基于脑电信息的图感认知响应规律及其量化分析方法

“图”是人类感知世界的重要媒介,图感认知是大脑认知思维中平面图元与三维形体间形成有效转换的关键通道,但人脑在接受图形输入、完成认知处理并实现知识输出的过程是认知心理学和脑科学交叉学科。目前缺乏充分的研究方法和理论基础,因此针对图感认知过程不清晰及认知分析方法缺乏等问题,根据认知事件的脑电位相关性理论,以二维投影图和三维模型为图感认知对象,设计脑电认知测试实验并分析P300电位变化情况。结果表明:图感认知相关部位主要为大脑的前半部分左额叶位置;P300电位值可以用于反映大脑的图感认知程度,大脑对图像内容的接受能力越强,P300电位峰值越低。对比不同样本P300电位变化,可对图感认知过程进行分析,形成对图感认知能力的量化分析方法,提高图感认知内容对大脑的输入效率,对揭示图感输入和认知机理具有启示意义,并为图像交互深度应用反馈优化提供有效依据。

基于线阵相机/扫描仪的轨交隧道病害检测系统设计实现

隧道维护可以避免隧道病害引发的安全事故,有效的维护依赖于全面和准确的隧道病害检测。传统的隧道病害检测依靠人工巡检,受隧道照明不足、检测时间短等因素的影响,检测效率低下且准确率低。针对这些隧道病害检测中的难题,根据轨交隧道结构均匀、轨道线路固定的特点设计了轨交隧道病害检测系统。系统将激光扫描技术与摄影测量技术相结合,使用激光扫描仪获取隧道三维点云,使用多线阵相机获取隧道影像,借助激光跟踪仪并设计虚拟靶标场对相机和扫描仪进行标定使其坐标基准统一。系统采用分布式的软件架构研发数据采集软件进行传感器交互和数据存储,并采用外触发的方法使传感器采集频率与车速匹配,最后基于Cesium框架研发数据管理平台对隧道数据进行管理。将系统应用于某隧道进行数据精度验证,实验表明轨交隧道病害检测系统能够在实际隧道中检测宽度为0.2 mm的裂缝和错台量0.5 mm的错台,具备轨交隧道病害检测能力。最后,通过将实验采集到的数据应用于隧道裂缝检测、错台检测、变形检测等方面,并对检测出的病害进行定位,证明了轨交隧道病害检测系统的实用性,为轨交隧道病害检测提供了可靠的解决方案。

基于MicroPython的结构应变采集系统设计

为了解决现有应变数据采集设备测量通道单一以及测量精度低的问题,结合MicroPython语言设计了基于振弦式传感器的应变采集系统。该系统能够同步获取4路应变和温度数据,并对4路应变与温度数据进行组间融合;通过宽度学习系统BLS拟合应变量与温度的线性关系对融合后的应变数据进行温度补偿,提高系统的监测精度,细化系统的场景分析。依托北京宣武门地铁基坑钢梁结构进行实地监测分析,结果表明,相较于实测应变数据和利用小波分解-最小二乘法补偿的应变数据,该系统提出的融合补偿算法得到应变数据的标准差分别降低了31.6%和25.4%,该系统能实时捕获更加准确的应变量,为结构应变高精度感知提供有效途径。

一种基于太赫兹成像的复杂地形自适应定高方法

针对现有近感探测器难以适应复杂地形情况下的精确定高问题,提出一种基于成像的图像域自适应对地高度估计方法。该方法将多普勒锐化成像原理应用到前下视场景,利用太赫兹频段分辨力高、孔径合成长度短的优势,采用太赫兹前下视成像实现地形感知,将传统近感探测器的一维距离测量扩展为二维成像测量,实现对运动轨迹前下方地形地貌的精确感知。在获得地面目标图像后,利用地面图像特征,采用图像域特征拟合方法实现对地高度估计。对前下视多普勒锐化成像的参数设计和成像算法进行了理论分析和仿真验证,开发了一套工作于220 GHz频段的太赫兹近感探测系统,并开展了无人机挂载试验。试验表明,该方法能有效感知地表目标环境,排除角反、树木等其他目标对地面高度测量的干扰,测高精确度达0.5 m,证明了该基于太赫兹成像的对地高度估计方法的可行性,为基于图像域特征提升近感探测器对复杂地形适应能力和感知能力奠定了工作基础。

基于改进自适应滤波的MEMS陀螺振动误差抑制研究

本文提出一种基于改进自适应滤波的MEMS陀螺随机振动误差的补偿算法。该算法采用简化Sage-Husa自适应滤波算法估计量测噪声,并通过协方差匹配技术引入收敛性判据抑制了滤波的发散,它提高了实时性且减少了计算量。实验结果表明:经过改进算法滤波后,MEMS陀螺随机振动误差的方差减少97.76%,与常规卡尔曼滤波相比,改进算法的方差减少了72.66%,验证了改进的自适应卡尔曼滤波算法可以有效地抑制MEMS陀螺因随机振动引起的输出误差。

基于门控循环单元网络的钻井井漏智能监测方法

井漏是钻井过程中常见的钻井风险,若对该风险发现、处理不及时,极易导致井塌事故,轻则延长施工周期,重则危害现场人员人身安全。为了提高油气井钻井过程中井漏风险识别的准确性,降低风险识别对人为经验的依赖,结合钻井参数的非线性以及长时依赖特征,提出了一种基于门控循环单元(Gated Recurrent Unit,GRU)网络的井漏风险智能识别方法。该模型以池体积、出口流量和立管压力作为监测参数构建GRU网络,能够提取监测参数的时间序列特征,以实现对井漏风险的准确识别。利用现场实测钻井数据对模型进行了实验测试,结果表明,该方法对井漏风险的识别准确率达到了90.1%,优于长短期记忆网络的识别结果。

面向城区的基于图去噪的小区级RSRP估计方法

移动通信系统网络的规划、部署和优化都不同程度依赖于参考信号接收功率(RSRP)估计的准确性。传统上,基站覆盖小区内某信号接收点的RSRP可由对应的无线传播模型估计。在城市环境中,不同小区的无线传播模型需要使用大量RSRP实测数据校正。由于不同小区环境存在差异,经过校正后的模型只适用于对应小区,且小区内的RSRP估计精度低。针对上述问题,将RSRP估计问题转化为图去噪问题,并通过图像处理与深度学习技术得到小区级无线传播模型,不仅能实现小区整体的RSRP估计,且能适用于相似环境小区。首先,通过随机森林回归器逐点预测每个接收点的RSRP,得到整个小区的RSRP估计图;然后,将RSRP估计图和实测RSRP分布图之间的损失视为RSRP噪声图,提出基于条件生成对抗网络(CGAN)的图去噪RSRP估计方法,通过电子环境地图反映小区的环境信息,有效地降低不同小区的RSRP。实验结果表明,在无实测数据的跨小区RSRP预测场景下,所提方法预测RSRP的均方根误差(RMSE)为6.77 dBm,相较于基于卷积神经网络的RSRP估计方法EFsNet下降2.55 dBm;在同小区RSRP预测场景下,相较于EFsNet,模型参数量减小80.3%。

基于用户偏好的多媒体视频个性化智能推荐方法研究

为了满足用户个性化需求,提出基于用户偏好的多媒体视频个性化智能推荐方法。采集用户历史浏览行为数据,对提取的视频特征向量作相似度计算,生成视频候选集,建立视频浏览兴趣点(PoI)关联图,根据用户浏览时间计算其对不同类别视频PoI的兴趣偏好度,选择排名靠前的N个视频生成推荐列表,实现多媒体视频个性化智能推荐。实验结果表明,该方法可实现多媒体视频个性化推荐,当其维度为180时,视频推荐的Top-1指标最高;兴趣吻合度指标均值达到94.9%,Top-1均值为95.51%。

蜂窝车联网侧行链路信道测量与分析

蜂窝车联网侧行链路接口(PC5)采用终端到终端直接通信的形式,因其通信延迟低、传输容量大和传输可靠性高的特点而具备广阔的科研和工程前景。为了实测蜂窝车联网侧行链路信道特性,使用具有PC5接口的车载板卡在城市道路进行了通信测量工作,并依据测量结果从信道特征对PC5接口信道进行了分析。分析了通信收包时延随距离和信噪比变化的特征,将实测参考信号接收功率值与自由空间和双射线两种路径损耗经验模型及对数距离和双斜率两种路径损耗拟合模型的预测值进行了对比,并引入了四种相关性分析算法,从数值偏移量、线性相关程度和几何形态相似度等角度分析了模型预测值与实测数据的关联性,最终验证了双斜率路径损耗模型最适合表征PC5接口通信信道在城市环境下的衰落特征,基于该模型测算得到的路径损耗指数和阴影衰落方差也进一步说明此模型能够更好地结合实验环境表征信道特性。

肌电信号控制的智能小车实验平台设计

肌电信号是人体肌群在运动时产生的一种微弱信号,该信号蕴藏着与运动相关的控制信息源。提出了一种基于肌电信号的智能小车控制系统。该系统由肌电信号采集模块、无线传输模块、小车控制模块和显示模块等组成。整个系统分为主从两部分。主机采用STM32F103ZET6微处理器对肌电信号进行多通道采集,提取所采集信号的特征值。将特征值分为测试集和训练集,并对不同手势信号贴上对应的标签,使用K最近邻(KNN)算法对测试集进行准确度分析以实现对不同手势的识别。识别结果通过无线传输模块发送给从机小车,小车接收到主机发送的内容后进行相应的动作。测试结果表明,所提出的方法在不同时间段信号采集的平均准确率可达91.14%以上,系统具有很好的鲁棒性。

结合轻量化YOLOv5s的动态视觉SLAM算法

针对视觉SLAM在真实环境中易受车辆、行人等运动物体影响而导致位姿估计降低的问题,提出一种结合轻量化YOLOv5s的动态视觉SLAM算法,将改进的轻量级YOLOv5s作为目标检测算法用于判断运动物体;结合提出的动态特征点剔除方法,剔除动态特征点,仅采用静态特征点进行位姿估计和地图跟踪。在TUM数据集进行实验,相较于ORB-SLAM3算法,改进后的算法在高动态序列上的位姿估计精度分别提升了89.29%、65.34%、94.42%,结果表明改进后的算法能够有效剔除动态特征点,提高了视觉SLAM算法在动态环境下的位姿估计精度和定位精度。

基于位姿参数估计的多视角点云配准方法

传统的点云配准算法通过两点云数据之间的特征实现对应点配对,这种方法要求点云具有明确的特征,且存在计算量大、匹配时间长、配准精度低等问题,而ICP算法虽然应用广泛,但对初始值敏感。对此,提出了一种基于位姿参数估计的多视角点云配准方法(PPE-ICP)。首先通过分析误差的分布特性可证明误差极小值存在,使用A^(∗)搜索算法寻找误差极小值,降低误差传播的影响,为后续的参数估计提供较好的初值;其次将总体最小二乘估计引入点云配准,在不依赖点云数据的同时,使用少量参考点就能获得点云从目标坐标系到东北天坐标系的转换矩阵,完成点云位姿矫正,结合迭代最近点算法(ICP),实现点云精确配准。通过与FGR-ICP、FPFH-ICP、NDT-ICP、RANSAC-TrICP和KSS-ICP这5种方法在公开数据集和自制实验装置收集到的点云上进行对比实验,点云数据量为20000点时实现配准只需6.55 s,极大地降低了大数据量下点云配准的时间成本,在实地点云配准中平移误差最大不超过0.03 m,旋转误差控制在0.07°。实验结果表明,PPE-ICP对相似变换、残缺点云和低重复率具有较强的鲁棒性,在多视角点云配准中具有较高的配准效率和配准精度。

应用于葡萄糖溶液检测的人工电磁超表面结构设计

提出了一种用于葡萄糖浓度检测的电磁近场聚焦人工超表面结构。经人工超表面反射的电磁波近场聚焦位置对介电常数具有高敏感性,据此能够对不同浓度的葡萄糖溶液进行检测。该结构尺寸为400 mm×400 mm×1 mm,由20×20个具有不同电磁波反射相位差的异构人工超表面单元组成。为验证设计的可行性,对不同浓度值的葡萄糖溶液进行了实验测试,结果表明:葡萄糖浓度值的改变将导致溶液相对介电常数的改变,进而对聚焦位置产生显著的影响,溶液相对介电常数变化的检测灵敏度为0.027%。

基于双卫星导航接收机的测控装备精度验收方法研究

针对测控装备精度验收的问题,提出了采用双卫星导航接收机的测控装备精度验收方案,给出精度验收的一般流程,详细推导了一种不同于传统的真值计算新方法,并提供了此方法的具体算法和模型。在理论分析的基础上,采用算例进行计算和分析,结果表明基于双卫星导航接收机的测控装备精度验收方法,可以事先根据测控装备的精度指标,分析所需卫星导航接收机的指标,同时也可以为航路设计提供定量数据支撑,节省测控装备精度验收的人力与物力,可以在测控装备精度验收的相关领域推广应用。

基于ChatGPT的生成式人工智能自动化控制系统

将人工智能技术与自动控制相结合是自动化控制系统发展的趋势,因此,设计基于ChatGPT的生成式人工智能自动化控制系统;该系统划分为5个部分,输入层通过语音、文本、图像等形式将用户的控制信息输入系统内;ChatGPT处理层采用神经语义分析算法分析用户输入的控制信息的语义,提取用户意图与需求,生成相应的控制指令;在此基础上,指令生成层负责将生成的控制指令转化为具体的控制信号,并传输至控制执行层,利用模糊PID控制器实现被控目标的自动化控制;控制后学习优化层收集和分析用户的行为和反馈,以及被控目标的运行状态,以此学习和优化ChatGPT模型;经实验测试,该系统能够有效分析输入控制信息的语义,分析结果的问题匹配度和上下文相关交互匹配度分别达到97%和91%以上,并且能够准确控制被控目标的动作。

基于Vogit力学模型的照明系统节能控制研究

采用Vogit力学模型,构建照明系统离散动力学方程,分析照明系统状态空间变化特征,估计照明系统负载;引入电流灵敏度参量,结合照明系统电磁耦合特性,构建照明系统节能控制模型;通过自适应迭代处理实现自适应寻优,获取照明系统内环控制输出增益;根据照明系统节能控制带恒功率负载等效原理消除复阻抗,达到节能控制稳定的目的。以照明系统作为实验对象进行实验,结果表明该方法的节能控制效果较好,能够有效确保照明系统节能控制的稳定性。

闪电探测站点布局优化方法研究

针对闪电探测站点布局受地理条件制约的问题,提出基于布谷鸟搜索算法的站点布局优化方法。以站点坐标为自变量、站点位置范围为约束条件、目标区域内闪电平均定位误差最小为准则,确定闪电定位优化布站的目标函数,建立闪电定位布站最优化模型。实验表明,布谷鸟搜索算法优化布站后的目标区域平均定位误差为0.432 km,相比传统“Y”形、“T”形布站下的目标区域平均定位误差分别减小了17.7%和23.1%。

基于CNN-LSTM的超宽带NLOS/LOS分类算法研究

超宽带(ultra-wideband,UWB)室内定位系统中,非视距(non-line-of-sight,NLOS)信号的识别与分类是影响定位精度的关键技术。为解决用于NLOS识别的信道冲激响应(Channel Impulse Response,CIR)中存在的噪声干扰问题以及传统NLOS识别方法多场景下阈值选取困难等问题,论文采用一种用于CIR数据去噪的可逆变换方法,并使用卷积神经网络(Convolutional Neural Network,CNN)结合长短期记忆网络(long short-term memory network,LSTM)的结构识别NLOS信号。采用开源数据集进行训练与验证,结果显示,CIR去噪后的CNN-LSTM分类精度最高可达90.62%。表明该方法可以有效提高NLOS信号分类精度。

基于物联网技术的基站移动式油机无线监控系统设计与实践

文章依托杭州大光明通信系统股份有限公司在研项目,聚焦于传统基站移动式油机管理模式存在的局限性与不足,设计并实现了一种基于物联网的基站移动式油机无线监控系统。该系统通过无线通信技术,能够实时追踪油机的位置、油耗、状态等数据,为提升油机维护保养监管力度、基站发电调度管理力度、基站发电保障力度、发电费用管控精细化程度提供有力的数据支持。通过实际应用,文章验证了该系统的有效性和实用性。

基于POA-VMD-WT的MEMS去噪方法

针对MEMS传感器所测得的加速度和角速度输出信号噪声较大问题,提出一种基于鹈鹕优化算法(pelican optimization algorithm,POA)的变分模态分解(variational mode decomposition,VMD)结合小波阈值(wavelet threshold,WT)的去噪方法。首先利用POA对VMD的参数组合进行优化选择,然后应用POA-VMD将含噪信号自适应、非递归地分解为一系列本征模态函数(intrinsic mode function,IMF)。再通过计算每个IMF的余弦相似度对IMFs进行分类,根据计算结果将IMFs分为噪声主导分量与信号主导分量,对分类后的噪声主导分量进行改进小波阈值去噪处理,最后对处理后的噪声分量与信号主导分量进行重构,获得降噪后的MEMS传感器信号。静态和动态实验结果表明,该方法去噪处理后信号的信噪比分别提高12和10 dB,均方误差分别降低75.5%和46.6%,去噪效果显著,能够提高MEMS传感器的精度。