摘要:针对边缘设备计算和存储能力差的问题,本文对传统YOLOv5模型中用于特征提取的主干网络CSPDarkNet53进行轻量化处理,提出了一种轻量化MPE-YOLOv5手势识别算法,以实现模型在低功耗边缘设备上的部署；针对轻量化模型提取特征较少而导致的难以识别大尺度变换目标和微小目标问题,对M-YOLOv5网络设计添加有效通道注意力机制（efficient channel attention,ECA）,以缓解因特征通道减少而导致的高层特征信息丢失的问题；同时增加针对微小目标的检测层,提高对微小目标手势的敏感度；并选用EIoU作为预测锚框的损失函数,以提高模型的定位精度。本文在自制数据集和NUS-Ⅱ公共数据集上验证了MPE-YOLOv5算法有效性,并将MPE-YOLOv5算法与轻量化后的M-YOLOv5算法和原始的YOLOv5算法在自制数据集上进行了对比实验。实验结果表明,改进算法的模型参数量、模型大小和计算复杂度分别是原算法的21.16%、25.33%和27.33%,平均精度可达97.2%；与轻量化模型M-YOLOv5相比,MPE-YOLOv5能够在保持原来效率的同时,使平均精度提升8.72%。因此,所提MPE-YOLOv5算法能够较好地平衡模型的检测精度和实时推理速度,可实现在硬件受限的边缘终端上进行部署。

摘要:基于视觉图像的船舶目标检测中由于图像背景复杂,无关干扰较多,导致船舶目标检测的难度增大。并且多类别船舶检测数据集现有数量较少且存在样本不均衡的问题使得船舶目标检测性能较低。针对复杂背景干扰检测,本文通过引入SimAM注意力机制对YOLOv3模型进行改进,利用该机制加强船舶目标在提取特征中的权重并抑制背景干扰权重,从而提升模型检测性能;同时,采用强实时数据增强以改善样本尺度分布不均衡的问题,结合迁移学习提升在样本数量受限情况下的船舶检测精度。提取特征的可视化结果显示改进模型对无关背景特征干扰进行了抑制,增强了模型对于船舶特征的提取能力。在SeaShips数据集上,提出的改进模型在不引入额外可学习参数的情况下mAP.5、mAP.75分别达到了96.93%、71.49%,检测速度达到了66 frame/s,在检测精度与运行效率方面保持了均衡。与Saliency-aware CNN、eYOLOv3相比更有效地优化了目标特征,使得mAP.5分别提高了9.53%、9.19%。改进模型在新加坡海事数据集上在船舶类型目标检测的mAP.5达到了81.81%,验证了模型具有较好的泛化能力。

摘要:为解决整形偏移正交相移键控（shaped-offset quadrature phase-shift keying,SOQPSK）信号符号定时同步算法在高精度条件下实现复杂度较高的问题,提出了一种基于最大似然的优化SOQPSK符号定时与相位同步联合估计算法。首先给出了SOQPSK-MIL信号模型和该信号的相位变化规律,以及基于最大似然算法的SOQPSK信号的符号定时与相位同步联合估计算法的原理与估计结果,详细分析了该算法中不同h函数的能量差异以及其所带来的在不同简化程度下该算法的性能差距,并论证了在只采用Z+₁和Z+_－1参数进行估计时算法的有效性,同时针对该算法实现过程中卷积运算量大的问题,提出了一种h函数的优化处理方式,在保证h函数能量不变的前提下,对h函数进行量化,使其变为一个简单的只有0、A和-A三种幅度的三值函数,从而有效减小卷积过程的计算量,使卷积部分的计算复杂度由O(N²L₀)下降为O(NL₀)。仿真结果表明:该算法具有估计精度高、计算复杂度低的特点,在大幅降低了算法实现复杂度的同时,维持了先前的高估计精度,改进后算法的定时误差和相位误差的估计结果的最小均方误差几乎与改进前没有差别。

摘要:随着网络规模的日益增大,实时准确的网络流量预测对流量调度、路由设计等工作至关重要。由于网络流量数据的非线性和不确定性,一些传统方法无法取得较好的预测精度。针对网络流量复杂的时空特征,本文提出一种基于时空特征融合的神经网络（ST-Fusion）进行流量预测。该模型采用编码器-解码器结构。首先,编码器具有时间和空间两个并行的特征通道,联合门限循环网络和自注意力机制提取流量的时序特征,采用图卷积神经网络提取流量的空间特征；然后,将编码器提取的时空特征使用双边门限机制进行特征融合；最后,将融合的结果输入到基于门限循环网络的解码器中依次生成预测结果。本文在3个公开的网络流量数据集(GEANT、ABILENE、CERNET)上进行实验,其评价指标选用MAE、RMSE、ACCURACY、VAR。实验结果表明ST-Fusion方法能够取得更好的预测效果。

摘要:刀具磨损情况是影响盾构机掘进效率的重要因素,也是决定开仓换刀时间和频率的关键依据。针对盾构掘进过程中刀具整体磨损状态难以判断的问题,统计换刀点每把刀具磨损量与限定磨损量之间的关系,提出了3个磨损状态等级。在推导3种关键掘进参数（推力、扭矩和掘进速度）与单把滚刀切削分力理论关系的基础上,提出一种对掘进参数信号进行小波包分解以识别刀具整体磨损状态的方法。该方法以分解后的信号节点小波包系数标准差组成的特征向量作为磨损识别指标,通过敏感性分析找出对刀具磨损最敏感的节点特征向量,进而通过拟合分析确定磨损状态与磨损识别指标的函数关系。对深圳地铁14号线大运站至宝荷站区间工程实例的分析结果表明,该方法能准确识别盾构刀具的整体磨损状态,其中使用掘进速度信号进行识别的精度最高,推力次之,扭矩最低。该方法在使用中仅需对盾构机自动采集的掘进参数进行处理分析,不需要布置传感器,具有简便易行、成本低和精度高等优点,为及时开仓换刀提供了可靠依据。

摘要:为了改善通用预训练模型不适应医疗领域的命名实体识别任务这一不足,提出了一种融合医疗领域知识图谱的神经网络架构,该架构利用弹性位置和遮盖矩阵使预训练模型计算自注意力时避免语义混淆和语义干扰,在微调时使用多任务学习的思想,利用回忆学习的优化算法使预训练模型均衡通用语义表达和目标任务的学习,最终得到更为高效的向量表示并进行标签预测。实验结果表明:本文提出的命名实体识别架构在医疗领域上取得了优于主流预训练模型的效果,在通用领域也有较为良好的效果。该架构避免了重新训练针对某个领域的预训练模型和引入额外的编码结构从而精简了计算代价和模型大小。此外,通过消融实验对比,医疗领域对于知识图谱的依赖程度较通用领域依赖程度更大,这说明在医疗领域中融合知识图谱方法的有效性。通过参数分析,证明本文使用回忆学习的优化算法可以有效控制模型参数的更新,使模型可以保留更多的通用语义信息并得到更符合语义的向量表达。本文也通过实验分析说明了所提方法在实体数量少的种类上具有更优的表现。

摘要:图像分割是按照一定的规则,将图像中具有特殊意义的区域划分为若干个互不相交的子区域,是从图像处理到图像分析的关键环节,传统分水岭图像分割方法是一种应用较为广泛的技术,具有快速、简单的优点,但该方法易受噪声干扰,分割结果易丢失边缘重要信息,出现过分割现象。为改善传统分水岭图像分割方法存在的过分割问题,提出了一种基于自适应结构元素的改进分水岭图像分割方法。首先,利用图像像素点邻域的局部密度、对称度及边缘特征构造形状可变的自适应结构元素,确保其与图像目标几何结构具有较强的一致性；其次,利用该结构元素获取图像形态学梯度,提高目标边缘的定位精度；将L₀范数梯度最小化和形态学开闭混合重建相结合修正梯度图像,减少梯度图像中的局部无效最小值点,抑制过分割现象的产生；最后对修正后的梯度图像进行分水岭分割,实现图像目标区域的精确分割。实验结果表明,该方法能够有效抑制过分割现象,提高目标边缘定位的准确性,具有较高的分割精度。

摘要:针对现有自适应波束形成器在阵元位置误差、幅相误差以及信号来波方向误差耦合时干扰抑制能力下降的问题,提出了一种稳健的基于特征空间基变换的自适应波束形成算法。首先,对导向向量中阵元位置误差、幅相误差以及信号来波方向误差的影响进行了建模；然后,通过利用真实信号子空间与导向矢量张成空间相同的特性,引入子空间距离的概念量化两个子空间相似程度,并构建出一个最小化空间距离的多维非线性优化问题；在此基础上,结合遗传算法与拟牛顿法的特点形成一种混合优化策略,在解除最优化问题后,得到信号子空间的一组非正交基；最后,将估计的信号子空间与噪声子空间组合为特征空间,通过对特征空间进行基变换提取出准确的干扰加噪声协方差矩阵,并对期望信号导向向量进行了修正。数值仿真结果表明:所提混合优化算法随着迭代数提高能够显著降低子空间距离,迭代数达到100次时,能够将子空间距离降低至1以下；在信号来波方向误差、阵元位置误差以及幅相误差同时存在,且输入信噪比为10 dB的情况下,所提算法的输出信干噪比与现有方法相比提高约14 dB。

摘要:针对强震作用下典型装配式剪力墙结构的破坏机理和薄弱环节,提出一种具有耗能减震功能的新型装配式剪力墙。采用模型试验和数值模拟相结合的方法,设计制作了4片缩尺比1∶1.54、剪跨比1.52的新型装配式剪力墙试件,并对其进行了相应的抗震性能试验,系统分析了螺栓数量、轴压比和边缘构件纵筋配筋率对试件破坏模式、滞回性能、承载能力、变形性能、刚度退化及耗能能力的影响规律。试验结果表明:各试件破坏模式与相同剪跨比的现浇剪力墙基本一致,呈弯剪型破坏；但新型装配式剪力墙具有更为优异的滞回性能和耗能能力,其在破坏点的耗能值显著高于普通现浇墙体；当螺栓数量减少时,新型装配式剪力墙承载能力无明显变化,但滞回性能降低、墙体变形加剧；轴压比或边缘构件纵筋配筋率的降低会导致剪力墙承载能力降低和极限位移增大。最后采用ABAQUS软件建立了相应试件的有限元模型,模拟结果与试验结果吻合较好,表明所建模型的正确性,能够将其应用于新型装配式剪力墙的分析之中。

摘要:针对现有去雾算法大都存在复原图像亮度低、天空明显色彩失真等问题,提出了一种融合大气光值-图估计的无人机航拍图像去雾方法。首先,根据颜色衰减先验理论获取景深图像,将景深图像内偏差最小区域均值作为大气光值；其次,设计了一种自适应随机游走聚类方法用来估计大气光图,通过自适应随机游走算法将图像聚类为N个子区域,对子区域前0.1%像素求均值作为区域大气光值,将区域大气光值组合并通过引导滤波对其进行细化,获得大气光图；然后,通过融合大气光值-图估计方法将两种大气光估计融合为新的大气光图,作为更加准确的大气光估计；利用雾霾线先验方法获得透射率,同时提出一种暗补偿方法对其进行优化,提高透射率精度；最后,根据大气散射模型,利用求得的融合大气光图和优化透射率,得到清晰的复原图像。实验结果表明,相对于比较算法,提出的算法的复原图像在信息熵、平均梯度、模糊系数及对比度上分别提升1.1%、6.3%、8.5%、6.4%,主观视觉效果更好,信息更加丰富。

摘要:为了使用随机静力位移测量数据对结构有限元模型进行修正,并保证计算效率,提出了一种同伦代理模型与贝叶斯抽样方法结合的随机模型修正方法。首先以结构静力位移构建目标函数,然后采用延缓拒绝自适应抽样算法对修正参数的后验概率密度进行估计。抽样过程中,采用同伦代理模型替代有限元模型对结构静力位移进行计算。数值算例和试验结果表明:进行变截面梁的有限元模型修正时,与二次响应面模型相比,在静力贝叶斯模型方法中利用同伦代理模型,修正参数的后验概率密度能更准确地复现结构随机响应,使修正后的结构随机响应与测量结果概率密度函数更加吻合。即使在随机测量误差的变异系数较大、先验信息与真实修正参数之间差异较大时,所提方法仍能够快速得到修正参数的后验概率密度,使修正参数计算的结构随机位移响应与测量结果的概率密度函数保持一致。同伦代理模型结合贝叶斯抽样算法能在概率框架内快速而准确地对结构进行随机模型修正。

摘要:在超密集网络环境中,各个接入点密集部署在热点区域,构成了复杂的异构网络,用户需要选择接入合适的网络以获得最好的性能。如何为用户选择最优的网络,使用户自身或网络性能达到最佳,称为网络接入选择问题。为了解决超密集网络中用户的接入选择问题,综合考虑网络状态、用户偏好以及业务类型,结合负载均衡策略,提出了一种基于改进深度Q网络(deep Q network,DQN)的超密集网络接入选择算法。首先,通过分析网络属性和用户业务的偏好对网络选择的影响,选择合适的网络参数作为接入选择算法的参数；其次,将网络接入选择问题利用马尔可夫决策过程建模,分别对模型中的状态、动作和奖励函数进行设计；最后,利用DQN求解选网模型,得到最优选网策略。此外,为了避免DQN过高估计Q值,对传统DQN的目标函数进行优化,并且在训练神经网络时,引入了优先经验回放机制以提升学习效率。仿真结果表明,所提算法能够解决传统DQN的高估问题,加快神经网络的收敛,有效减少用户的阻塞,并改善网络的吞吐能力。

摘要:先进纳米集成电路工艺的发展使得微电子器件翻转的阈值电荷不断降低,导致数字电路中由单粒子效应引起的软错误率增加。为加强集成电路中标准单元的抗辐射特性,本文提出了一种抗单粒子瞬态(single-event transient,SET)加固的与非门结构。在三阱工艺下,通过将下拉网络中每一个NMOS管的衬底和源极各自短接,便有效地提高了与非门抗辐射性能,而且随着输入端数目的增加,本文提出的与非门加固效果更加明显。利用Sentaurus TCAD软件的混合仿真模式进行粒子入射仿真实验,对于与输出节点相连的NMOS管采用经过工艺校准的三维物理模型,其他MOS管采用工艺厂商提供的Spice模型。结果显示:在40 nm工艺下,当入射粒子 线性能量传输(linear energy transfer,LET)值为10 MeV·cm²/mg时,本文提出的2输入与非门能够在3种输入的情况下降低输出电压扰动幅度。其中在N₂管关闭的输入模式下,达到了对单粒子入射免疫的效果；对于3输入与非门,即使在“最坏”输入的情况下,也能使输出电压翻转幅度降低85.4%。因此,本文提出的与非门加固方法起到了显著的抗单粒子瞬态效果。

摘要:为探索拱腹焊接圆钢对钢管混凝土偏压构件弯曲性能的提升机制,在ABAQUS软件中建立了圆钢加固钢管混凝土梁数值模型,并采用试验数据验证了模型的合理性。通过分析圆钢加固钢管混凝土偏压构件的弯矩-挠度曲线、弯矩-纵向应变曲线、环向应变曲线、约束指数和中性轴偏移规律,揭示了焊接圆钢对钢管混凝土偏压构件弯曲性能的提升机制。进一步,分析了圆钢直径以及构件长细比对圆钢加固钢管混凝土偏压构件弯曲性能的影响规律。结果表明:焊接圆钢可以降低截面中性轴的位置,增大受压侧钢管环向应变,从而提高了受压区混凝土面积,增强了受压侧钢管对混凝土的约束作用,进一步提升钢管混凝土偏压构件的抗弯承载力和弯曲刚度,并且圆钢直径越大提升幅度越高；圆钢加固钢管混凝土偏压构件的极限弯矩随着轴压比的增加而减小,减小的幅度随着圆钢直径和构件长细比的增加而增大,焊接圆钢提升大长细比偏压构件弯曲性能的效果更好,且对大长细比构件弯曲性能的提升效果随着轴压比的增加而增大。

摘要:面向低时延、稳定传输、高用户体验质量(quality of experience,QoE)的网络实时传输需求场景,提出一种低时延智能网络数据传输调度算法。该算法由数据块排队控制策略和拥塞控制策略两部分组成。数据排队控制策略提出了综合数据块的创建时间和有效时限(effective time)的性价比模型,有效地解决了传输时间约束下的信息传输不均衡问题；拥塞控制策略提出了基于使用耿贝尔分布(Gumbel distribution)采样重参数化与混合经验优先级模型改进后的深度确定性策略梯度(deep deterministic policy gradient,DDPG)方法,解决了深度确定性策略梯度不适用于离散网络动作空间拥塞控制的问题,并通过学习自适应调整发送参数显著提升了网络拥塞控制质量。实验结果表明,实时传输场景下使用本文提出的排队算法能够有效提升QoE,采用改进后的DDPG进行拥塞控制能大幅降低传输时延。同样场景下,将提出的智能网络数据传输调度算法与排队策略及拥塞控制策略相结合,与传统的网络数据传输调度算法相比,能够更好地兼顾低时延和稳定传输,提供更高的数据传输质量。

摘要:为了研究近断层脉冲型地震动作用下适用于评价高耸结构抗震性能的地震动强度参数,基于加速度反应谱提出一种同时考虑结构周期延长和高阶振型效应的地震动强度指标。分别以120 m和240 m的钢筋混凝土烟囱结构为研究对象,使用OpenSEES程序,在近断层脉冲型地震动作用下,揭示了高耸混凝土结构的损伤指标（ParkAng损伤指标、最大层间位移角、最大曲率、最大楼层加速度以及最大顶点位移）与37个地震动强度指标的关联性。研究结果表明:提出的地震动强度指标最适合用于预测高耸混凝土结构在近断层脉冲型地震作用下发生的ParkAng损伤；与速度相关的地震动强度指标表现出与高耸结构损伤指标的较高的相关性；随着结构周期的增大,位移型的地震动强度指标与损伤的关联性有增长的趋势；此外,地面峰值加速度在表征高耸结构变形破坏方面存在局限性,但是可以用来分析非结构构件的抗震性能。研究结论可为选择合适的地震动强度指标和损伤指标评价高耸混凝土结构在近断层脉冲型地震动作用下的抗震性能提供参考。