摘要:不同类型无线充电设备的互操作性是影响电动汽车无线充电技术普及的重要因素。互操作性指不同地面和车载设备匹配时,系统以规定效率输出额定功率的能力。针对现有互操作性评价方法存在评价判据不全面、评价结果准确性低等问题,引入表征系统谐振特性和负载特性的失谐因子与负载因子,提出一种基于双因子的互操作性评价方法。首先,分析基于传统地面侧与车辆侧端口阻抗的方法在评价系统效率方面的不足；随后,建立失谐因子和负载因子与系统功率、效率及电流限值之间的数学关系,根据国家标准限值推导可互操作的双因子区域及其边界函数,得到基于双因子的互操作性评价判据。实验结果表明,所提方法可从输出功率、系统效率和电流限值三方面综合评价互操作性,不仅解决了传统阻抗法评价判据不全面的问题,还提升了评价结果的准确性。

摘要:为解决室内环境中Wi-Fi定位精度低、视觉定位稳定性差等问题,提出了一种融合视觉与Wi-Fi的双层特征地图模型（vision-CSI map,V-CSI map),并提出基于隐马尔可夫模型（Hidden Markov model,HMM）的智能手机定位方法。V-CSI地图模型既包含基于栅格的信道状态信息（channel state information,CSI）指纹特征,同时也包含以稀疏安全出口为路标的视觉特征,并通过参考位置关联完成地图构建。本文将基于V-CSI特征地图的定位问题转化为HMM问题。首先完成安全出口标志检测与视觉特征匹配,实现视觉定位,将定位结果对HMM状态进行初始化；接着,利用CSI指纹匹配完成发射概率建模,通过高斯模型完成基于运动约束的状态转移概率建模；最后,通过前向算法求解HMM最优匹配状态,进而计算位置。在6 000平方米办公楼和3 600平方米地下停车场对本文算法与模型进行验证。实验结果表明,两种典型室内场景下,本文算法平均定位误差约为1.0 m,单次定位时间约170 ms；相比于单一CSI定位,平均定位误差减少56%以上,说明该算法能够有效提升室内定位的准确性与鲁棒性。

摘要:传统的基于自注意力的入侵检测模型在注意力值计算中存在时间复杂度较高的问题,且多数模型面向静态网络环境。针对上述问题,提出融合稀疏自注意力机制的增量入侵检测模型。首先,引入稀疏度度量公式以降低时间复杂度,在不影响模型检测性能的前提下减轻模型计算压力；其次,构建动态示例存储器,以极小内存开销缓解增量学习中的概念漂移现象；最后,设计类别平衡损失函数,无需动态调整模型即可增强旧类别样本学习能力。推导与实验结果证明:稀疏自注意力机制的时间复杂度更低、分类效果更优；对比其他方案,所提增量学习机制的旧知识记忆能力更强,该入侵检测模型在现代网络环境中有着较好的应用前景。

摘要:接触网支撑悬挂部分是铁路接触网的关键基础设施,受弓网之间长期接触振动影响,接触网零部件易产生各种缺陷。基于接触网4C图像开展缺陷监测是运维的核心工作,直接关系铁路运输安全和可靠性。传统人工检测方法存在劳动强度大、效率低、易漏检等问题,利用图像处理和人工智能技术实现缺陷自动检测是该领域研究的热点问题。接触网零部件种类繁多且各类缺陷样本稀缺,现有依赖大量训练样本的深度学习方法难以适用。为此,提出基于变分自编码器（VAE）的接触网缺陷分类方法（DefVAE）。该方法基于同类样本在特征空间满足高斯分布的假设,利用VAE编码器输出的潜在特征确定已知缺陷样本的特征分布,通过分布空间重采样和解码生成大量缺陷数据以弥补样本不足；编码阶段引入辅助标签信息,增大潜在特征空间的类间分布距离；缺陷分类阶段采用滑动标签辅助的图像生成方法,结合重构误差提升分类精度。在开源数据集及接触网4C数据集上的对比实验和消融实验结果表明,DefVAE在开源数据集上多数指标优于基线方法,在接触网缺陷分类中具有很高的分类精度。

摘要:合成孔径雷达（SAR）通过多角度观测可获取目标的三维立体信息。目前,多角度SAR三维重建多针对正侧视运动轨迹开展研究,通过构建投影几何关系式,利用目标在不同SAR图之间的偏移量与投影几何的关系求解目标三维信息。此类方法缺少对投影关系的数学建模过程,并且在SAR运动轨迹包含斜视角和俯仰角的情况下,求解误差较大。基于直线SAR轨迹下的投影几何关系,建立多角度SAR投影数学模型。在该数学投影模型中,SAR成像平面像素点坐标与目标三维空间坐标的关系矩阵称为本质矩阵。多角度SAR数学模型将三维重建问题转化为矩阵逆运算问题。将本质矩阵建立的投影表达式变换为齐次线性方程组,采用奇异值分解算法求解目标三维坐标。通过星载SAR轨迹参数进行实验仿真,验证了所提投影模型与三维重建算法的有效性。

摘要:针对超大面阵红外探测器读出过程中存在的线性度和帧频受限问题,提出一种可实现高速高线性读出的解决方案,采用像素内高效相关双采样（correlated double sampling,CDS）方法优化读出电路噪声特性,并输出CDS电压至列总线；通过交流增强技术实现对列总线寄生电容的快速建立,同时在列总线终端采用自适应衬偏补偿方法消除像素源极跟随器带来的非线性。基于55 nm工艺在低温110 K下的8 192×8 192面阵红外探测器读出电路中进行全面实验验证,结果表明,相较于传统读出电路,输出摆幅从2 V提升至3.3 V,满阱容量从4.3 Me^-提升为6 Me^-,行时间从20 μs减小为2 μs,线性度从96.9%提升至99.98%。芯片整体功耗为1.6 W,读出优化电路在加速读出模式下的单列功耗为33 μW,非线性校正模式下为16.5 μW。

摘要:异质图神经网络在数据挖掘、信息检索等领域得到了广泛应用。基于元路径的方法通过聚合元路径邻域信息来捕捉异质图的复合关系,但元路径的选取大多依赖先验知识,容易导致语义信息的丢失或覆盖；同时,特征聚合过程中使用注意力机制计算开销过大,而且随着网络加深或元路径变长易引发语义混淆。为了解决以上问题,提出融合多语义视图编码的异质图神经网络。首先,为目标节点类型选取固定长度的所有元路径,分别构造子图以提取相应的语义信息；采用轻量级均值聚合器获得不同元路径子图下的节点表示,并为每种类型的元路径学习特定的关系编码,与其节点表示相结合；随后,进行特征映射并融合不同语义视图下的节点特征,获得最终表示并应用于下游任务。在5个真实数据集上进行实验,结果表明,提出的模型能够更有效地捕捉异质图中的语义信息,提高节点表示性能,在节点分类和链接预测任务中的表现在大多数情况下优于主流基线模型。结合消融实验和参数灵敏度分析进一步验证了模型的有效性。

摘要:集成剪枝通过去除弱学习器和冗余学习器,能显著提升集成系统的表情识别效果。然而,现有方法聚焦于对分类器的接受或拒绝,导致评估信息缺乏可靠性或完整性时,会保留弱分类器或剔除关键分类器。此外,依赖准确率或多样性来评估分类器的优劣,难以全面反映分类器的真实表现。因此,提出基于三支决策的表情识别集成剪枝算法（3WDEP）,引入延迟决策解决分类器评估的不确定性问题。同时,提出“预测偏好”概念,综合预测结果与实际标签的相关性度量、准确率及召回率指标,构建集成剪枝信息系统,全面评估分类器性能。基于熵权法确定指标权重,结合三支决策权衡分类器在不同决策选项下的损失,选出对集成系统贡献最大的分类器进行集成。将召回率作为收益和代价属性,优化集成剪枝效果。实验结果表明,3WDEP能够有效提升表情识别效果,相较于初始集成系统,在FER2013、JAFFE、CK+和KDEF上的准确率分别提高了3.32%、9.39%、1.26%和4.9%。

摘要:针对自监督表征学习中掩码图像建模(MIM)方法存在上下游任务不匹配的问题,提出了一种称为教师学生互补掩码自动编码器的新预训练模型,即TSCAE模型。该模型由具备互补掩码机制的教师模块和学生模块组成,其中教师模块基于Transformer结构,负责预测图像中掩码区域（如随机掩蔽输入图片的75%部分）；学生模块则采用单一的编码器结构预测同一图像中剩余区域（如掩蔽输入图片余下的25%部分）。为从大量无标签数据中预训练出更丰富的视觉表征,TSCAE模型同时完成两类上游任务,分别是预测任务和对比任务,并在COCO和Tiny-ImageNet数据集上完成预训练。测试结果表明,在包括VOC在内的3个公有数据集和2个私有数据集上,TSCAE在图像分类、目标检测和语义分割等下游任务中,性能均优于经典的掩码自编码器(MAE)。特别地,TSCAE还在一定程度上缓解了预训练图像质量对视觉表征学习编码器的影响。

摘要:针对现有复杂体制雷达辐射源信号识别方法信息利用率低、抗噪性能差等问题,提出一种融合雷达辐射源信号多变换域特征的集成深度神经网络识别方法。首先基于双谱估计、模糊函数、希尔伯特黄变换（HHT）3种变换域方法对辐射源信号展开处理,分别提取信号矩形积分双谱特征、模糊函数正交切片特征和希尔伯特边际谱特征,并转换为表达能力和可解释性更优的二维特征图像；其次,构建基于ResNet18+多层感知机（MLP）的融合识别模型框架,以多个ResNet18网络作为基学习器,分别对3类变换域特征数据集进行初级识别,获得以概率表征的特征向量；最后,通过MLP对特征向量进行融合学习,输出最终的信号类别信息。实验结果表明,该方法在信噪比为 0 dB时,对6类雷达辐射源信号的整体平均识别率均保持在99.23%以上,即使是在-4 dB低信噪比环境中,识别率也稳定在96.54%以上,验证了所提方法的有效性和较好性能。

摘要:动态心脏磁共振成像(CMRI)是无创评估心血管疾病的重要工具。在动态CMRI中,常运用低秩张量恢复方法来探索动态磁共振图像的稀疏性,然而,张量的不同模态具有不同的低秩属性。研究发现,基于张量的非局部自相似性模态最能提升动态CMRI的重建质量。因此,在非局部低秩（NLR）方法的基础上,将高维图像中提取的每一组相似块视作一个矩阵,提出一种具有矩阵稀疏性的最优低秩矩阵恢复（OLRMR）模型。该模型使用加权Schatten p-范数作为秩代理函数,采用交替方向乘子法（ADMM）和快速软阈值迭代算法求解。基于心脏数据集的实验结果表明,OLRMR算法比BCS、k-t SLR和k-t LRTC算法更能有效提升重建图像的质量,更好保留图像细节与边缘轮廓信息。实验还表明,OLRMR的重建速度比k-t LRTC提升了2.6~3倍。

摘要:为了显著提升航天器编队协同控制的响应速度,满足严格时间窗口的编队任务要求,设计一种新型预定时间保性能控制框架。该框架旨在同时应对编队系统中普遍存在的3个关键问题:航天器感知范围受限、执行机构饱和约束及编队成员间的碰撞规避。首先,结合误差转换技术与滑模控制方法,构建了控制李雅普诺夫函数条件,不仅能保障系统在预定时间内实现编队目标,同时保证了预设的瞬态响应性能和稳态精度。其次,通过引入高阶控制障碍函数,实现了对相邻航天器间相对距离的精确管控,在维持编队通信拓扑连通性的同时,有效规避了碰撞风险。进一步,采用二次规划方法求解最优控制量,在考虑执行机构饱和约束的前提下,实现了预定时间收敛、拓扑连通保持和碰撞规避的多目标协同优化。最后,通过数值仿真对所提控制框架的有效性进行了系统验证,结果表明,该方案在满足多种约束条件下具有良好的控制性能和可靠性。

摘要:视频重定位的目标是在未经剪辑的参考视频中定位与给定查询视频语义相关的片段。这项任务不仅满足用户的实际浏览需求,而且在多种应用场景中发挥着重要作用。由于视频相较于图像、文本等其他数据类型包含更丰富的信息,因此在长视频中准确识别目标片段并确定其时间边界具有较大挑战。将视频重定位任务视为一个序贯决策过程,应用强化学习实现高效且准确的定位。具体而言,提出智能体引导的定位网络(AGLN),通过训练智能体基于学习到的策略逐步执行动作,细化定位片段的时间边界,从而找到与查询视频最相关的片段。此外,AGLN融合强化学习与监督学习,构建多任务学习框架,助力智能体更有效地探索环境并学习最优策略。在ActivityNet-VRL数据集上的实验结果表明,AGLN在视频重定位任务上的表现优于现有方法,其检索平均准确率达到了25.9%,相较于目前最佳方法提高了0.2个百分点。

摘要:现有的可用性不等的全符号局部修复码存在参数取值受限与码率较低的问题。为了解决该问题,基于饱和正交表构造一类可用性不等的全符号局部修复码,实现了较高码率。具体而言,根据饱和正交表生成关联矩阵,对关联矩阵进行矩阵变换以及克罗内克积操作,构造了信息符号具有高可用性的全符号局部修复码,以及信息位可用性不等的全符号局部修复码。理论分析表明,信息符号具有高可用性的全符号局部修复码参数取值灵活,且在局部性r=2时维度和码长都达到最优；与现有的全符号局部修复码相比,信息位可用性不等的全符号局部修复码在码率性能上更具优势。

摘要:为改善激光熔覆涂层的微观组织及力学性能,以Ni60/WC涂层为研究对象,提出一种利用脉冲直流电对激光熔覆涂层进行自阻加热热处理的工艺方法。首先,在电流密度为3.33 A/mm²的条件下,对Ni60/WC涂层分别进行1 h和2 h的自阻加热热处理实验。其次,利用扫描电镜和X射线衍射对涂层的物相组成和微观组织的变化进行分析,并对热处理前后试样的力学性能进行测试。结果表明,在选择性加热效应的作用下,电流规避了涂层中的硬质相,产生局部高温导致WC发生二次分解；同时,γ-(Ni, Ti)固溶体中的Ti、Cr和C原子在电流的作用下发生扩散,且涂层相变朝着电导率增加的方向进行；此外,由于电流降低形核势垒并结合快速冷却作用,使形核速率显著提高,且晶粒尺寸减小约99%,最终获得细小的γ-(Ni, Ti)晶粒。对比结果显示,热处理后涂层的显微硬度、断裂韧度和摩擦磨损性能均得到了显著提升。直流电通过选择性加热效应和非热效应,规避了晶粒缺陷,增强了原子扩散能力,提高了形核速率,细化了涂层中的晶粒。

摘要:现有谣言检测方法主要依赖文本语义特征和网络传播特征,但以短文本为主的源推文易导致语义特征不足,且用于提取传播特征的传播树易产生海量数据。为了解决上述问题,提出一种融合丰富语义和全局传播的谣言检测方法——多视图图神经网络。该模型利用源文本获取结构语义关系,借助外部知识提取潜在语义关系,通过源推文及其响应用户得到用户之间的全局传播关系,最后通过注意力融合机制自动学习不同视图的特征权重,实现信息自适应融合,提升谣言检测准确率。其中,采用Word2Vec对源推文的内容语义进行补充。实验结果表明:利用源文本、外部知识和响应用户分别构图,可有效捕获丰富语义信息和简洁全局传播关系；在公共数据集Twitter15和Twitter16上的性能优于一系列基线模型,准确率分别是90.2%和90.8%。结合消融实验分析,所提方法能够全面捕获源推文的丰富语义特征,且简洁有效地获取其全局传播关系,从而提高谣言检测的准确率。

摘要:高光谱图像分类是遥感领域的核心难题,其挑战主要源于高光谱图像的光谱维度高、空间分辨率低,导致分类任务中难以充分提取高光谱图像的空谱特征。针对现有的卷积神经网络（CNN）高光谱图像分类模型参数量大、计算资源消耗高、分类精度不足的问题,提出了一种基于注意力机制的轻量化网络高光谱图像分类模型（AMLW-CNN）。为了增强网络的特征提取能力,将空谱特征提取模块设计为2个多尺度提取模块,并将空间特征提取模块的各卷积层通过残差结构连接,同时引入注意力机制来强化网络对有效特征的提取。另外,为了减少模型参数量,采用非对称卷积来替代三维卷积核、深度可分离卷积来替换二维卷积核。实验结果表明:AMLW-CNN的分类精度优于对比算法,计算复杂度更低,鲁棒性更强。在Indian Pines、Salinas和Pavia U 3个数据集上的总体分类精度分别达到了98.5%、99.8%、99.9%。

摘要:为降低铝合金拉杆缩径增厚挤压成形的失稳起皱风险、提高拉杆生产效率,提出一种“夹具夹持管坯非变形区、仅预热模具、无需冷却管坯”的非等温热挤压成形工艺。首先,采用有限元仿真分析直径 65 mm、厚度5 mm、目标增厚比1.6的2A12铝合金拉杆非等温热挤压成形工艺,研究挤压工艺参数对拉杆成形质量的影响规律；其次,在仿真确定的较佳工艺参数下进行拉杆非等温热挤压成形实验,验证模拟的有效性。研究表明,仿真与实验结果高度吻合,非等温热挤压工艺不仅避免了管坯尾端屈曲变形,而且管坯首端沿挤压方向梯度递减的温度分布,有利于维持管坯非变形区材料强度,降低管坯首端失稳起皱风险。在摩擦系数0.05～0.3、挤压速度1.6～7.6 mm/s、模具温度410～470 ℃的参数范围内,摩擦系数对拉杆成形质量影响显著,而挤压速度和模具温度影响较小。不过,这3类参数对拉杆增厚区壁厚均匀性均无显著影响。随着摩擦系数减小,拉杆失稳起皱风险降低,增厚区壁厚增加,最大壁厚增幅可达56.5%。研究成果为提高铝合金拉杆挤压成形质量提供了一种新思路。

摘要:中国东北地区多年冻土是兴安（外）贝加尔型多年冻土的重要组成部分,兼具高纬度和高海拔冻土特征。多年冻土的存在和变化,对区域寒区生态环境、水碳循环、寒区工程设计与运行等均会产生直接影响。目前,基于热边界条件的经验模型、半经验模型对多年冻土的分布面积存在高估现象,且对气温以外的环境因素影响考虑不足。为更精准刻画区域多年冻土分布,在区域调查和数据耦合的基础上,获取影响区域多年冻土分布的地带性与非地带性因素的空间变化特征,采用增强回归树模型进行模拟分析。结果表明:地带性因素中,纬度、经度与海拔的贡献度分别为45.3%、42.4%、12.3%；非地带性因素中:气温（包含冻结指数和融化指数）、降水、水土条件、积雪与植被的贡献度分别为46.4%、18.9%、13.1%、12.5%、9.1%。明晰了环境因素对兴安（外）贝加尔型多年冻土发育和变化的贡献。与分类回归决策树作对比,增强回归树模型分类精度达0.91。该研究为区域冻土和相关领域研究提供了数据支持和参考。

摘要:在无线传感器网络（WSN）复杂的应用环境中,为抵御恶意节点发起的选择性转发攻击和不诚实建议攻击、提高网络安全性能,在人工蜂群（ABC）算法的基础上,提出一种计及信誉度的人工蜂群无线传感器网络恶意节点识别策略（CR-ABC）。借助模糊信任模型,融合模糊综合评价机制,综合通信特征、数据属性、物理属性3个方面的影响因素计算节点综合信任值,提高信誉模型的检测精度；引入建议偏差值函数和交互指数偏差值函数,利用ABC算法优化模糊信任模型,确保在恶意节点数量较多时,系统仍保持较高的识别率和较低的误判率。仿真结果表明,CR-ABC对选择性转发攻击的识别率可达90%以上,对正常节点误判率低于6%；对于不诚实建议攻击,即使不诚实节点的数量占比达到50%,CR-ABC仍能保持优异的识别性能,可有效提高复杂环境下WSN的安全性和可靠性。

摘要:人脸图像修复技术通过修复人脸被遮挡区域以生成完整的人脸图像,其在刑事侦查、安全防护等领域具有重要的应用价值,但现有方法的修复结果常常会出现纹理模糊、人脸结构扭曲等伪影问题。为此,在生成对抗网络框架的基础上,提出了一种融合边缘和关键点的遮挡人脸修复网络。首先,利用结构森林边缘修复网络来补全遮挡人脸图像的结构森林边缘图,以获得更精细的人脸细节描述信息；其次,利用关键点预测网络对遮挡人脸的68个关键点进行定位,以获得人脸图像的拓扑结构信息；最后,将上述两个网络输出的结构森林边缘图和人脸关键点作为先验信息,通过人脸图像修复网络对遮挡人脸区域进行修复并生成完整人脸图像。在CelebA-HQ数据集上的实验结果表明:所提算法修复的人脸图像纹理细节更精细、人脸拓扑结构更合理；在不同遮挡比例下,所提算法的PSNR和SSIM均高于对比算法；在掩码占比为50%时,与GatedConv、EdgeConnect、 LaFIn算法相比, 所提算法的PSNR分别提升了36.8%、 25.8%、 29.3%, 而SSIM分别提升了19.5%、12.2%、12.2%。

摘要:随着大数据时代的到来,网络结构日益复杂,探索复杂网络的社区结构对理解其功能和组织机制具有重要意义。关于社区检测已有大量研究,其中标签传播算法(LPA)具有接近线性的时间复杂度,适用于大规模复杂网络,但其随机性较强,准确性不高。提出基于集体影响力的标签传播算法(CILPA),用于发现重叠社区结构。CILPA引入集体影响力这一全局指标,融合节点自身信息和网络全局信息重新定义节点重要性,并依此固定节点更新顺序以提升算法稳定性；在标签传播过程中,设计一种标签选择策略,并设置自适应过滤因子,防止错误标签的干扰,从而提高算法的准确性和鲁棒性。最后在不同规模、复杂度及重叠率的人工网络和真实网络上进行实验,结果表明,CILPA的模块度和标准化互信息均优于COPRA、SLPA等主流算法,且标准差更小。说明本方法在重叠社区检测中兼具有效性和稳定性,为大规模复杂网络的重叠社区分析提供了可靠方法。

摘要:针对移动边缘计算在多用户环境中卸载决策设计困难导致负载失衡、总时延过高和响应延迟问题,提出一种时延敏感的启发式任务卸载方法。首先,为解决边缘设备计算资源匮乏和电量不足的问题,建立以边缘服务器为主体的卸载架构,构建系统模型与时延优化模型;其次,提出一种改进的近端策略优化算法I-PPO,通过增加离线训练阶段、设计考虑多智能体决策影响的奖励机制、在特征中融入基于特定智能体的全局信息,使算法能够适用于多用户场景;进一步,在I-PPO的基础上,在任务卸载执行过程中引入任务优先级调度决策,构造时延敏感的轻量级启发式任务卸载算法,以降低系统时延,并提升用户体验。仿真实验表明,相比同类算法,所提I-PPO算法在收敛速度、寻优能力和鲁棒性方面表现更优,且适用于多智能体环境；所提算法在系统总时延和边缘服务器负载均衡方面优于对比算法,并具有良好的稳定性。

摘要:为满足对大规模建筑群体的低成本、长期检测需求,并扩大传感器识别范围,提出一种基于无源无芯片射频识别技术的金属构件裂痕传感器。依据交叉极化和工作带宽等影响因素及前期在HFSS平台上的大量仿真数据,设计满足优良检测性能的传感器模型；构建水平、垂直、对角裂痕,利用平面波电磁激励,检验不同裂痕形状对传感检测的影响；改变各类裂痕位置,分析谐振腔电场、电流与响应幅值变化,确定传感器最优识别范围。结果表明:在超高频段下,传感器对结构损伤检测响应的平均幅值偏差为5 dB；裂痕位置变化影响表面电流分布,进而改变响应幅值,而相较于无裂痕响应,结构损伤响应均呈现失谐状态,裂痕位置变化不影响其可检测性。该传感器可对物体表面任意位置的不同方向裂痕实现全范围检测,识别范围提高,且能够以较高分辨率对微小位置变化的裂痕进行实时监测。