价值含量,协助边境管理部门提高边境管控能力和效率.     

圆明亮琢型几何结构的研究

采用数学方法和可视化计算机软件Pro/E与MATLAB处理圆明亮琢型切工参数与该琢型其它几何元素之间的定量关系。首先,用数学语言描述托尔可夫斯基琢型亭部演化的规律。随后,用分析表达式和图形表达以下几个问题的新见解:(1)星刻面倾角不能随意取值,它是某些切工参数的函数;(2)腰棱厚度和腰棱总面积能够用数学公式定量描述;(3)冠部俯视图的变化服从一定的数学约束条件,认为台宽比评定中的"弧度法"不可行。分析结果表明将现代光学分析和MATLAB等计算机技术结合,可用于宝石最优化设计。     

双线性DC/DC变换器混杂建模与优化控制

Boost、Buck-boost和Flyback等DC/DC变换器的连续时间状态空间模型实际上是由一组双线性微分方程来描述的,这类变换器控制的主要难点在于双线性项的处理和变换器所固有的混杂特性。对此,提出了一种针对这类DC/DC变换器的混杂建模和优化控制方法。该方法首先将开关周期等分为多个子周期,并通过迭代推导出变换器在开关周期内的离散时间状态更新函数。然后将双线性项在整个状态-输入空间内进行分段线性化处理,从而建立变换器的混杂模型。以Boost和Buck-boost DC/DC变换器为例,分别建立了其混杂模型,并进行了优化控制。最后通过实验对比分析了两种DC/DC变换器的优化控制效果,从而验证了该方法的通用性、有效性和优越性。     

人群计数研究综述

人群计数广泛应用在公共安防、视频监控和智慧城市建设等领域,对控制特定场所人数、指挥公共交通、防止疫情蔓延、保障社会稳定具有重要积极意义。传统的计数方法精度不高、场景受限,随着深度学习的发展,传统方法逐渐被卷积神经网络（convolutional neural network,CNN）方法代替。介绍了人群计数的研究背景、现状和发展趋势,叙述了两种传统方法;从计数精度、网络结构、评价指标和数据集等方面重点分析了CNN方法,发现CNN技术可以有效解决多尺度和跨场景等问题;阐述了基于Vision Transformer（ViT）序列的弱监督计数方法并且对比各类方法。对未来人群计数的研究前景做出展望。     

基于多级跳跃残差组的运动人像去模糊网络

为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题，提出了基于多级跳跃残差组生成对抗网络（GAN）的运动人像去模糊方法。首先，改进残差块以构造多级跳跃残差组模块，并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征；其次，使用多损失融合的方法优化网络，从而增强重建后图像的真实纹理；最后，采用端到端的模式将运动模糊的人像图像进行盲去模糊操作，并输出清晰的人像图像。在CelebA数据集上的实验结果表明，相较于DeblurGAN(DeblurGAN)、尺度循环网络（SRN）和MSRAN(Multi-ScaleRecurrentAttention Network)等基于卷积神经网络（CNN）的方法，所提方法的峰值信噪比（PSNR）和结构相似度（SSIM）分别至少提高了0.46 dB和0.05；同时，所提方法的模型参数更少，修复速度更快，且复原后的人像图像具有更多的纹理细节。