元宇宙:概念、技术及应用研究综述

网络技术、人机交互和人工智能等技术的飞速发展催生了元宇宙,并进一步促进人们物质生活各个方面的数字化转型.2021年是元宇宙元年,元宇宙作为一个新兴的概念受到产业界、学术界、媒体界及公众的广泛关注.本文尝试从技术维度和应用角度深度剖析元宇宙.首先,从定义、起源与发展、特征和关键技术(网络及运算技术、物联网技术、人机交互技术、电子游戏技术、区块链技术、数字孪生技术和其他技术)等多方面对元宇宙的概念及内涵进行论述;然后,讨论了当下布局元宇宙的企业和应用实例;最后,剖析了目前元宇宙发展存在的问题和机遇,并对未来研究与应用进行了展望.通过对元宇宙当前的发展状况、研究趋势进行归纳分析以及科学地评估元宇宙的落地应用,为元宇宙研究人员提供有益的参考和借鉴.

GNSS/SINS/视觉导航鲁棒算法

全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,3者信息融合可获得高精度、无漂移的导航定位信息.针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响.进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性.实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法,以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好,能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿均方根误差0.735 m,绝对位姿误差标准差0.336 m.

肌电控制虚拟现实游戏的腕部训练系统研究

针对传统腕部康复训练方法训练内容枯燥、用户参与训练的积极性低导致训练效率低的问题,设计了一种肌电控制虚拟现实游戏的腕部训练系统.采集腕部运动时的表面肌电信号,并通过肌肉协同原理解码出腕关节运动意图,用于虚拟现实游戏的控制;在虚拟现实游戏中引入随机干扰力,通过阻抗控制的方式实现与虚拟现实环境的交互,使得用户可以探索不同的运动控制方式.通过模型标定实验,验证了系统的可行性,并且开展了训练实验,通过评估任务的完成时间以及路径效率评估训练效果.实验结果表明,通过引入随机干扰力进行训练相对于无随机干扰力进行训练,任务的完成时间减少了24%,路径效率提升了26%,所设计的训练系统可以使得用户以更高效方法进行运动控制,提高了训练的效率.

基于多代理模仿学习的普适边缘计算资源分配

普适边缘计算允许对等设备之间建立独立通信连接,能帮助用户以较低的时延处理海量的计算任务.然而,分散的设备中不能实时获取到网络的全局系统状态,无法保证设备资源利用的公平性.针对该问题,提出了一种基于生成对抗网络(Generative Adversarial Network, GAN)的普适边缘计算资源分配方案.首先基于最小化时延与能耗建立多目标优化问题,然后根据随机博弈理论将优化问题转化为最大奖励问题,接着提出一种基于多代理模仿学习的计算卸载算法,该算法将多代理生成对抗模仿学习(GAIL)和马尔可夫策略(Markov Decision Process, MDP)相结合以逼近专家性能,实现了算法的在线执行,最后结合非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)对时延和能耗进行了联合优化.仿真结果表明,所提出的解决方案与其他边缘计算资源分配方案相比,时延缩短了30.8%,能耗降低了34.3%.

基于优化DeepLabv3+的智能化高速铁路安全区域划分算法研究

针对目前电气化铁路沿线复杂背景下铁路安全区域划分均需采用实际固定标准件为参照物且区域划分范围小等问题,提出一种无需参照物的高速铁路安全区域划分算法.首先基于无人机所采集图像中的相关参数计算出相应的GSD(地面采样间距)参数,然后利用加入ECA-Net模块的DeepLabv3+模型对图像中的轨道进行精确分割.通过边缘检测、开运算、概率霍夫变换等一系列图像处理操作,提取出构成轨道的关键像素点,并运用最小二乘法进行轨道拟合,得出轨道数学表达式.最后,结合数学算法和GSD参数以及轨道数学表达式,完成安全区域的划分.实验结果表明,所提算法测量精度高达90%以上,无需选取固定参照物,适应性强、鲁棒性高,具有较高的实用性和可靠性.

基于改进YOLOv5m的电动车骑行者头盔与车牌检测方法

电动车上路必须佩戴安全头盔已成为交管部门的强制性规定.为了能自动检测出电动车骑行者的头盔佩戴情况,提出一种基于改进的YOLOv5m模型的头盔与车牌检测方法,在检测出骑行者未佩戴头盔的同时还能检测出电动车车牌.模型使用自建电动车骑行者头盔与车牌检测数据集进行训练,用DIOU损失函数代替GIOU损失函数,DIOU_NMS代替加权NMS,增强模型对密集骑行场景的识别能力.在Backone部位与预测中小目标的Neck部位加入ECA注意力机制,使得模型对中小目标的识别率有所提高;用K-means算法对锚框尺寸重新进行聚类.最后,改进Mosaic数据增强方式.实验结果表明:改进的YOLOv5m电动车骑行者头盔与车牌检测模型的mAP为92.7%,较原YOLOv5m模型提高2.15个百分点,较YOLOv4-tiny、Faster RCNN模型分别提高5.7个百分点与6.9个百分点.改进后的YOLOv5m模型能有效提高对头盔与车牌的识别率.

基于Transformer与距离图谱的泛癌细胞核图像分割

肿瘤细胞的密度、核质比和平均尺寸等指标对癌症的分级和预后有重要的意义.在计算病理学中,细胞核分割是肿瘤微环境分析的基础.通过对分割结果进行统计分析,对新的肿瘤标记物的探索有重大的意义.病理图像背景下的细胞核形态不规则,细胞核染色不均匀,且细胞核边缘之间存在黏连的问题,而现有的深度学习算法在细胞核主体分割正确的情况下,边缘的分割错误不会对总体的损失造成太大的影响,黏连的细胞核很容易被当作同一个分割目标.为了解决细胞核重叠问题,本文提出一种基于Transformer与距离图谱的分割模型,将Transformer中的核心多头自注意力机制与距离图谱引导算法相结合,重视细胞核内部,弱化细胞核边界,提升对图像局部和全局上下文信息的学习能力.本文方法在两个公开数据集上的平均Dice系数为0.7979、精度为0.7561、AJI系数为0.6672、Hausdorff距离为10.11.实验结果表明,相较其他分割算法,本文方法的性能更好,能够有效提高细胞核的分割精度,同时较好地解决了细胞核之间的黏连问题.

基于改进2DCNN的高光谱遥感图像处理研究

针对传统遥感图像处理中的时间成本和人工成本高、效率低等问题,以提高遥感高光谱图像分类中的处理速度、精度,降低参数量为目标,提出改进的2DCNN模型En-De-2CP-2DCNN.首先,使用1DCNN、2DCNN与3DCNN在Pavia University HSI数据集上分别进行分类实验,对比分析各自优缺点.其次,在保持较快的处理速度和不增加模型参数量的前提下,选择2DCNN为基础模型,参考SegNet的Encoder-Decoder结构,融入双卷积池化思想进行基础模型改进,同时优化学习策略.结果表明:En-De-2CP-2DCNN模型F1为99.96%,达到3DCNN的同等水平(99.36%),较改进前(97.28%)提高2.68个百分点;处理速度(5 s/epoch)和1DCNN位于同一量级,快于3DCNN(96 s/epoch);参数量(2.01 MB)较改进前降低了1.54 MB,虽高于3DCNN(316 KB),但远低于1DCNN(19.21 MB).En-De-2CP-2DCNN模型在处理速度和参数量方面的改进,有利于进一步实现移动端的轻量化部署.

考虑设计姿态辅助IMU/ODO的轨道不平顺检测算法

采用GNSS定位的轨道几何状态测量仪在隧道、地铁等GNSS拒止环境中无法工作.由于即使铁路轨道发生变形,其仍然接近设计线形,实际轨道位置与其设计值的差异始终保持在一定范围内.本文结合铁路设计参数与惯导/里程计信息,提出一种考虑设计姿态辅助IMU/ODO的轨道不平顺检测算法,该方法将设计姿态与惯导解算姿态相结合进行卡尔曼滤波,并使用里程计速度进行航位推算.通过计算实验,分析了轨道设计姿态信息对轨道不平顺检测精度的提升作用.实验结果表明:铁路设计姿态信息能够显著提高轨道不平顺检测精度,所提方法较基于全站仪辅助的动态检测方法,在30 m弦轨道不平顺检测精度相当,且整体检测效率较高,可以满足日常轨道检测的需要.

基于改进YOLOv5s的交通标识检测算法

针对交通标识在图像中占比小、检测精度低且周围环境复杂等问题,提出一种基于改进YOLOv5s的算法.首先,在主干网络部分添加注意力机制ECA(Efficient Channel Attention,高效通道注意力),增强网络的特征提取能力,有效解决了周围环境复杂的问题;其次,提出HASPP(Hybrid Atrous Spatial Pyramid Pooling,混合空洞空间金字塔池化),增强了网络结合上下文的能力;最后,修改网络中的Neck结构,使高层特征与底层特征有效融合,同时避免了跨卷积层造成的信息丢失.实验结果表明,改进后的算法在交通标识数据集上取得了94.4%的平均检测精度、74.1%的召回率以及94.0%的精确率,较原始算法分别提升了3.7、2.8、3.4个百分点.

基于自适应维纳滤波和2D-VMD的声呐图像去噪算法

声呐图像易产生对比度低、分辨率低、边缘失真等问题,所以在去除声呐图像噪声时难以将有效信号与噪声准确分离,从而导致去噪后图像对比度降低、边缘轮廓不清晰、细节丢失严重等问题.本文提出一种基于自适应维纳滤波和2D-VMD(二维变分模态分解)的声呐图像去噪算法.首先通过二维变分模态分解对含噪图像进行分解,得到一系列不同中心频率的模态分量,利用相关系数和结构相似度筛选出有效的模态分量,并使用自适应维纳滤波处理有效的模态分量,最后将滤波后的模态分量进行重构,从而去除图像中的噪声.实验结果表明:所提图像去噪算法在相关系数(CC)、结构相似度(SSIM)这两项客观数据上表现最优,峰值信噪比(PSNR)略低于NSST域去噪,综合客观数据与视觉效果,本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳.

基于集成深度学习模型的空气质量指数预测

大气污染严重危害居民的出行安全和身体健康,空气质量指数(AQI)是一种用于测量空气质量状况的综合指标,对AQI的预测可以提醒公众空气质量信息,使人们做出更明智的出行决策.通过提前预测空气质量的变化,政府和环保部门可以采取应急措施以减轻空气污染.本文提出基于卷积神经网络和门控循环单元的集成深度学习模型(CNN-GRU)对AQI进行预测.其中,卷积神经网络(CNN)提取污染气体浓度和AQI的时空特征并完成特征映射,门控循环单元(GRU)建模时序关系并高效完成计算.选取2014—2022年北京市和广州市的6种主要污染气体(PM2.5、PM10、SO_(2)、CO、NO_(2)、O_(3))日平均质量浓度和AQI进行实例研究,使用CNN-GRU模型对AQI进行预测,与多元宇宙优化的广义回归神经网络模型(MVO-GRNN)、遗传算法优化的BP神经网络模型(GA-BP)对AQI的预测进行对比分析.实验结果表明,本文提出的CNN-GRU模型对AQI的预测误差最小.

面向实际场景SLAM应用的光照适应性研究

为探究环境感知设备在SLAM算法应用过程中的光照适应性问题,在不同光照强度下分别进行激光雷达和深度相机SLAM算法的验证性评估实验.基于四轮差速机器人,搭载16线激光雷达和深度相机,结合LOAM(Lidar Odometry And Mapping)和RTAB-MAP(Real-Time Appearance-Based Mapping)算法,分别在明暗环境中分析验证设备光照适应性.实验结果表明:在明亮环境下,基于视觉SLAM和激光SLAM系统偏差的中误差分别为0.203和0.644 m;在黑暗环境中两者偏差的中误差分别为0.282和0.683 m;深度相机在明、暗环境中的定位建图效果均优于激光雷达,深度相机的光照适应性更强.

北斗四频中长基线模糊度解算研究

随着北斗三号卫星导航系统完成全球组网并正式开通,中国已成为世界上第3个独立拥有全球卫星导航系统的国家.目前BDS-3卫星可播发5个频点的观测信号,研究BDS-3多频组合对于实现模糊度快速固定、提高定位精度具有重要意义.针对中长基线解算,本文充分利用BDS-3四频中存在电离层延迟极小且具有整数特性的组合,同时考虑对流层延迟的影响,建立了基于弱电离层组合的中长基线解算模型.实验结果表明,相比于传统双频无电离层模型,该模型的模糊度固定速度提高10%以上,N、E、U 3个方向定位精度相比最优双频无电离层组合分别提高了7.7%、7.9%、8.2%.

征稿启事

本刊为学术类双月刊。主要围绕“信息工科”和“生态环境”领域设置六个栏目:计算机科学与工程,电子、通信与自动化,信息科学与系统科学,人工智能与智慧化,地理、遥感与测绘工程,资源、环境科学与工程。欢迎海内外专家学者惠赐佳作。来稿要求主题鲜明、内容创新、数据可靠、文字简练,且是未公开发表过的成果。本刊接受word格式论文,请注册后在线投稿( http://aks.nuist.edu.cn/)。

数据驱动的粮食产能组合预测模型

针对长短期记忆网络(LSTM)在粮食产能预测上存在超参数众多、长时序列信息丢失以及难以区分主次特征的问题,提出一种数据驱动的粮食产能组合预测模型.在超参数部分,通过引入动态权重和拉普拉斯变异的秃鹰算法(WLBES)对LSTM进行超参数寻优,避免了手动调参的过程.在预测部分,利用岭回归(RR)对预测结果进行残差修正,弥补LSTM数据丢失的缺陷;同时加入注意力机制,以权重大小区分主次特征,提升粮食产能相关性较大特征的重要性.研究结果表明,WLBES-LSTM-RR组合模型与LSTM模型和WLBES-LSTM模型相比,均方根误差(RMSE)分别下降了75%、19%,相较于其他优化LSTM的组合模型,RMSE大幅下降,该组合模型在粮食产能预测上具有更高的预测精度.

生物炭农田应用的固碳减排研究进展

温室气体(GHGs)过量排放造成的全球气候变化问题受到广泛关注,农业活动是第二大温室气体排放源,减少农业温室气体排放刻不容缓.生物炭由生物质在高温限氧条件下热解炭化获得,其性质稳定、孔径丰富、富含芳香碳,因而减排增汇效果优异,具有参与农业自愿减排碳交易的显著潜力.然而生物炭固碳减排效果异质性大,影响因素复杂多样,因此有必要对其减排效应、影响因素和研究进展进行归纳总结.本文系统梳理了国内外与生物炭固碳减排相关的室内、大田研究和整合分析研究,同时采用CiteSpace软件进行可视化分析,探究了该领域的发展趋势和研究热点.基于国内外碳交易市场发展特点与程度以及相应配套政策总结了生物炭参与碳交易面临的机遇和挑战,并提出了相应的解决手段,为生物炭固碳减排研究的开展和生物炭农田应用项目参与碳交易提供了科学指导和建议.

冬季不同植物群落对大气颗粒物浓度的阻滞作用

为探讨不同植物群落对大气颗粒物浓度的影响,以郑州市金水区为例,在2020年冬季(2020年12月—2021年2月)对园林绿化区(数码公园)、居住区(正弘·蓝堡湾)、文教区(河南农业大学)内植物群落的PM_(2.5)和PM_(10)质量浓度及气象因子(温度、相对湿度和风速)进行监测.结果表明:每个功能区中不同样地之间的PM_(2.5)、PM_(10)质量浓度日变化趋势基本一致,一般为早高晚低;不同植物群落之间PM_(2.5)和PM_(10)质量浓度存在显著差异性,其中广场样地与其他样地的差异性最显著;3个功能区中各样地对PM_(2.5)和PM_(10)质量浓度的阻滞率均表现为乔灌草结构最高,乔灌结构和乔草结构次之,且多表现为乔灌样地大于乔草样地,灌草结构和草坪最低;研究区域PM_(2.5)、PM_(10)质量浓度与温度呈负相关,与相对湿度呈正相关,与风速呈负相关.

基于3D视觉的机器人分拣实验系统研究与设计

针对智能制造工程专业多学科交叉融合特点,开展了基于3D视觉的工业机器人分拣实验系统研究与设计.采用Kinect相机、工业机器人、PC机、末端执行器搭建了系统硬件实验平台;采用支持向量机算法识别目标物体,提出了将中值滤波预处理和最近邻插值修复相融合的空洞毛刺修复方法;针对待识别物体是否重叠相互遮挡设计了基于霍夫变换计算物体中心点位置及基于点云配准的位姿估计定位策略;在上位机交互界面引导下完成机器人分拣系列实验.实验结果表明:该系统能够准确识别快速稳定分拣出特定形状和颜色的目标物体,实验内容涉及机器人、机器学习、图像处理、软硬件设计等多门课程知识与技术,综合性强、开放性好,为智能制造工程专业实验室建设提供了一种综合性创新型实践平台.

基于BiLSTM-SA-TCN时间序列模型在股票预测中的应用

针对股票预测模型存在时效性和预测功能单一化的问题,本文在长短期记忆网络(LSTM)的基础上,提出了融合自注意力机制(SA)和时间卷积网络(TCN)的双向长短期记忆(BiLSTM)神经网络(BiLSTM-SA-TCN)股票预测模型.BiLSTM-SA-TCN模型中的学习单元和预测单元可以有效学习重要的股票数据,同时能够抓取长时间的依赖信息,输出次日股票收盘价预测值.实验结果表明,BiLSTM-SA-TCN模型在多个数据集上的预测结果更加稳定,模型泛化能力较高,在对比实验中,BiLSTM-SA-TCN模型在大部分数据集上均方根误差最小,平均绝对值误差最小,拟合度R^(2)最优.