采用阶梯 T 型谐振器的双陷波 UWB 滤波器

为有效抑制印度国家卫星通信C频段和X卫星频段对超宽带通信系统的干扰,提出了一种新型双陷波超宽带滤波器。该滤波器采用阶梯T型多模谐振器(multimode resonator, MMR)与缺陷地结构(defected ground structure, DGS)的交趾耦合,实现超宽带特性。采用非对称耦合线及在MMR两侧耦合分裂环谐振器的方法,分别在6.67～7.06 GHz, 7.47～7.57 GHz两个频段内产生陷波。实测结果与仿真结果吻合较好,该滤波器的通带范围为3.03～11.50 GHz, 3 dB带宽达到123%,插入损耗仅有0.87 dB,两处陷波中心频率分别在6.87 GHz和7.52 GHz,陷波深度均大于20 dB,且整体尺寸紧凑,仅有16 mm×8 mm大小。     

基于直线检测和数字地图匹配的车辆航向角估计

为减少车辆行驶过程中由于卫星信号失锁及惯导累计误差对航向角的影响,结合场景特征的提取、表达和数字地图信息,提出了一种基于直线检测和数字地图匹配的车辆航向角估计方法。首先,根据地图匹配的坐标点计算车道线地图对应点的方位角,计算车辆航向角与车道线方位角的角度差;其次,通过改进的FLD直线检测方法识别并计算道路图像中车道线直线的角度;将双侧车道线直线角度作为BP神经网络的输入,以预测角度差作为网络输出;最后,结合预测角度差和车道线方位角得到实时车辆航向角。经实验验证,所提方法的航向角估计精度与现有估计方法及普通传感器测量结果相比具有一定的优势。     

基于 GRU-UKF 的锂离子电池 SOC 估计方法研究

精确估计锂离子电池荷电状态(SOC)是电池管理系统的关键技术之一,直接影响着动力锂电池组的使用效率和安全 性。 锂离子电池特性复杂,其 SOC 无法直接测量,且受电流、温度等因素的影响较大。 为此,提出了一种基于门控循环单元 (GRU)神经网络与无迹卡尔曼滤波(UKF)相结合的组合算法。 该方法利用 GRU 网络获得可测量的电流、电压、温度与锂电池 SOC 之间的非线性关系,并以此作为 UKF 的观测方程。 然后,通过 UKF 估计 SOC 值以提高算法的估计精度。 实验结果表明, 在不同温度以及不同的工况下,本文所提方法的均方根误差(RMSE)和平均绝对误差(MAE)分别小于 0. 51%和 0. 46%,均能提 高 SOC 的估计精度。     

中央空调传感器双重降噪模糊故障检测方法

针对现有降噪方法存在噪声残留以及异常检测指标受噪声影响较大的问题,提出中央空调传感器双重降噪和模糊指标 的故障检测方法。 自适应噪声的完整经验模态分解(complete EEMD with adaptive noise,CEEMDAN)所具有的噪声残余等问题, 用局部均值估计提取 k 阶模态替换模态估计完成初次降噪;而早期出现的虚假模式,先通过相关系数准则筛选含噪分量尽可能 保留有效信息,然后计算奇异值差分谱确定降噪阶次进行奇异值分解(singular value decomposition,SVD)完成二次降噪。 最后, 结合能量和峭度系数提出模糊指标作为异常信号控制限进行故障检测。 采用中央空调实验系统运行数据对所提方法进行验 证,结果表明,该方法具有良好的降噪及敏感特征筛选能力,信噪比提升 20. 203 7 dB,均方误差平均减小 48. 75%,故障检测准 确率平均提升 8. 67%,响应速度提升 33. 3%,抗噪性及检测效果提升明显。     

一种紧凑型三陷波 UWB-MIMO 天线的设计

提出了一种紧凑型的三陷波超宽带多输入多输出(ultra wideband multiple-input multiple,UWB-MIMO)天线,将半圆形与 正六边形结合作为辐射贴片,接地板引入带“梳子”缝隙状 T 型枝节来实现较高的隔离度,天线尺寸为 36 mm×18 mm×1. 6 mm。 通过在辐射贴片上刻蚀倒“Ω” 形槽,在馈线上刻蚀类“U” 形槽以及贴片旁引入类“U” 形枝节的方式实现 WiMAX( 3. 3 ~ 3. 6 GHz)、WLAN 部分频段(5. 725~ 5. 825 GHz)和 X 波段下行频率(7. 25 ~ 7. 75 GHz) 3 个频段的陷波。 仿真与实测结果均表 明,该 UWB-MIMO 天线的工作带宽为 1. 9 ~ 10. 6 GHz,相对带宽达到 139%,3 个陷波频段为 2. 9 ~ 3. 7 GHz、5. 6 ~ 6. 0 GHz 和 7. 05~ 7. 76 GHz,且隔离度大于 20 dB,包络相关系数 ECC<0. 003,说明天线在各方面特性良好,可以满足 UWB-MIMO 天线的 要求。     

基于DeblurGAN的运动模糊图像盲复原算法研究

DeblurGAN方法利用条件生成对抗网络解决了端到端的图像去模糊问题,但存在图像边缘细节恢复不足以及鲁棒性不高的问题,针对此问题,提出一种基于DeblurGAN的运动模糊图像盲复原方法。在生成网络中,采用多尺度卷积核神经网络提取特征,并使用级联空洞卷积扩大神经元的感受野;采用自适配归一化方法代替原来生成器中使用的实例归一化方法。其次,引入了梯度图像L1损失,结合对抗损失和感知损失,将其作为图像去模糊的正则约束,使得生成图像的边缘特征更加清晰。实验结果表明,提出方法复原的图像峰值信噪比数值较DeblurGAN算法高出5.4%,结构相似性指标高出1%;在主观上清晰化效果较好,且消除了网格效应。     

自适应加权的多特征融合ECT图像重建算法

为了解决电容层析成像(electrical cpacitance tomography, ECT)图像重建中电容值与介电常数这一非线性病态问题,提出一种自适应加权的多特征融合(adaptive weighted multi-feature fusion, AWMF) ECT图像重建算法,利用网络模型拟合电容张量和介电常数的非线性映射关系。首先,在网络模型中采用密集卷积网络(DenseNet),不仅缓解梯度消失现象,还融合不同通道的特征信息;添加挤压激励网络(squeeze excitation network, SENet)自适应调整特征通道的权重,用以提取不同通道的关键特征,提高重建图像的精度。其次,构建树形聚合结构（tree aggregation structure network, TASN）网络模块,扩大感受野并提取丰富的多尺度特征信息,消除普通卷积所带来的伪影现象。在COMSOL5.3软件上建模仿真后,通过MATLAB2014a对图像进行重建。实验结果表明,重建图像误差系数降低至0.0256,相关系数提高至0.9717,与传统算法和CNN算法相比,具有更高的图像重建质量。     

On measuring network robustness for weighted networks

Knowledge and Information Systems - Network robustness measures how well network structure is strong and healthy when it is under attack, such as vertices joining and leaving. It has been widely...     

Saliency guided self-attention network for pedestrian attribute recognition in surveillance scenarios

Pedestrian attribute recognition is often considered as a multi-label image classification task. In order to make full use of attribute-related location information, a saliency guided sel-attention network ( SGSA-Net) was proposed to weakly supervise attribute localization, without annotations of attribute-related regions. Saliency priors were integrated into the spatial attention module ( SAM ). Meanwhile,channel-wise attention and spatial attention were introduced into the network. Moreover, a weighted binary cross-entropy loss ( WCEL) function was employed to handle the imbalance of training data. Extensive experiments on richly annotated pedestrian ( RAP) and pedestrian attribute ( PETA) datasets demonstrated that SGSA-Net outperformed other state-of-the-art methods.