一种仿人手软体康复机器人结构设计与实验

文章针对手部康复训练提出一种偏心波纹管软体致动器结构,研制出一款具有镜像疗法功能的手部康复软体机器人。设计该偏心波纹管软体致动器结构的波峰、波谷中心存在一定的偏心距,以减少其在变形过程中的能量损耗,提高与人手的适配性;基于镜像疗法进行手部康复软体机器人控制系统的设计,使该系统具有主动康复训练、被动康复训练和镜像康复训练3种工作模式。抓取实验、指尖输出力测试以及镜像训练实验的结果表明,所设计的手部康复机器人具有较好的稳定性和顺应性,能够满足手部功能障碍患者的康复训练需求。

面向任务的重叠联盟结构生成计算复杂性

传统的重叠联盟形成问题大都聚焦智能体,鲜有从任务视角出发.为此,本文首先构建了一种面向任务的重叠联盟结构生成模型,并分析了其解空间和相关决策问题的计算复杂性.此外,基于流网络分别设计了相应的孤立联盟、重叠联盟、重叠联盟结构成功性判别算法和最优重叠联盟结构生成算法.分析结果表明,判别孤立联盟、重叠联盟、重叠联盟结构的成功性的时间复杂度均与智能体数和任务数呈多项式关系,而搜索最优重叠联盟结构的时间复杂度与智能体数和任务数呈指数关系.最后,通过仿真实验验证了上述结果.

基于步态事件和sEMG的功能性电刺激起始点研究

足下垂患者步行过程中进行功能性电刺激可以帮助其恢复正常行走能力,而准确确定功能性电刺激的开启时间至关重要。文章针对该问题,利用步行过程中下肢的角速度和表面肌电信号(surface electromyography,sEMG),提出一种以步态事件与肌肉动作点之间延时关系为控制策略的足下垂步行过程中功能性电刺激准确开启的方法。根据步态信息和sEMG电信号特征对大腿处的角速度数据进行步态事件划分,试验结果表明步态事件划分得具有良好一致性;利用模糊熵算法对去噪后的sEMG信号进行肌肉运动起始点T muscle的判定,确定T muscle与脚尖离地(toe off,TO)之间的延时时间关系;结合所划分的步态事件特征点,确定电刺激起始点T on。该文为足下垂治疗中功能性电刺激开启时间点的确定提供了一种新的辨识方法。

基于深度声纹特征转换网络的说话人识别攻击方法

目前主流说话人识别(speaker identification,SID)系统的攻击方法主要基于快速梯度下降或映射式梯度下降算法,这些方法存在攻击效果不稳定、生成的攻击语音听觉质量不高等问题。为此提出一种基于深度声纹特征转换网络的自动说话人识别攻击方法,生成具有目标说话人音色的攻击语音。首先分析了SID系统的攻击流程,确定了攻击语音生成的过程;然后基于二维卷积神经网络设计攻击音频生成器,以有效融合源说话人的语音内容和目标说话人的声纹特征,并基于对抗学习设计了攻击音频的判别器,以提高语音攻击音频的质量。最后分别在基于广义端到端损失和基于AMSoftmax损失的两个自动说话人识别系统上进行对比实验。实验结果表明,所提方法不但提高了攻击效果的稳定性,提升了攻击音频的人耳感受质量,而且适用于短时长数据,满足了实际攻击场景的需求。

基于改进的U-Net卷积神经网络的遥感影像水体信息提取方法

针对当前遥感影像水体信息提取存在细节水体提取能力较弱、重要特征损失较大的问题,文章提出一种基于改进的U-Net网络实现遥感影像水体信息提取的方法。该方法首先通过引入Resnet残差卷积模块深化传统U-Net网络架构提升特征挖掘能力,并引入Respath残差连接模块减少跳跃连接过程中的语义差距,同时引入PSConv多尺度卷积模块、Eca有效通道注意力机制模块,提高网络特征学习能力,构建PS-Eca-Multiresunet网络模型,弥补传统U-Net网络存在的细节特征提取能力较弱问题。选择“2020年第四届中科星图杯高分遥感图像解译软件大赛”数据集进行实验,结果表明,与传统U-Net网络模型相比,该方法水体提取的平均交并比提高了9.08,像素精度提升了7.4%。改进的网络提取结果能够有效避免阴影影响,提高对细节水体的提取精度,实现遥感影像水体信息的高精度提取。

基于改进YOLOv5s模型的电梯内电瓶车检测方法

针对现有检测模型不能满足在实时场景下准确检测电梯内电瓶车的问题,提出一种改进YOLOv5s模型的电梯场景下电瓶车检测方法。改进模型将全局注意力机制融合到YOLOv5s模型的颈部特征融合网络中,来增强模型对融合特征的学习能力;使用充分解耦的检测头部替换原YOLOv5s模型的耦合头部,将目标检测过程中目标分类判定和边框回归这两个子任务解耦,以提升模型检测的准确度。实验结果表明,在自建电梯内电瓶车图像数据集E-Car上,改进YOLOv5s模型显著提高了检测效果,检测指标P、R、mAP_0.5和mAP_0.5∶0.95分别达到94.5%、92.2%、96.9%和64.5%,比原模型分别提高4.3%、2.8%、3.8%和4.6%。相比其他主流的目标检测模型,改进YOLOv5s模型在保持一定检测速度的前提下,具有更高的检测精度,能够实现高效的电梯内电瓶车检测。

基于KD-YOLO的轻量化安全帽佩戴检测方法

安全帽佩戴检测对建筑工地的安全管理至关重要,现有的检测模型存在检测速度慢、检出精度低及难以实地部署等现象,据此提出一种基于YOLOv5s的轻量化安全帽检测模型KD-YOLO,该模型引入知识蒸馏的思想,将改进的轻量级网络作为学生网络,通过教师-学生的知识传递,来提升学生网络检测准确性;利用轻量级注意力模块Shuffle Attention,以增强对图像有用信息的关注;采用基于动态非单调聚焦机制的边界框损失Wise-IoU损失函数来平衡不同质量的锚框,减少误检和漏检。实验结果表明,改进的轻量化安全帽检测模型通过引入知识蒸馏等优化策略后网络的平均精度均值提升3.5%,参数量减少18.1%,浮点运算数减少1.8%,满足建筑工地实时安全帽佩戴检测需求,同时模型内存占用少,易于实地部署。

基于双边截断的双参数海上风电站SAR图像CFAR检测

文章提出了1种基于双边截断的双参数海上风电站SAR图像CFAR检测器DTCS-TPCFAR,目的是提高在具有多个目标海上区域和石油泄漏区域等环境下对海上风电站的检测性能。DTCS-TPCFAR所提出的双边截断杂波的方法,能够同时消除高强度和低强度异常值的干扰,同时保留真实的杂波样本。通过使用最大似然估计计算双边截断后样本的均值和标准差,然后通过这2个参数估计值计算出截断阈值,最后再结合指定的虚警率(Probability of False Alarm,PFA)来对测试单元(Test Cell,TC)进行判断,完成最终的目标检测。这也是首次将CFAR检测器用于检测海上风电站。文章通过Sentinel-1数据集来验证该方法的有效性。实验结果表明,文章所提出的算法在相同指定虚警率下,具有更高的检测率(Detection Rate,DR)和更低的误报率(False Alarm Rate,FAR)。

基于联结扩张注意网络的图像去摩尔纹算法

针对相机拍摄数字显示屏时图像产生的摩尔纹,本文提出了基于联结扩张注意网络的图像去摩尔纹算法。该算法先以轻量级基线U-Net网络为基础,将改进的动态特征金字塔模块DFP引入U-Net的跳跃连接中,并构成联结结构,实现多尺度特征提取与融合,再利用CBAM改进的软注意力机制RMAM来聚焦摩尔纹图像颜色信息,最后构建网络模型对其进行了训练及测试。结果表明,相较于其他算法,该算法具有较高的峰值信噪比和结构相似度。

自注意力结合上下文解耦的交通车辆检测

为应对车流量、时间地点和天气等因素给交通车辆检测带来的挑战,提出基于YOLOv5s模型的新算法。该改进模型适用于各种交通场景,其改进如下:在特征串联阶段引入高效的二维局部特征叠加自注意力(ELFSa),以增强模型对目标的感知能力;将YOLOv5s的检测头替换为简易特定于任务的上下文解耦(S-TSCODE),以实现分类和定位子任务之间的完美平衡,从而改善模型的收敛;为减少运算负担,模型中的大于3×3的部分卷积操作被替换成了GSConv。实验结果显示,改进的YOLOv5s在各方面均有提升,其中mAP_(@0.5)为98.9%,mAP_(@0.5:0.95)为87.0%,分别提升0.1%和1.5%。针对各种复杂的交通场景,所提出的方法增强了车辆检测的性能和鲁棒性。

融合局部自注意力的YOLOv5遥感图像检测

针对遥感图像普遍存在背景复杂、小目标多、特征提取难等问题,本文提出了一种改进的上下文通道变换器(Contextual and Simple Squeeze-and-excitation Transformer,CoST)风格模块算法。这种设计充分利用相邻Key之间的语义信息,引导注意力矩阵动态学习,同时引入简化版通道注意力(Simple Squeeze-and-excitation,SSE),促进了与当前任务相关的特征图通道的形成,抑制了与当前任务关系不大的特征通道,从而增强了视觉表征的能力。实验在目标检测(YOLOv5s)框架上进行,在PASCAL VOC和DIOR数据集上进行评估,结果表明:改进后的YOLOv5s在模型在VOC以及在遥感数据集DIOR上平均精度分别提升了2.4%和1.4%,验证了模块CoST的有效性。

考虑多组件产品的制造商外包策略研究

基于原始设备制造商(OEM)与合同制造商(CM)之间的合作-竞争关系,构建了外包组件的批发价格由双方进行纳什讨价还价决策的博弈模型,利用数值分析方法探讨了产品可替代程度对供应链成员决策及利润的影响。研究表明,当外包组件的成本差异较小时,OEM选择外包给非竞争性合同制造商更优;当外包组件的成本差异较大时,OEM外包给竞争性合同制造商能获得更大的利润,但在这种情况下,竞争性合同制造商并不是总能与OEM达成双赢,这要取决于双方的议价能力以及产品的可替代程度。

基于集成改进卷积注意力块的SAR图像目标分类算法

在合成孔径雷达(Synthetic Aperture Radar,SAR)图像中,目标的轮廓和细节通常比较复杂。传统的卷积神经网络(Convolutional Neural Network,CNN)只使用单一均值参数进行无差别的特征提取,不能很好地区分SAR特征之间的差异。为了解决此问题,文章提出了1种基于集成改进卷积注意力块(Improved Convolutional Block Attention Module,ICBAM)的SAR图像目标分类算法ICBAM_CNN。首先,该模块通过引入方差参数至传统CBAM模块中,设计了1种改进的CBAM注意力机制,有助于分类识别网络更好地学习SAR图像不同目标卷积层输出与通道注意力之间的差异信息,提升不同SAR目标特征的可分离性;然后,ICBAM设计了1种中心坐标注意力机制,能更好地捕捉SAR图像中目标的中心分布特征,有效抑制杂波对SAR目标分类影像的干扰;最后,为了提高效率,将改进后的ICBAM模块集成到CNN网络中,实现SAR图像目标分类。ICBAM_CNN深度融合了SAR图像目标的多层级特征,提升了SAR目标特征的可分离性,可实现SAR图像目标的高精度、高效率识别分类。通过MSTAR数据集进行实验,结果表明,相比于传统CBAM方法,改进ICBAM方法的精确率提升了2.44%,召回率提升了2.24%,F1-score提升了2.34%。

一种改进的粒子群爬山优化图像分割方法

针对粒子群优化算法在图像分割中存在算法搜索能力不足并且分割不够精准的问题,文章提出了一种改进的粒子群爬山优化图像分割方法。文章首先引入爬山算法,检测粒子群搜索空间中多个全局极值点,增强粒子群算法的局部搜索能力;其次将算法作用于图像中生成K个峰值的三维直方图,根据欧几里德距离,将每个像素分配给最近的峰值从而分割图像;利用标准图像数据集进行实验,并与其他基于粒子群优化的图像分割方法对比分析,该算法在图像分割的视觉效果和5种常用的客观评价指标都具有更优越的性能。

通道注意力引导的空洞卷积神经网络图像去噪

卷积神经网络是目前相对普遍且去噪性能较好的图像处理方法。传统的深度卷积神经网络(DnCNN)中同一层中的特征通道间的重要程度是平等的,不利于特征的提取。将DnCNN与通道注意力,以及空洞卷积神经网络构成的稀疏块相结合,提出了一种通道注意力引导的卷积神经网络CDNet用于图像去噪。不仅更有效地提取图像复杂背景下的更有用的信息,还降低网络训练的复杂性。对比试验结果表明该网络在不同公开数据集上的PSNR值以及SSIM值都优于其余去噪网络,去噪效果相对较好。

一种基于差分进化的鲁棒音频隐写算法

音频隐写是将秘密信息隐藏到音频载体中,已成为信息隐藏领域的一个研究热点。已有研究大多聚焦最小化隐写失真,却以牺牲隐写容量为代价,且往往被一些常规信号攻击后难以正确提取秘密信息。为此,基于扩频技术,首先,分析了隐写参数(分段隐写强度和分段隐写容量)与不可感知性和鲁棒性的关系,并构建了一种以分段隐写强度、分段隐写容量为自变量,以不可感知性和隐写容量为优化目标,以信噪比为约束条件的音频隐写多目标优化模型;然后,提出了一种基于差分进化的鲁棒音频隐写算法,设计了相应的编码、适应度函数、交叉和变异算子。对比实验结果表明,所提隐写算法能够在保证不可感知性和抗隐写分析能力的前提下达到更好的鲁棒性,可以有效抵御一些常规信号处理攻击。

跨模态异构行人再识别的研究进展

同构行人再识别技术研究基于可见光图像的行人检索问题,但无法完全应对复杂多变真实场景,大量研究工作开始探索基于可见光图像与其它异构数据之间的行人检索问题,即跨模态异构行人再识别.该研究相比同构行人再识别,更具挑战性.文中首先简述跨模态异构行人再识别的概念及与一般行人再识别的区别,再针对文本与图像、图像与视频、跨分辨率图像、红外图像与可见光图像、深度图与可见光图像、素描与可见光图像这6类场景,归纳整理和分析跨模态异构行人再识别的代表性工作、常用数据集及一些算法的性能表现.最后,总结目前整体研究进展,展望未来发展趋势.

基于孪生神经网络的航迹关联方法

日益复杂的电磁环境对战场目标探测提出了很高的要求。由于多雷达融合系统的不断发展,如何准确快速地完成多雷达的航迹关联成为一个亟待解决的问题。现有的关于航迹关联算法的研究大多只考虑雷达上报的最新目标航迹点,而没有考虑先前的航迹信息。除此之外,大多数航迹关联算法对于航迹异步问题的解决方法是进行时间配准,这不仅增加了算法本身的计算开销,还放大了航迹信息中包含的误差,因此难以应用于目前复杂的电磁环境中。本文提出一种适用于对异步航迹进行关联的、且无需进行时间配准工作的基于孪生神经网络的航迹关联算法(TTCSN)。该算法首先将待关联航迹两两组成一对,将其成对地送入特征提取网络中,再利用共享权重的双向LSTM网络提取输入航迹的隐含特征,之后对两条航迹的特征向量进行相似度计算,得到相似度向量,最终送入分类器完成关联航迹与非关联航迹的判别。实验表明,TTCSN算法能够有效地解决异步航迹关联问题。

飞秒激光制备特殊浸润性功能表面研究进展(特邀)

具有特殊浸润性的功能表面在生产生活中发挥着重要作用。同时,飞秒激光加工以其独特的优势,成为制备特殊浸润性功能表面的重要方式。本文通过自然界中生物表面微结构与实际应用的联系,讨论了飞秒激光制备多种微结构的方法,从"双面神"表面、智能响应超疏表面以及润滑表面等三个方面对基于飞秒激光制备特殊浸润性功能表面进行了总结。对飞秒激光在特殊浸润性功能表面制备的研究成果进行总结归纳,为未来飞秒激光在浸润性表面的研究、应用和发展提供参考。

基于肢体加速度和关节角度参数检测的痉挛状态定量评定研究

针对脑卒中患者痉挛状态难以精准量化评定的问题,提出了基于加速度和角度信号的痉挛状态量化评定方法,并研制了痉挛状态量化评定装置。通过分析患者肢体加速度和关节角度信号数据,提取加速度突变点对应的关节角度θ_(p)及关节活动度θ_(rom),计算θ_(p)/θ_(rom)值用于痉挛状态等级评定。使用改良Ashworth量表(modified Ashworth scale,MAS)和本装置对27名受试者进行临床实验,并针对不同肌肉群采用不同的痉挛状态检测方法。将MAS等级与θ_(p)/θ_(rom)值进行相关性分析,结果表明θ_(p)/θ_(rom)值可用于痉挛状态评估,且该装置具有很好的效度,相关性满足r=-0.869,P<0.05。基于MAS和θ_(p)/θ_(rom)值重新修正表示痉挛状态的MAS等级,结果表明修正后的MAS各等级之间具有显著差异(P<0.001),可以实现痉挛状态量化评定。