CoS QDs/PDMS纳米复合薄膜的制备与红外特性研究EI北大核心CSCD

过渡金属硫属化合物(TMCs)由于具有优异的光学、电学及光电等特性,被广泛应用于光催化、太阳电池、激光器等领域。作为一类典型的TMCs材料,硫化钴量子点(CoS QDs)因禁带宽度较窄而具有优异的近红外吸收特性,有望用于红外技术领域。文中采用液相超声剥离法制备了CoS QDs,再用共混法制备得到CoS QDs/PDMS纳米复合薄膜,并对它们的光学性质进行了研究,结果表明:CoS QDs的平均尺寸约为5 nm,大小均匀,呈球形;CoS QDs与CoS QDs/PDMS纳米复合薄膜在红外波段均存在明显的吸收和发光特性,且复合薄膜的红外吸收特性优于CoS QDs薄膜;随着激发光波长的增加,纳米复合薄膜的光致发光(PL)峰出现了红移,表现出明显的Stokes位移效应和激发波长依赖性。CoS QDs/PDMS纳米复合薄膜优异的红外吸收和发光特性,表明其在红外探测、荧光成像、纳米光子器件等研究领域中具有重要的潜在应用价值,有望成为一种新型红外探测材料。     

一种机载SAR数据点目标辐射定标方法北大核心CSCD

针对机载平台姿态时变造成的天线波束指向不稳定而导致辐射精度下降的问题,提出了一种新的天线方向图定标方法。该方法基于sinc函数模型,考虑了飞机飞行过程中横滚角的影响,能够有效改善飞机姿态不稳导致辐射精度下降的问题。文章根据点目标响应能量计算、天线方向图定标和定标常数计算等关键步骤开展辐射定标研究,采用多波段机载SAR系统获取的C波段和X波段SAR数据对该方法的有效性进行了验证。积分法和峰值法的对比分析结果表明,结合本文新的天线方向图模型,积分法得到的相对和绝对辐射精度均优于峰值法,说明积分法提取点目标能量与本文改进的天线方向图模型结合的辐射定标方法能够满足高分辨率机载SAR数据辐射定标处理的要求。     

基于点对群网络反馈机制的恶意代码传播模型

在点对群信息共享网络中,群体成员之间交流频繁并且同一群体内的成员可以同时从信息源接收到相同信息,依据点对群网络的这2个特点,考虑从恶意代码感染中恢复后的节点作用,在点对群网络中建立一种具有动态反馈防治信息功能的易感-感染-反馈-免疫(SIFR)模型。在经典易感-感染-免疫(SIR)传播模型的基础上引入反馈节点,通过动态共享防治信息遏制恶意代码在点对群网络中的传播。根据计算得到SIFR模型的平衡点和传播阈值,构建相应的Lyapunov函数,证明了平衡点的局部和全局稳定性。数值模拟实验结果显示：当反馈率取0.000 1时,SIFR模型相较于经典SIR模型在传播阈值小于1的情况下,感染节点在峰值处的数量降低了36.16%,能更早更快地趋近于0;当传播阈值大于1时,同一时间的感染节点数量有所减少,趋于稳定的感染节点数量降低了80%。上述实验结果表明SIFR模型应用在点对群网络中能够更好地遏制恶意代码的传播,且反馈率越高,遏制效果越好。     

基于路标点追踪的差速驱动机器人运动规划

首先,针对三角网格路径规划方法采用D-P算法提取路标点时,其最大阈值不易确定等问题,提出基于碰撞检测的抽取路标点方法.同时采用Pure Pursuit算法跟踪路标点,对差速驱动机器人进行运动规划;然后,通过实验对比分析表明,在提取路标点时,与D-P算法相比,碰撞检测方法更加优越;最后,通过差速驱动机器人的运动规划实验表明:Pure Pursuit算法追踪路标点方法规划的运动轨迹为一条光滑曲线,能够有效地避开地图上的障碍物;机器人角速度和线速度均为光滑函数,变化平缓,在路标点附近出现较小波动,波动范围均在允许值内;运动规划时间为0.049s,完全能够满足实际需求.研究结果表明,基于路标点追踪的移动机器人运动规划是一种简单有效的运动规划方法.     

具有未知参数的非线性系统动态优化

针对具有未知参数和不等式路径约束的非线性系统动态优化问题,提出一种新颖有效的数值求解方法.首先,将未知参数视为一个动态优化问题的决策变量;其次,利用多重打靶法将无限维的含未知参数动态优化问题转化为有限维的非线性规划问题,进而在不等式路径约束违反的时间段内,用有限多个内点约束替代原不等式路径约束;然后,用内点法求解转化后的非线性规划问题,在路径约束违反的一定容许度下,经过有限多次步数迭代后得到未知参数值的同时得到控制策略,并在理论上对所提出算法的收敛性进行相应证明;最后,对两个经典的含未知参数非线性系统的动态优化问题进行数值仿真以验证所提出算法的有效性.     

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...     

深度学习点云质量增强方法综述

随着三维探测技术的发展,点云逐渐成为最常用的三维物体/场景表征数据类型之一,广泛应用于自动驾驶、增强现实及虚拟现实等领域。然而,受限于硬件设备、采集环境以及遮挡等因素,采集的原始点云通常是不完整、稀疏、嘈杂的,为点云的处理和分析带来了巨大挑战。在此背景下,点云质量增强技术旨在对原始点云进行处理以获得结构完整、密集且接近无噪的点云,具有重要意义。本文对现阶段深度学习点云质量增强方法进行了系统综述,为后续研究者提供研究基础。首先,简要介绍了点云数据处理中通用的关键技术;分别介绍了补全、上采样和去噪3类点云质量增强方法,并对3类方法中的现有算法进行了分类、梳理及总结。其中,点云补全与点云去噪算法均可根据是否采用编码器—解码器结构分为两大类,点云上采样算法可根据网络主要结构分为基于卷积神经网络的方法、基于生成对抗网络的方法和基于图卷积神经网络的方法。其次,总结了质量增强任务中常用的数据集与评价指标,并分别对比分析了现阶段点云补全、上采样和去噪中主流算法的性能。最后,通过系统的梳理,凝练出点云质量增强方向所面临的挑战,并对未来的研究趋势进行了展望。此外,本文汇总了涉及的文献及其开源代码,详见链接https：//github.com/LilydotEE/Point_cloud_quality_enhancement。     

CentroidNet：轻量快速的乳腺癌Ki67细胞核中心点检测模型

目的 Ki67分数是乳腺癌预后评估的重要指标,计算该分数的关键步骤是检测阴性与阳性癌细胞核。人工检测面临疲劳与主观差异的问题。卷积神经网络有望实现高质量、自动化的细胞核检测,然而需要病理专家为其标注细胞核。为了减轻标注的工作量,不少研究者提出以中心点标注训练卷积神经网络。然而这些方法采用过于复杂的卷积神经网络和后处理流程,未能充分提高易用性和效率、发挥卷积神经网络的质量。对此,提出CentroidNet模型,旨在提高中心点检测的质量、效率和易用性。方法 CentroidNet模型在图像上放置均匀排布的锚点,为每个锚点预测一个候选点,一部分候选点通过基于阈值的筛选策略成为预测点。本文提出最近锚点匹配策略用于生成训练标签,既保证了端到端推理,又规避了其他一对一标签匹配算法所具有的标签抖动问题。本文建议锚点间距应尽可能接近训练集答案点间最短距离的第一百分位数,并指出这样的锚点间距能够在前景标签数、坐标回归难度与效率之间取得良好的平衡。本文在设计卷积神经网络的结构时,没有采纳广为使用的U-Net或特征金字塔（feature pyramid network, FPN）中的多级上采样与旁路连接,反...     

基于递归切片网络的三维点云语义分割与实例分割

目的 针对三维点云语义与实例分割特征点提取精度不高、实例分割精度极度依赖语义分割的性能、在密集场景或小单元分割目标中出现语义类别错分以及实例边缘模糊等问题,提出了基于递归切片网络的三维点云语义分割与实例分割网络。方法 网络对输入点云进行切片,并将无序点云映射到有序序列上;利用双向长短期记忆网络（bidirectional long short-term memory,BiLSTM）得到带有局部特征和全局特征的编码特征矩阵;将编码特征矩阵解码为两个并行分支,进行多尺度的特征融合;对语义与实例特征进行融合,得到并行的语义与实例分割网络。结果 在斯坦福大尺度3D室内场景数据集（Stanford large-scale 3D indoor spaces dataset,S3DIS）以及ShapeNet数据集上,与目前最新点云分割方法进行实验对比。实验结果表明,在S3DIS数据集上,本文算法的语义分割的平均交并比指标为73%,较动态核卷积方法（position adaptive convolution,PAConv）提高7.4%,并且在13个类别中的8个类别取得最好成绩;实例分割中平均实例覆盖率指标为67.7%。在ShapeNet数据集上,语义分割的平均交并比为89.2%,较PAConv算法提高4.6%,较快速、鲁棒的点云语义与实例分割方法（fast and robust joint semantic-instance segmentation,3DCFS）提高1.6%。结论 本文提出的语义与实例分割融合网络,综合了语义分割与实例分割的优点,有效提高语义分割与实例分割精度。     

基于STM32和小波自适应滤波算法的生理参数监测系统的研究

针对心血管疾病的高死亡率以及人口老龄化的现象,本篇文章开发了基于STM32单片机和小波自适应阈值滤波算法的可穿戴式健康监测系统。系统可分为系统微处理器、数字系统模块、人机交互模块、信号采集模块和无线通信模块等几个部分,针对人体的心率、血氧、体温等重要生理参数进行处理分析,进而对人体实时监护。系统处理器选取STM32F103C8T6作为控制芯片,显示模块选用了OLED。生理参数采集系统选用了MAX30102传感器和Pulse sense传感器分别对人体腕部和指尖心率进行采集。生理参数采集完毕后,通过进一步的A/D转化,基于提出的一种改进小波自适应阈值滤波算法降噪滤波,从而将人体的生理特征参数记录下来。再将采集的生理数据通过蓝牙传输至手机端,其中的ZigBee模块主要是把获得的数据再次输送到远程控制端内,让患者能够远程得到更好的医疗监控。本系统通过软件与硬件相结合的方式。最后通过对比论证其中心率（BPM）结果误差为±2BPM,血氧含量监测结果误差在±2%以内。