基于混沌加权粒子群算法的频率计权设计

针对声级测量中利用传统双线性变换法设计频率计权滤波器时在标称频率高频段出现的误差问题,采用一种基于混沌加权粒子群算法的设计方法,进行了频率计权的优化设计。首先对频率计权的幅频响应的误差来源展开分析研究,然后根据分析结果设定频率计权滤波器的优化对象与适应度函数,从而构造出基于混沌加权粒子群的频率计权数字滤波器优化模型,并求得最佳解。经仿真实验验证,给出的优化算法准确度更高,且最大误差可限制在0.005 dB范围内,满足国家标准中对1级声级计的设计要求,适用于声级测量中的频率计权,也可用于其他领域的滤波器设计。     

大动态信号的高分辨采集电路设计方法

针对在数字采集中,受ADC的量化分辨力限制,大动态范围信号难以满足信号分辨力的要求的问题,提出了一种适应大动态范围信号高分辨力采集电路系统的设计方法.首先根据信号的动态范围、分辨力指标和关注度,将信号进行逆序分段放大到ADC的输入动态范围,之后,根据各分段采集到的不同分辨力数据,进行数据加权合成,实现大动态范围信号的分...     

基于AW-Net的轮毂射线图像分割算法北大核心CSCD

针对传统方法下的汽车轮毂内部缺陷检测效率低、精度达不到工业标准的问题,本文提出了一种基于改进U-Net神经网络的轮毂X射线图像缺陷分割方法AW-Net。该方法通过三级跳跃连接的方式级联两个U型网络对图像特征进行深度提取。同时在跳跃连接的过程中融合注意力机制以解决小目标的变化情况容易被漏检的问题,并通过实验验证结合使用多种激活函数来实现更精准的轮毂X射线图像语义分割,增加网络的拟合能力,提高网络的鲁棒性。实验结果表明:改进后的算法在本文构建数据集的汽车轮毂内部缺陷的误判率为2.73%,漏判率为0,识别率达到93%以上,其分割精度高于传统图像分割网络全卷积网络(fully convolutional network, FCN)和U-Net,且本方法边缘分割更加平坦,满足现代轮毂内部缺陷无损检测的需要。     

基于3D-UNet的多谱图像融合定位方法

针对地下浅层地层结构复杂、地面获取的爆炸波振动信号波形混叠、频散严重，采用逆时偏移方法震源成像模糊、震源定位精度低的问题，将图像融合引入震源定位中，提出了一种基于3D-UNet的多谱图像融合定位方法。首先，对传感器采集到的信号通过变分模态分解(VMD)进行多频主成分分解，通过逆时聚焦成像方法形成多谱能量场；之后，将多谱能量场作为3D-UNet的输入，并结合注意力机制进行多谱能量场对应系数的自适应调整，通过梯度下降法使网络输出最大值位置逼近真实震源位置，生成融合网络模型。实验验证表明，本文方法相比于基于VMD多谱图像融合定位方法定位精度更高，且均方根误差在0.5 m以内。