基于信号重构的非参数化混叠信号分离方法

复杂电磁环境下,雷达、通信等信号在时域、频域、时频域存在复杂混叠,且各类型信号带宽差异大、调制样式多样,常规信号分离方法难以应用。文中提出了一种基于信号重构的非参数化混叠信号分离方法。基于瞬时幅度的傅里叶分解,建立非参数化稀疏信号模型,将混叠信号分离转化为瞬时幅度和瞬时频率的联合估计问题,基于交替迭代思路,分别进行估计和更新。对于瞬时幅度项,基于广义近似消息传递方法进行估计;对于瞬时频率项,利用瞬时频率变化平缓性特征,建立瞬时频率更新模型,实现对瞬时频率的更新。进一步,基于瞬时幅度和瞬时频率估计结果进行各信号重构,实现混叠信号分离。仿真结果表明：文中所提方法能有效分离时频域复杂混叠信号。     

基于改进算法的10kV配电网合环稳态电流计算

为了保证合环操作的顺利进行,提出了一种10 kV配电网的合环电流计算方法,重点对合环冲击电流计算过程进行改进,将最大电流出现时刻和所在相纳入考虑。首先,通过理论分析推导,介绍了所提的10 kV配电网合环前稳态电流和合环冲击电流的计算方法;然后,给出了合环操作判定条件的流程;最后,基于MATLAB/Simulink搭建了10 kV配电网的合环仿真模型,对理论分析进行了仿真验证。仿真结果表明,提出的计算方法具有较高的准确性,对实际工程中合环电流计算和合环操作判定具有一定的指导意义。     

应急管理体系现代化视阈下的广电应急广播重构建设

随着国家应急管理体系的现代化,对应急广播系统提出了更高的要求。应急广播是国家社会治理和公共服务的重要基础设施,也是国家应急体系和防灾减灾体系建设的重要组成部分。提出中广(绍兴柯桥)有线信息网络有限公司在建设应急广播过程中遇到的问题,以及解决改进方法。     

WAGAN:基于小波变换和注意力机制的工控传感器数据异常检测方法

针对隐藏攻击意图的入侵行为,通过现场设备传感器实时数据反映工业控制系统运行情况,充分利用工控数据高周期性特点,提出WAGAN(Wavelet Attention Generative Adversarial Networks)的工控传感器数值异常检测方法.此方法使用多级离散小波变换分解重组的方式去除噪声并增强数据特征.为了有效提取数据的有效特征,在WAGAN模型中引入了注意力机制,并使用多层LSTM(Long Short-Term Memory)网络学习数据的潜在关联性.为了提高模型准确性,使用生成器的重构误差与判别器误差的权重和来判断异常.实验结果表明,此方法相比于现有的异常检测方法具有更高的异常检出率.     

基于稀疏点云分割的适应视角变化的场景识别方法

在机器人自主导航中,同时定位与建图负责感知周围环境并定位自身位姿,为后续的高级任务提供感知支撑。场景识别作为其中的关键模块,可以帮助机器人更加准确地感知周围环境,它通过识别当前的观测和之前的观测是否属于同一个场景来校正传感器硬件固有误差导致的误差累积。现有的方法主要关注稳定视角下的场景识别,根据两个观测之间的视觉相似性来判断它们是否属于同一个场景。然而,当观测视角发生变化时,同一个场景的观测可能存在较大的视觉差异,使得观测之间可能只是局部相似,进而导致传统方法失效,因此,一种基于稀疏点云分割的场景识别方法被提出。它将场景进行分割,以解决局部相似的问题,并且结合视觉信息和几何信息实现准确的场景描述和匹配,使得机器人能识别出不同视角下的相同场景,支撑单机的回环检测模块或多机的地图融合模块。该方法基于稀疏点云分割将每个观测分割为若干部分,分割结果对视角具有不变性,并且从每个分割部分中提取出局部词袋向量和β角直方图来准确描述其场景内容,前者包含场景的视觉语义信息,后者包含场景的几何结构信息。之后,基于分割部分匹配观测之间的相同部分,丢弃不同部分,实现准确的场景内容匹配,提高场景识别的成功率。最...     

《中国图象图形学报》复杂场景图像目标智能检测专栏简介

<正>图像目标检测在区域监控、被动导航、抢险救灾、飞行器制导等方面具有重要应用,是计算机视觉和图像处理领域研究中的关键性核心问题和挑战性难题,也一直是该领域的研究热点,并受到领域内广大学者的高度关注。近年来,得益于深度学习等人工智能技术在图像处理和计算机视觉中的广泛应用,图像目标检测技术研究已取得重大进展。     

数据归一化方法综述

当今,人工智能已经广泛应用到各个领域中,并取得了显著的效果。数据归一化是人工智能应用落地中的一个重要环节,它有助于避免神经网络因数据量纲的复杂性对数据进行错误建模。在大数据场景下,相当一部分数据是以流的形式先后到达训练点,所以在流场景下数据归一化研究是当前亟待解决的关键问题。目前关于归一化研究的综述较多,大多仅仅针对于批数据的归一化研究,而缺乏对流数据的归一化方法的总结,不具参考性。在批数据归一化研究基础之上,系统化整理并详尽分析了流数据归一化的相关文献,凝练提出了基于流数据的归一化分类方法,并将数据归一化方法划分为批数据的归一化方法和流数据的归一化方法。同时,对这些方法的原理、优势和可以解决的主要问题进行了对比分析,在不同场景下对数据归一化的未来研究方向进行了展望。     

太赫兹时域光谱技术在涂层检测中的研究进展

涂层结构具有美观、隔热和耐腐蚀等优点,被广泛应用于航空航天、汽车船舶制造和制药等领域。但在涂层制备和服役过程中会不可避免地出现气泡和裂纹等缺陷,且涂层厚度和均匀性会直接影响涂层寿命,因此对涂层结构的检测显得十分重要。与常规无损检测技术相比,太赫兹时域光谱(THz-TDS)技术非接触性好、抗干扰性强,适用于涂层结构快速无损检测。首先,简要地介绍了太赫兹波、太赫兹时域光谱技术和典型的太赫兹时域光谱系统;然后,详细地阐述了太赫兹时域光谱技术在光学参量、厚度和微结构检测方面的国内外研究进展,特别是太赫兹波在汽车船舶、航空航天和生物制药方向的厚度检测与成像;最后,分析了涂层结构无损检测的现状,对现有的太赫兹波检测涂层存在的问题进行了总结,并对其未来的发展进行了讨论和展望。     

基于顺序扩展一致性包算法的多无人机分布式任务分配

以异构多无人机协同执行复杂的耦合多任务为背景,提出一种求解分布式任务分配问题非死锁的顺序扩展一致性包算法.首先,建立考虑任务载荷资源、任务时序、威胁区等约束条件的时序多任务分配模型;其次,对一致性包算法的任务包构建过程和冲突消解规则进行扩展,并设计一种基于有向图深度优先搜索的方法进行任务方案的死锁检测和修正,以实现无冲突和无死锁的任务分配;然后,将关联任务之间的时序约束转化为软时间窗约束,利用顺序分层的策略进行求解;最后,为了提高任务分配结果的可靠性,采用Dubins曲线路径将航路规划耦合到任务分配中.仿真实验表明,所提出的算法能够快速有效地求解异构多无人机分布式耦合多任务分配问题,具备良好的最优性和时效性.     

基于多模型融合的分布式光电仪器突变状态智能检测方法模型

为光电设备正常运行提供有效保障,设计基于多模型融合的分布式光电仪器突变状态智能检测方法模型。采用分布式光电仪器实时运行参数数据作为输入,分别构建KPCA、偏最小二乘算法和Elman神经网络的光电仪器突变状态检测模型,它们分别检测分布式光电仪器突变状态,将它们的输出结果作为输入,利用PSO-RBF神经网络模型对多模型分布式光电仪器检测结果进行融合处理,得到最终分布式光电仪器突变状态智能检测结果。实验结果表明：该模型采集分布式光电仪器电压运行数据较为准确,可有效检测分布式光电仪器突变状态,且其检测结果的决定系数数值较高,具备较为显著的应用效果。