全部分类/
科学普及/
现代电子技术

现代电子技术

2025年16期

本刊以电子技术为主体，探讨和报道信息产业及电子行业中新技术，新器件，新应用的学术论文及成果；提供国内外最新的电子技术发展动态及产品市场信息；为企业的新产品，新技术，新成果在产业及行业内的推广架起一座金桥。

扫码免费借阅

目录

快速导航

电子与信息器件 | 高精度电流传感器温度补偿方法的研究

电子与信息器件 | 高精度电流传感器温度补偿方法的研究

摘要：霍尔电流传感器所使用的磁场测量元件是一种半导体器件，而半导体材料的电阻率、迁移率和载流子浓度等都是温度的函数，这会导致霍尔电势、灵敏度系数、内阻等参数随温度的改变而变化，进而影响传感器的测量精度。为了解决此问题，并联式温度补偿法对温度变化的低阶项进行了完全补偿，但却引入了温度变化的高阶项误差，这是一种不完全补偿,不适用于温度变化较大的工况环境。在上述补偿法的基础上，文中提出一种反馈式温度补偿法。该方法通过将补偿后的输出电压与温度补偿输出信号相乘，再将所得乘积与霍尔元件输出信号进行求和运算，进一步改善霍尔元件的温度特性，提高霍尔电流传感器对环境的适应能力。仿真及实验结果表明：反馈式温度补偿法可以消除温度变化对霍尔元件参数的影响，从而提高霍尔电流传感器的测量精度，使传感器的测量精度控制在 0.4% 以内。
电子与信息器件 | 基于YOLOv5的无人机桥面病害检测算法研究

电子与信息器件 | 基于YOLOv5的无人机桥面病害检测算法研究

摘要：桥梁病害(如混凝土剥落、桥梁裂纹、铆钉锈蚀等)大多发生在局部区域，而目前对桥梁病害的检测通常没有实现病害在全桥的定位。结合无人机的高清摄像功能和YOLOv5的实时目标检测能力，可以实现对桥面病害的全场快速定位和检测。为此，提出一种基于YOLOv5的无人机桥面病害检测算法。采用无人机对桥梁路面进行数据采集，将轻量化模型YOLOv5s作为基础检测模型，并对YOLOv5s模型做如下改进：在模型现有的3个不同尺度特征图检测的基础上额外增加2个尺度，提高较大目标和较小目标的检测准确性;采用Soft-NMS算法替代NMS算法，同时为保证密集病害检测的全场快速定位和检测精度，将采集到的桥梁路面数据输入到改进YOLOv5s模型中，该模型输出即为桥面病害检测结果。实验结果表明，经过优化的YOLOv5s模型的 mAP@0.5 值达到了 92.0% mAP@0.5:0.95 值也达到了 73.2% 。此外，该模型处理速度达到 134f/s ，高效准确地识别了桥梁路面病害，显著提升了检测的精准性和效率。
电子与信息器件 | 基于RF-EHWSN的能量自适应多跳路由协议

电子与信息器件 | 基于RF-EHWSN的能量自适应多跳路由协议

摘要：针对射频能量收集型无线传感器网络(RF-EHWSN)中传统的LEACH协议在簇头选择阶段未考虑节点的剩余能量和通信距离，导致节点能耗过高，从而缩短网络寿命的问题，以及在稳态阶段传输数据使用单跳传输，导致能量消耗不均衡的问题，提出一种能量自适应分簇多跳路由协议。该协议在簇建立阶段引入距离因子和能量因子,优化簇首选择过程；在稳态阶段，采用簇间多跳路由，簇首节点通过代价函数寻找中继路由节点，有效降低了数据传输的能量消耗。与LEACH协议和LEACH-C协议对比得到，所提出的协议网络首次出现节点死亡的时间分别延长了 344.44% 和 105.13% ，网络节点全部死亡的时间分别延长了 86.44% 和 23.53% ，网络能耗分别降低了约 23.53%.22.00% ，吞吐量分别提高了 212.90%.18.52% 。实验结果表明，所提出的协议显著延长了网络寿命，均衡了网络能耗，提高了网络吞吐量。
电子与信息器件 | 光电二极管放大电路的SPICE仿真与实验研究

电子与信息器件 | 光电二极管放大电路的SPICE仿真与实验研究

摘要：为整体提升光电二极管放大电路性能，在理论研究基础上，结合软件仿真和实验测试对设计方案加以优化。首先从系统传递函数角度出发，揭示引发电路振荡的原因，即开环增益和反馈因子之间特定幅度和相位关系。在此基础上，利用TINA SPICE交流和瞬态仿真功能，以图解方式直观阐明振荡条件，并给出用于相位补偿的反馈电容取值不同时所测得的环路增益波特图，以及系统频率响应、阶跃响应和脉冲响应。对比上述仿真结果，讨论反馈电容对系统稳定性和带宽的影响,并进一步考虑稳定性和带宽，计算出补偿电容的理想取值。针对因电容过小而在应用中难以实现的问题,提出以T型阻容网络等效小电容的策略，并通过仿真加以验证。最后，对系统相位裕度和带宽进行了实验测试。结果表明，当补偿电容为5pF时，相位裕度约为 68.4^° ，过冲优于 8% ，未见振铃现象。
电子与信息器件 | 基于智能家居中控屏的设备控制方案设计

电子与信息器件 | 基于智能家居中控屏的设备控制方案设计

摘要：随着智能家居的发展，中控屏由于其良好的交互体验，已逐渐成为全屋智能家居的必选设备，起着控制和交互中枢的作用。为了解决中控屏与家居设备之间复杂协议对接以及UI交互开发效率低的问题，提出一种基于中控屏的控制协议和交互UI的动态加载优化方案。该方案以物模型为中心，对被控设备的功能属性进行数字化描述。通过LUA解析型脚本，实现设备物模型的属性控制指令和ZigBee无线协议的转换。定义一种UI的控件和页面的布局描述文件，采用Android原生和ReactNative框架实现用户交互界面的动态渲染。通过建立UI控件和物模型的属性映射关系，实现用户点击操作行为转换成物模型的属性改变，并通过LUA脚本完成ZigBee控制指令的执行,达到设备控制的目的。测试结果表明，所提方案可以实现更高效的智能家居设备接入和更好的交互体验。
电子与信息器件 | 基于MVMD-互相关时频域特征的风电变流器开路故障诊断

电子与信息器件 | 基于MVMD-互相关时频域特征的风电变流器开路故障诊断

摘要：针对永磁同步风力发电机组网侧变流器功率管单开路和双开路故障问题，提出一种将多元变分模态分解(MVMD)和互相关时频域特征相结合的诊断方法。首先，采集网侧变流器的三相中间点电压作为原始数据;其次，将三相中间点电压作为MVMD的三通道输入数据，对其进行分解，得到若干层本征模态函数(IMF)；再次，通过计算原始信号与每层IMF函数的互相关性，选择最能反映原始信号特征、趋势的IMF,对选定IMF的平均包络和原始信号数据进行时域、频域特征提取；最后，将所得特征输入到双向长短期记忆(BiLSTM)网络中进行训练，实现对故障功率管的定位。实验结果表明，所提方法对网侧变流器的22种状态能够有效的识别分类，测试集准确率可达 99.55% 。
计算机科学与应用 | TS-SEA：用于时间序列分类的时域-频域-季节性联合对比学习

计算机科学与应用 | TS-SEA：用于时间序列分类的时域-频域-季节性联合对比学习

摘要：时间序列分类(TSC)是将时序数据按其动态模式划分到预定类别的任务。现实世界的时间序列通常包含趋势项、季节性分量、异常值及噪声的复杂耦合，其精准分解对分类性能提升至关重要。因此，提出一种时间序列分类方法TS-SEA，其通过FFT和STL将时间序列分解为3个视图：时间、频率和季节。基于这些视图，通过编码器间的对比学习实现迭代学习。对3个现实世界的数据集进行大量实验，结果表明，所提出的TS-SEA方法在处理多样化的时间序列应用时，相较现有方法表现出最佳的性能。
计算机科学与应用 | 投影子空间下人体动作序列预测研究

计算机科学与应用 | 投影子空间下人体动作序列预测研究

摘要：为全面提取不同视角下的动作特征，提高对视角变化的鲁棒性，提出一种投影子空间下人体动作序列预测方法。在投影子空间下，将Kinect相机采集的3D人体动作转换成主视图、左视图与俯视图不同视角的2D人体动作序列；所采用的多邻域全局自适应图神经网络以自适应图卷积为编码器，在3个视角的2D人体动作序列内全面提取各视角的2D人体动作序列特征，提高网络对视角变化的鲁棒性；再以基于多邻域全局自适应图卷积的门控循环单元为解码器，结合人体动作序列特征，得到各视角下的人体动作序列预测结果；最后采用融合模块，通过投票融合策略融合各视角的动作序列预测结果，得到最终预测结果。实验结果表明：所提方法可有效转换3D人体动作，得到2D人体动作序列；还能够有效预测人体动作序列，且不同视角下动作序列预测的决定系数均较高，即预测精度较高。
计算机科学与应用 | 结合深度学习和自适应的业务动态访问控制研究及应用分析

计算机科学与应用 | 结合深度学习和自适应的业务动态访问控制研究及应用分析

摘要：为解决传统访问控制手段难以满足动态评估与响应需求的问题，提出一种融合深度学习与自适应动态访问控制的零信任安全访问方法（DA-ZeroTrust）。该方法通过构建用户行为的向量化表示，以及挖掘交互序列的时序依赖关系，实现对用户行为的持续评估与用户身份异常的检测。同时，利用马尔科夫决策过程评估访问行为价值，实现动态访问控制权限的自适应分配。实验结果表明，该方法有效攻克了用户编码、语义特征提取、异常行为检测等关键技术难题，能够快速检测并响应异常行为。
计算机科学与应用 | 基于DSM的最小化总返工次数的活动排序问题研究

计算机科学与应用 | 基于DSM的最小化总返工次数的活动排序问题研究

摘要：为提高新产品开发效率并减少返工次数，以设计结构矩阵(DSM)为工具，研究最小化总返工次数的活动排序问题。通过构建返工次数最小化的优化模型，提出两种算法：基于交换的局部搜索算法和基于插入的局部搜索算法。通过随机生成不同规模和密度的设计结构矩阵进行模拟实验，对比分析算法性能。实验结果表明，两种算法均能有效减少总返工次数，而且基于插入的局部搜索算法在大多数情况下优于基于交换的局部搜索算法。所提方法可为新产品开发流程优化提供可行路径。
计算机科学与应用 | 基于集成学习的交通事故严重程度预测

计算机科学与应用 | 基于集成学习的交通事故严重程度预测

摘要：为提升道路交通事故严重程度预测模型的性能，以及分析事故特征对于事故严重程度的影响，提出一种基于双层Stacking模型的交通事故严重程度预测方法。首先，采用BSMOTE2算法来平衡数据，并验证数据平衡处理是否会对模型预测产生正向影响，同时利用GBDT-RFECV算法进行h折交叉验证选择，完成特征降维。其次，构建双层Stacking模型,第一层由BiGRU和XGBost组成，将时间序列特征用于BiGRU,静态特征用于XGBoost进行初步预测；第二层采用CatBoost模型，结合第一层的预测结果进行最终的严重程度预测。研究结果表明：模型的准确率、宏 F₁ 和宏AUC均有明显提高，表明数据平衡处理对模型预测产生正向影响;相较于KNN、BiGRU、RF和XGBoost模型，所提双层Stacking模型的预测准确率分别提高了 5.45%,10.23%,1.78% 和 2.34% ，宏 F₁ 值提高了 5.31%.9.91%.1.35% 和 1.92% ，宏AUC提高了 11.13%,6.97%,2.13% 和 2.71% 。该双层Stacking模型在多个评估指标上的表现均优于其他模型。
计算机科学与应用 | 基于MCSANet网络的运动想象脑电分类

计算机科学与应用 | 基于MCSANet网络的运动想象脑电分类

摘要：针对传统深度学习方法在解码脑电信号时可能存在的特征挖掘不足及利用不充分问题，提出一种并行多尺度时间卷积结合滑动窗口技术与注意力机制的深度学习模型，即MCSANet。首先，利用并行多尺度时间卷积有效捕获脑电信号在不同时间尺度下的时域特征和空域特征;再利用滑动窗口切片技术对特征序列进行划分，增加特征序列样本数；之后，每部分特征序列样本都通过多头自注意力机制分配权重并加以融合，进一步突显出更多关键特征；最后，全连接层和SofMax层共同协作，对捕获到的特征进行深入学习和精准分类。为了验证该模型的性能，在BCICIV-2a数据集上进行了详尽的实验分析。结果表明，所有受试者的平均分类准确率都高达 81.69% ，验证了所提出的方法在挖掘脑电深层潜在特征、提升运动想象脑电分类性能方面的有效性。
激光与红外技术 | 前镜参考型非定域干涉测角系统研究

激光与红外技术 | 前镜参考型非定域干涉测角系统研究

摘要：非定域干涉测角系统利用其产生的同心干涉圆环圆心侧移量来描述被测角度的变化。针对该技术中圆心侧移方向与被测角偏转方向的关系、系统有效测量量程大小、仪器分辨率高低等方面的问题，以前镜参考型结构系统为对象，采用虚拟仿真和实体实验相结合的方式进行深入探究。首先建立了前镜参考型测角系统中干涉同心圆环的圆心侧移与被测角偏转之间的理论关系，其次构建了Zemax虚拟仿真模型进行仿真验证，最终搭建实体仪器进行测试。实验结果表明：前镜参考型非定域干涉测角系统的干涉圆心侧移方向与被测角度偏转方向相同；在既定参数条件下，系统最大有效量程为900mm ，分辨率随测量量程的增大而逐渐降低，最小量程时最高分辨率为 0.024 6^′′ 。该前镜参考型非定域干涉测角系统具有测量精度高、应用场景广、可根据测量任务灵活地调整分辨率和测量范围等优点，可以胜任小角度及直线度测量。
激光与红外技术 | 综采工作面刮板输送机煤流轮廓点云的配准方法研究

激光与红外技术 | 综采工作面刮板输送机煤流轮廓点云的配准方法研究

摘要：针对综采工作面刮板输送机煤流轮廓点云噪声点多、轮廓结构复杂的特性和现有的点云配准算法无法适应煤流点云的快速和高精度配准问题，来对传统迭代最近点配准算法进行了改进。引入主成分分析法对待配准点云进行轴向初始对齐，采用尺度不变特征变换算法来提取待配准点云的特征点，构建快速点特征直方图，以确保两个点云主轴不会出现反向的情况，提高了粗配准算法的效率。通过随机抽样一致性初始配准算法搜索对应点对并计算初始刚体变换矩阵，用于实现两个点云的初步配准，为后续的精配准提供良好的初始位置。在上述粗配准的基础上，利用K-D树数据结构加速对应点的查找过程，并采用点到面的最小距离方法来提高对应关系的准确性。通过随机抽样一致算法选代剔除错误的对应点对，以增强配准的准确性。最后，根据精确的对应点对计算刚体变换矩阵，从而实现对煤流点云数据的精细配准。实验结果表明,与其他点云配准方法相比，提出的改进配准算法在刮板输送机煤流轮廓点云的匹配精度和匹配效率上得到了提高，对煤流轮廓点云的体积计算具有重大意义。
能源技术 | 基于FFT-DC-GRU-NLA的中长期居民用电量预测模型

能源技术 | 基于FFT-DC-GRU-NLA的中长期居民用电量预测模型

摘要：针对现有的中长期居民用电量预测模型中存在复杂电力数据建模难、信息表示能力差、模型预测精度低等问题，提出一种基于FFT-DC-GRU-NLA的中长期居民用电量预测模型。首先利用快速傅里叶变换(FFT)对用电量数据进行分解,通过频域分解提取多周期分量，得到一组二维子序列;然后将其作为自主设计的信息表示模块的输入，通过融合卷积神经网络、门控循环单元和非局部注意力机制，实现了对二维子序列的多尺度信息表示和深度特征提取;最终，深度特征经过全连接层重新构建，并采用残差结构进行迭代预测。在一个居民用电量的公开数据集上与当前电力预测领域内的多个先进模型相比，所提模型在96、192、336、720这4个预测长度上均取得了最高的预测精度；此外，该模型分别在两个电力预测公开数据集上也取得了较好的预测精度。实验结果表明，所提模型能够有效提升中长期居民用电量预测的精度且具有较好的泛化性。
能源技术 | 基于GA-LSTM神经网络的充电桩故障诊断

能源技术 | 基于GA-LSTM神经网络的充电桩故障诊断

摘要：电动汽车充电设施的充电数据包括电压、电流、温度、功率等时序数据，这些数据具有前一时刻影响关联下一时刻的特点。利用长短期记忆(LSTM)神经网络挖掘数据量中的关联特征，建立工作数据与故障之间的特征模型，可以进行充电桩故障诊断。但LSTM神经网络存在过拟合和易陷入局部最优解的问题，为此，提出一种遗传算法(GA)优化LSTM神经网络的充电桩故障诊断方法。使用遗传算法，通过模拟生物进化过程来搜索最优解，选择适应度高的个体进行繁殖，并引入变异操作逐步优化超参数组合，提高LSTM模型的性能与效率。经与LSTM神经网络的实验结果对比,GA-LSTM神经网络数据预测结果的RMSE值降低 56.7% ，MPAE值降低 60.3% ，故障诊断的准确率提升 3.2% 。因此，GA-LSTM神经网络可以作为一种深度学习技术应用于充电桩故障诊断。
能源技术 | 基于改进YOLOv7-tiny的绝缘子缺陷检测网络

能源技术 | 基于改进YOLOv7-tiny的绝缘子缺陷检测网络

摘要：现有的检测方法在复杂背景的输电线路图像中识别绝缘子微小缺陷时，得到的图像存在背景环境复杂、缺陷尺寸小等问题。为保证输电线路的安全运行，提出一种基于YOLOv7-tiny的绝缘子缺陷检测网络 (IDD-Net) 。首先，引入基于注意力的尺度内特征交互(AIFI)来处理高维特征，从而降低计算量;其次，使用双向加权路径特征金字塔网络(BiFPN)进行特征融合，并对下采样模块进行改进，增强网络的感知能力;最后,使用Focal-DIoU损失函数提高锚框质量。结果表明，与基线模型相比，IDD-Net的平均精度均值提高 4.1% ，精确率和召回率分别提高 2.4% 和 6.5% ，参数量和浮点运算量分别减少5.8% 和 2.3% ，对于闪络缺陷的平均精度提高 11.2% 。由此说明所提方法参数量较小，性能更优异，鲁棒性更强。
能源技术 | 基于卷积神经网络和Transformer的电能质量扰动分类

能源技术 | 基于卷积神经网络和Transformer的电能质量扰动分类

摘要：随着新能源的大规模应用，电能质量扰动(PQDs)事件的概率显著增加，而这些扰动会给配电系统造成重大损失。因此，提出一种基于卷积神经网络(CNN)和Transformer的PQDs分类方法，即 CTranCAM 。该方法通过CNN的卷积操作自动提取PQDs信号时间序列的局部特征，然后使用Transformer中的多头注意力机制对提取的特征进行全局和长期关系建模,以弥补CNN在处理全局信息方面的缺陷，最后通过全连接层输出识别结果。使用CTranCAM方法对25类合成PQDs数据进行仿真，结果表明，该方法的分类准确率在无噪声条件下为 99.60% ，在信噪比为 30dB?40dB 和 50dB 时，准确率分别达到了 99.20%.99.36% 和 99.40% ，具有良好的抗噪性和泛化性能。另外，通过与其他方法的性能比较得出，所提方法在不同噪声环境下都具有较好的分类性能，是一种较优秀的PQDs分类方法。
前沿交叉科学 | 考虑高低频特征的视觉离焦图像暗边缘局部复原算法

前沿交叉科学 | 考虑高低频特征的视觉离焦图像暗边缘局部复原算法

摘要：视觉离焦图像的暗边缘因模糊导致细节信息丢失，在尺度上表现为图像中的高低频分量不同程度的减少，故为恢复此类图像的边缘细节，研究一种考虑高低频特征的视觉离焦图像暗边缘局部复原算法。构建视觉离焦图像模型后，结合Pal算法对模型中的视觉离焦图像进行增强处理，获得增强后灰度化离焦图像;运用非下采样轮廓波变换(NSCT)算法，通过多尺度、多方向分解该增强离焦图像，提取到该图像的完整边缘与结构等高低频特征信息;通过对这类高低频特征信息实施NSCT反变换，得到高低频边缘图像，再将低频边缘图像补偿到高频边缘图像内，得到最终重构的边缘复原图像。结果显示，所提算法能够实现不同尺度视觉离焦图像的暗边缘局部复原，复原后边缘细节清晰完整，结构信息恢复度高，亮度与对比度均明显改善，整体复原性能稳定。
前沿交叉科学 | 基于机器学习的区域性综合资源调度与优化算法设计

前沿交叉科学 | 基于机器学习的区域性综合资源调度与优化算法设计

摘要：为提升城市防灾减灾中的应急资源调度能力，提出一种基于机器学习的区域性综合资源调度与优化算法。该算法利用连续逼近(CA)模型确定服务于特定位置的最佳补货量和库存水平，并采用K均值聚类算法对预先分配的路线进行聚类，使得应急资源的调度更加高效。通过引入克里斯托菲德斯(Christofides)算法进一步优化调度路径，确保在多项式时间内找到近似最优解。实验结果表明，所提出的调度方法不仅能够在城市区域灾害应急中找到有效的资源调度策略，提高资源利用效率和响应速度，而且在运动成本和总成本上优于基于局部观察的方法,验证了其在应急资源调度中的优势。
前沿交叉科学 | 多模态资源检索与跨模态图谱构建

前沿交叉科学 | 多模态资源检索与跨模态图谱构建

摘要：随着信息化技术的快速发展，多模态数字化资源数量激增，对其进行智能化检索及跨模态关联分析已成为研究热点。鉴于知识图谱是有效的知识表达与管理工具，提出一种多模态数字化资源知识图谱的构造方法。基于该方法，设计智能检索算法和跨模态关联分析模型，为多模态数字化资源的智能化检索与跨模态关联分析提供具体的实现路径。通过实例对所提出的构造方法、智能检索算法以及跨模态关联分析模型进行验证，结果表明，所提方法和模型在处理多模态数字化资源的智能化检索与跨模态关联分析方面具备可行性与有效性，可为解决多模态数字化资源相关问题提供有力支持，推动信息化事业蓬勃发展。
前沿交叉科学 | 基于随机森林算法的轿车碰撞损伤预测研究

前沿交叉科学 | 基于随机森林算法的轿车碰撞损伤预测研究

摘要：为了在不可避免的碰撞场景中尽可能地降低车辆损伤的程度，提高道路交通安全，基于碰撞仿真数据集和随机森林算法，提出一种车辆碰撞损伤预测模型。首先建立汽车碰撞仿真有限元模型，通过改变碰撞物、碰撞角度、碰撞偏置、碰撞速度等，得到160组工况下的汽车损伤数据集;然后使用该数据集建立基于随机森林算法的汽车碰撞损伤预测模型，并对汽车碰撞进行损伤预测。多次实验结果表明：所提出的碰撞损伤预测模型的平均绝对值百分比误差为 20.09% ，均方根误差为33.94。与支持向量机预测模型相比，随机森林碰撞损伤预测模型拟合效果更好，预测值与真实值的离散程度较低，可以更加准确地预测出发生碰撞后车辆关键点位的具体损伤数值，能够为智能驾驶汽车轨迹规划系统和自适应约束提供更为详细、准确的数据参考，从而提高道路交通安全性。
前沿交叉科学 | 基于多传感器信息融合的运动轨迹跟踪系统设计

前沿交叉科学 | 基于多传感器信息融合的运动轨迹跟踪系统设计

摘要：单传感器采集数据易受噪声和干扰的影响，进而影响轨迹数据的准确性，增大轨迹跟踪误差。为此，设计一种基于多传感器信息融合的运动轨迹跟踪系统。将惯性传感器设置于人体脚踝位置以采集运动姿态数据，计算运动位置数据;通过FMCW雷达传感器发射和接收信号，再通过处理频率差异和时间差来定位人体运动位置。采用基于多传感信息融合的运动轨迹定位跟踪方法，再结合动态加权法融合两种传感器数据，生成精确运动轨迹跟踪结果。实验结果表明：所设计系统对运动员不同类型的运动轨迹跟踪误差较小，且可以通过整合不同传感器数据来减少单一数据源可能带来的噪声和误差，提高运动轨迹跟踪精度。
深海深空深地技术 | 一种空天大尺度构型下双基雷达等距离环杂波仿真方法

深海深空深地技术 | 一种空天大尺度构型下双基雷达等距离环杂波仿真方法

摘要：空天大尺度构型下的双基雷达通常采用卫星平台发射、空中平台接收的工作模式，在双基杂波仿真中，无法沿用机载双基雷达平面假设，必须考虑地球球体模型，等距离杂波环位置计算是杂波仿真的难点。针对此问题，提出一种大尺度下收发双基雷达等距环杂波仿真方法。该方法考虑地球球体模型，首先在平面假设下求取近似等距离环的位置坐标；然后,对于该近似等距离环上的单一杂波点，计算等距椭球在经过该点和收发基线所构成平面上的截线，并求取截线在该点处的曲率圆；最后，计算该曲率圆与地球的交点作为球面假设时等距离环上的点，通过采用相同的方式遍历平面近似等距离环上的每个点,即可求取球面近似下等距环的位置。通过仿真实验,对该方法计算得到的等距离环位置及误差进行了分析，验证了所提等距离环计算方法的有效性。该方法为杂波仿真及杂波抑制算法研究奠定了基础。
人工智能 | LSTM-MSTCN-XGBoost混合模型的时空数据特征挖掘

人工智能 | LSTM-MSTCN-XGBoost混合模型的时空数据特征挖掘

摘要：时空数据因具有时空关联性与动态演化性，导致特征挖掘难度大。目前单一维度分析方法难以全面捕捉时空数据的长短期变化特征，易使关键信息丢失。为此，提出一种基于LSTM-MSTCN-XGBoost混合模型的时空数据特征挖掘方法。用OWL对时空数据进行形式化建模，由LSTM与MSTCN模型分别挖掘长短期特征，输入XGBost模型融合并输出特征模式识别结果。实验结果表明，所提方法提取的时空数据特征全局时空Moran'sI指数超过0.9,在交通时空数据挖掘中对拥堵特征的刻画也更贴合实际，可为时空数据挖掘及智能决策提供有效途径。
人工智能 | 基于动态自适应的电梯钢带典型故障检测算法

人工智能 | 基于动态自适应的电梯钢带典型故障检测算法

摘要：针对传统电梯钢带典型故障检测实时性差、精度低和流程复杂的问题，提出一种基于动态自适应的电梯钢带典型故障检测算法DSMA-YOLO。首先，采用可变形卷积DCNv2替换传统卷积层，更好地适应故障的形状和结构变化；其次，构造多尺度大核分离(MLKS)模块，增强模型对不同特征尺度和空间变化的自适应能力；然后，提出一种双通道注意力(DPCA)机制，强化模型在通道维度上的特征感知、提取和融合能力；最后，设计动态共享对齐(DSA)检测头，优化定位和分类任务中的特征独立性、特征无关性及特征间冲突问题。实验结果表明，在电梯钢带典型故障数据集上，DSMA-YOLO的mAP@0.5 和 mAP@0.5～0.95 比基准算法YOLOv8n提升了 4.4% 和 10.1% ，优于其他对比目标检测算法，并满足电梯钢带典型故障检测的实时性要求，可为电梯故障诊断方法及应用提供参考。
人工智能 | 人工智能大数据技术在治理虚拟货币刑事犯罪中的应用研究

人工智能 | 人工智能大数据技术在治理虚拟货币刑事犯罪中的应用研究

摘要：针对虚拟货币刑事犯罪治理需求，提出一种基于动态图卷积网络的增强识别模型(RGCN）。创新性地在图嵌入层设计中融合原始特征与跨时特征的拼接机制，有效缓解了卷积冗余导致的信息流失问题；采用随机森林集成学习策略优化图嵌入层特征表达，显著提升模型识别精度。所构建的3层RGCN框架通过时空特征融合策略降低计算开销，并重点优化召回率。实验结果表明：LSTM动态图卷积网络在召回率指标上表现最优，为 67.6% ，较GRU变体提升 4.4% ；而GRU结构则更侧重精确率优化，精确率达到 87.3% 。最后，结合当前反洗钱场景对高风险个体监控的迫切需求，验证了所提模型通过强化召回率性能，可有效支撑虚拟货币交易监管实践。
人工智能 | 基于计算机视觉的机器人轨迹精度评估系统的设计与实现

人工智能 | 基于计算机视觉的机器人轨迹精度评估系统的设计与实现

摘要：针对目前传统机器人精度评估方法存在的局限性，提出一种基于计算机视觉的机器人轨迹精度评估系统来检测机器人轨迹精度的可行性。首先使用改进的SURF算法对视频中的重叠区域进行特征检测，特征提取的时间减少了55.6% ；再使用RANSAC算法对ROI重叠区域内可能存在的误匹配点进行剔除，以实现更精确的匹配效果;其次，提出一种具有固定宽度的加权融合算法，不仅能够有效消除拼接缝，还可以适用于某些实时性要求高的大场景;最后，利用单应性矩阵作为补偿参数，将拼接得到的实景地图与机器人在SLAM中创建的栅格地图进行匹配与校准。分析并评估实景地图中的实际运动轨迹与栅格地图中的规划运行轨迹之间的精度误差值，其中在 x 和 y 方向上的平均绝对误差分别约为 4.6%,4% ，由此验证了所提方法能够有效地评估机器人运行的轨迹精度。
人工智能 | 轮式机器人EMB制动最佳滑移率线性自抗扰控制

人工智能 | 轮式机器人EMB制动最佳滑移率线性自抗扰控制

摘要：轮式机器人的制动性能决定系统移动运行的稳定性和路径跟踪的准确性。为了提升轮式机器人的制动性能，研究了一种新型低时延电子机械制动(EMB)执行器结构，并提出基于最佳滑移率的线性自抗扰(LADRC)制动控制策略。首先，依据EMB制动原理和功能要求，采用SolidWorks软件进行EMB执行器的三维结构设计优化；然后，根据驱动轮制动的最佳滑移率控制原理，结合单轮模型和Burckhardt轮胎模型，导出EMB执行器制动过程中机电耦合动力学模型；最后，在考虑模型不确定和大干扰情况下，完成了基于滑移率的LADRC制动控制器设计。多路况制动性能仿真测试结果表明，所提方法可以合理调整轮式机器人制动控制的最佳滑移率，且车轮制动的附着系数始终达到峰值，确保了制动过程的可靠性。

过往期刊

更多

猜你喜欢

上海外国语大学电子阅览室