融合全局-局部上下文信息的小目标多人姿态估计

尽管多人2D姿态估计方法趋近成熟,但是现有方法无法有效识别小目标的姿态。针对当前小目标姿态难以识别的问题,提出一种融合全局-局部上下文信息的多人姿态估计方法。利用高分辨率网络(HRNet)输出的不同尺度特征对人体的多个解剖中心进行粗糙的定位,通过多个中心点给小目标提供更多的监督信息,提高对小目标的定位能力。以定位的人体中心点坐标为线索,通过可变形采样的方式提取中心点附近不同尺度的局部上下文信息,并计算不同目标局部上下文信息之间的对比损失以提高目标之间的判别能力。以HRNet网络的低分辨率特征作为全局上下文信息,以局部上下文信息作为交叉注意力的查询,结合全局和局部上下文信息构建多层Transformer模型,增强小目标的上下文信息。将增强的小目标上下文信息作为聚类中心,解耦多尺度融合的特征得到不同目标对应的关键点热图,从而实现小目标多人姿态估计。实验结果表明,该方法能够有效提高小目标姿态的识别性能,在COCO test-dev2017数据集上取得了69.0%的平均精度(AP),APM比对偶解剖中心(DAC)方法提高1.4个百分点。

基于ZYNQ的高精度震动探测系统设计

在地下浅层爆炸震动探测中,测试环境噪声大,并且爆炸地震波信号频率较高,而常规的地震探测仪器底噪较大、采样率较低,难以满足爆炸震动探测需求,因此,本文设计了一种基于ZYNQ的震动探测系统。首先,采用高精度传感器ADXL354B获取爆炸震动信号,并设计调理电路滤除高频噪声,提高信号获取精度,同时采用高精度、高采样率的24位模/数转换器AD7768进行数据转换;然后,在ZYNQ芯片的PL部分进行逻辑设计,在PS部分使用驱动分离的方式定制Linux系统进行数据处理和传输;最后,搭建半实物仿真平台对震动探测节点进行功能验证。实验结果表明,该系统在采样率与系统噪声方面优于国内同类地震勘探仪器,最高能够以256 ksps、24位、八通道同步采集加速度信号,并实时传输至上位机,该成果在地下浅层震动探测领域具有较高的应用价值。

基于多尺度信息交互的深度学习图像去沙算法

沙尘天气下,入射光线的散射和吸收,会导致图像退化,出现色彩偏移、细节丢失等问题,户外计算机视觉系统的工作性能受到严重影响。为此,提出了一个端到端的基于多尺度信息交互(multi-scale information interaction,MSII)的网络结构。该网络采用并行的两个不同分辨率子网,通过上下采样使两个子网信息交互,引入交叉注意力机制进行空间、特征融合,以获得更丰富的细节;提出了一个简单有效的沙尘合成方法,并以此构建了一个配对沙尘数据集。实验可得,与所比较方法中最好的结果相比,在合成数据上,结构相似度提高5.94%,峰值信噪比提高0.403 dB;在真实数据上,自然图像质量指标提高0.4407,对比度、标准差、信息熵分别提高1.5315、1.0152、0.3352。由此可知,所提方法可获得细节清晰且色彩鲜明的图像。

基于大动态范围放大的无增益调节超声放大电路设计

针对大型复合构件状态动态变化过程和多谱成像检测的需求,提出了一种无增益调节的宽带大动态范围超声放大电路的设计方法,设计了一种带宽为10 kHz~1.25 MHz,增益大于120 dB的无增益调节的超声信号放大电路。该电路采用多级放大器对信号进行分级放大,分割门限控制和信号状态识别与记录,最后通过数据合成实现了超声发射信号、回波信号全信号大动态、宽频带范围超声的放大。仿真实验表明,该电路可满足大型复合构件状态变化中信号的放大和多谱成像检测需求,其电路设计方法也可应用于其他如冲击波测试、声学测量等领域。

基于改进YOLOv5s的路面病害检测

针对路面病害检测中因病害形态多样、尺度差异大、背景灰度值相似而导致检测精度较低的问题,提出一种改进的轻量化路面病害检测模型PD-YOLOv5s(pavement disease-YOLOv5s).首先,模型嵌入三维无参数注意力机制SimAM,在不额外增加模型参数的同时有效增强模型在复杂环境下的特征提取能力;其次,引入残差块Res2NetBlock增加模型感受野,增强模型在更细粒度层次上的特征融合能力.最后,构建SPD-GSConv模块完成下采样,从而有效捕捉不同尺度的目标特征,将提取的特征融入模型完成路面病害分类检测.在真实路面病害数据集上实验结果表明:相较于原YOLOv5s,PD-YOLOv5s模型平均精度值(mAP)提升4.7%,参数量降低至6.78M,检测速度达到53.97 f/s.PD-YOLOv5s在降低网络计算成本的同时具有优越的检测性能,对路面病害检测具有工程应用价值.

基于空间约束联合字典学习的三维冲击波超压场重建

针对有限测点条件下冲击波超压场全时空全区域重建的需求,提出一种基于空间约束联合字典学习的三维冲击波超压场重建方法。建立三维走时层析成像模型,利用字典学习对图像的稀疏表征优势和空间约束对图像边缘纹理保真特性,采用交替最小化思想对目标函数进行优化解算,实现大型病态稀疏矩阵的高精度求解。试验结果表明,该方法与代数重建算法(ART)、联合代数重建算法(SART)和期望极大化算法(EM)相比,重建精度更高,全区域重建误差达到了15.81%,在时空场重建过程中具有较高的应用价值。

基于QPSO的震动传感器片上相位补偿器设计方法

震动传感器的系统相位非一致性会对地震波到时时差提取产生很大的误差,严重影响震源定位精度;针对这一问题,提出了一种基于量子粒子群优化算法(QPSO)的震动传感器片上相位补偿器设计方法;首先对震动传感器进行相位标定,获得传感器与参考传感器的相位差;其次设计基于QPSO算法的相位补偿滤波器对相位差进行修正,使其无限趋近于0;最后,将相位补偿滤波器封装成FPGA软核部署于FPGA上,完成对震动传感器的相位片上实时补偿;为了验证该方法的性能,将相位补偿滤波器部署于自研的多通道震动信号采集系统上,对8个相同型号震动传感器进行相位一致性校准;试验结果表明,在震动传感器频响范围内,该方法可以将2.5°内的传感器相位差实时修正至0.004 4°以下,实现了震动传感器阵列的相位一致性实时校准;该成果在地下浅层震源定位领域具有较强的应用价值。

卫星导航多干扰源直接定位方法

卫星导航信号到达地面时非常微弱,容易受到各种干扰,给用户带来一定的影响;针对此种情况,面向卫星导航系统多干扰源定位场景,传统两步定位算法受参数估计精度影响较大,DPD_MVDR算法虽然改进了MUSIC算法需要估计目标数这一缺点,但由于使用固定网格分辨率,定位精度与计算复杂度二者无法兼得;针对上述问题,提出一种改进DPD_MVDR的直接定位方法,在直接定位这一关键技术上运用自适应网格细化,其最大优势在于只对干扰源位置附近的网格实现多级细化,能很好地兼顾定位精度与计算复杂度,避免了传统穷举搜索带来的巨大计算复杂度;首先使用DPD_MVDR算法在粗网格下进行位置初始估计,然后在估计位置处进行迭代自适应网格细化,在降低计算复杂度的同时,提高定位精度;仿真表明,改进算法在100 m网格分辨率下计算复杂度明显降低且较DPD_MVDR算法定位精度得到明显提高;适用于对定位精度和定位实时性均有一定要求的场景。

基于超声能量特征的复合结构材料脱粘检测方法

针对受限于复合结构的厚度、层数、材料种类等因素导致超声回波信号混叠,难以实现界面脱粘检测的问题,提出一种直接利用超声纵波反射混叠信号的能量特征进行复合结构脱粘缺陷检测的方法。首先建立单层与多层复合结构的超声信号反射与透射特性模型;然后提取并分析不同界面粘接状态下结构的超声回波能量特征,并基于该模型进行钢-橡胶-橡胶复合结构的脱粘检测仿真,通过引入能量差异值进行脱粘界面识别;最后,利用超声波探伤设备对钢-橡胶-橡胶复合结构试样进行实际脱粘缺陷检测。理论分析和实验验证均表明,该方法可以实现多层复合结构脱粘缺陷的有效检测。

基于QPSO的密闭空间混叠冲击波的分离解算方法

针对在密闭空间中爆炸产生的冲击波导致混叠冲击波对内壁毁伤较为复杂的问题,提出一种分离混叠冲击波的解算方法。通过正演模拟分析密闭空间内混叠冲击波对内壁面的毁伤,得到壁面上的冲击波是多次混叠的。建立独立冲击波的全波形模型,并采用量子粒子群优化(QPSO)算法,对多次混叠冲击波进行分解和拟合。QPSO算法拟合出独立的冲击波,其仿真结果相较于遗传算法,均方根误差从0.2506降至0.1216,平均相对误差从0.1079%降至0.1059%。

基于X波段SAR雷达成像算法研究

成像算法对于SAR成像雷达的最终结果有着决定性作用,论文基于X波段的SAR成像雷达基础上,对成像算法的理论进行研究,讨论了成像算法的SAR空间分辨率和多普勒频移,重点分析了成像算法中距离向处理问题、距离徙动处理问题以及方位向处理问题。利用X波段SAR雷达进行了5m具体实物成像结果测试。结果表明:SAR雷达的距离向分辨率和方位向分辨率对雷达成像精度的影响很大;SAR雷达在正侧视的成像精度明显较好,在15°角斜侧视的成像结果不如正侧效果。这是由成像算法的局限性引起的。

基于超拉普拉斯正则化的冲击波超压层析重建

超压层析成像是利用传感器采集到的冲击波信号来反演测试区域的超压分布,是典型的不完全数据重建问题,为了提高求解精度,本文提出了一种基于高斯牛顿迭代联合超拉普拉斯正则化的冲击波超压层析重建方法。由于实际采集到的冲击波信号通常与干扰信号混叠在一起,会影响超压值的测量精度,本文首先采用改进的小波阈值算法对冲击波信号进行去噪处理;其次利用超拉普拉斯先验对图像边缘和二维层析模型进行正则约束;然后采用高斯牛顿迭代算法和交替方向乘子算法,解决大型病态稀疏矩阵的求解问题。实际实验结果表明本文的正则化方法与传统的全变分正则化和广义全变分正则化相比,重建精度可保持在15%左右,在实际场景中具有一定的应用价值。

一种基于特征位移的手势识别方法

针对卷积操作受到遍历规则的限制,只能提取单个骨骼节点的特征信息,不能对相邻节点之间的有效特征信息进行融合,导致表达能力有限的问题,提出了一种基于特征位移模块的手势识别神经网络。该网络采用常规时空图卷积神经网络的架构,并将常规时空卷积模块替换为特征位移模块,实现相邻节点特征信息之间的融合。利用特征位移模块对位移信道进行重新排序,实现提取骨骼节点的全局化特征信息,进一步完成对手势信息的高效准确分类。并在公开数据集DHG-14/28和FPHA上验证该特征位移模块,在14类、28类和FPHA手势数据集的分类准确度分别达到了95.11%、93.01%和92.67%。实验结果表明,该网络模型能够更好更有效的挖掘全局特征信息,在常见的手势识别数据集上达到了优秀的性能。

基于卡尔曼滤波的陀螺仪降噪处理

针对MEMS陀螺仪输出信号随机漂移误差造成测量精度低的问题,提出了一种基于BP神经网络的卡尔曼滤波降噪模型。基于BP神经网络的基本原理,首先利用BP神经网络对系统进行学习,获得系统状态方程,然后建立了基于BP神经网络的滤波模型,最后应用于卡尔曼滤波对MEMS陀螺仪信号进行降噪。半实物模拟仿真实验表明:基于BP神经网络的卡尔曼滤波后的数据的速率随机游走等系数比原始数据下降6.89倍,验证了本方法的降噪性能优于基本卡尔曼模型,在MEMS陀螺仪的数据处理方面具有一定的应用价值。

基于梯度场和非局部均值的复杂工件图像增强算法

由于高动态X射线成像系统与工件自身结构复杂性,复杂异形工件的射线图像往往呈现对比度低或特征信息不明确的问题。针对该问题,本文提出基于梯度场和非局部均值降噪的图像增强算法,提高视觉质量。首先,基于梯度场和局部方差构建对比度的自适应增强模型,提高射线图像的对比度;然后,利用非局部均值对图像进行去噪,特别地,本文构建了基于泊松分布的非局部均值算法进行图像去噪,从而得到增强的对比度场;最后,建立能量泛函并用梯度下降法求解来获得具有微小细节的更高质量的图像。实验部分对3个复杂异形工件的X射线图像进行图像增强和缺陷检测实验,结果证实了本文算法的有效性。

基于直线扫描的引信钢球分层成像检测算法

针对现有的火药引信装配正确性检测方法中存在的无法准确检测遮挡严重的零件的问题,提出了引信中钢球分层成像定位检测算法。将X射线源直线移动扫描待测物体形成多个虚拟的小孔径,结合光学合成孔径原理对所有小孔径进行合成,将合成的虚拟大孔径成像在不同距离深度的平面上,实现对目标的定位和检测。试验结果表明:所提算法能够在火药引信钢球相互重叠的情况下利用深度信息进行分层成像,提供待测物体的深度信息,能够对不同层次的目标进行检测,确定待检测物体的数量,解决了现有的检测方法在检测过程中出现的漏检问题。

基于DIR-QPSO的弹丸落点定位声阵列优化布设方法

为了满足有限测点下声阵列定位精度提升的需求,提出了基于双种群量子粒子群(dual-group interaction quantum particle swarm optimization, DIR-QPSO)联合到达时差定位技术(time difference of arrival, TDOA)的单基站声阵列拓扑结构优化布设方法。首先,将声阵列中的声传感器作为粒子,利用Logistic混沌模型全局遍历性的优势初始化种群;其次,利用双种群之间信息共享优势,消除迭代过程中陷入局部最优点;再次,以TDOA模型构建适应度评价函数,得到声传感器最优布设位置;最后,通过仿真验证,得到优化后的声阵列拓扑结构。仿真结果表明,与传统六元正四棱锥阵列及QPSO优化后的阵列相比,方法将几何精度因子减小至1.351 8 m,克拉美罗下界减小至0.481 7 m,均方根误差减小至0.556 4 m。最后进行实验对比验证,实验结果表明,提出的单基站阵列具有更高的定位精度,极大提升了弹丸落点定位精度。

基于VMD和小波阈值的ECG肌电干扰去噪处理

针对现有心电信号肌电干扰去噪方法的不足,本文提出利用变分模态分解和小波阈值相结合的方法对心电信号肌电干扰进行去噪处理。该方法通过对含噪心电信号进行变分模态分解,确定信号主导模态分量与噪声主导模态分量,噪声主导模态分量的小波阈值变换和重构无噪心电信号,共四步实现对含有肌电干扰的心电信号的去噪处理。其中,通过分析研究所有模态分量中心频率的分布,确定变分模态分解的层数。多组仿真与真实含噪心电信号的相关实验表明,本文所提出的去噪方法可有效去除心电信号中的肌电干扰,且去噪效果优于小波阈值法、变分模态分解法和经验模式分解法。

北斗/SINS/OD组合导航定位终端设计

针对常见组合导航系统在隧道、峡谷、森林等卫星信号较弱甚至出现失锁状况的地区,定位精度会迅速下降的问题,设计了北斗/捷联惯导(SINS)/里程计(OD)组合导航定位终端。终端设计以OMAPL137处理器为核心,包括北斗、SINS、里程计、4G通信和电源等模块。数据处理部分以北斗导航接收机和根据SINS/OD推算分别得到的伪距、伪距率之间的差值作为量测值,使用拓展卡尔曼(EKF)滤波算法进行数据融合与误差估计。实验结果表明,北斗/SINS/OD组合导航定位终端在卫星失锁情况下行驶总里程5 km时最大位置误差为46.82 m,误差漂移为0.94%,能够有效解决卫星信号受遮蔽导致定位精度下降的问题,实现平滑载体运行轨迹并提高导航定位精度。

基于心动周期和经验模式分解的心电信号去噪处理

针对现有心电信号(Electrocardiogram,ECG)去噪方法难以精准剥离与之频带重叠的肌电干扰并无损提取到“干净”ECG的问题,提出了利用心动周期和经验模式分解对含噪ECG进行去噪处理。本文方法首先对含噪ECG进行经验模式分解,然后利用心动周期判断固有模态函数分量属于噪声还是有用信号,最后将有用信号的固有模态函数分量重构ECG。为验证本文去噪方法,首先采用ECG动力学仿真模型评估本文方法在不同参数噪声下的去噪效果;其次选取MIT⁃BIH数据库中的基线漂移信号bw,肌电干扰信号ma和105号、107号、123号ECG分别构建3组真实含噪ECG进行实验。评估与实验结果均表明本文方法可以简单、有效地同时去除ECG中的肌电干扰和基线漂移,去噪效果优于普通经验法。