《电子测量技术》简介

《电子测量技术》一直立足于以创新、实用为特点,致力于加强业界学术交流活动,推广新技术、新产品的应用,以促进电子测量技术的发展和进步。本刊为半月刊,每月15日、30日出版。作为国内第一本专注于电子测量领域的杂志,现征集:测试测量的理论基础、电参数测量、信号检测技术、传感器技术、仪器仪表技术、嵌入式技术、通信技术、DSP、EMC/EMI测试、纳米测试、虚拟仪器技术、基于总线的测试、集成电路测试、在线测试与故障诊断、计算机在测控系统中的应用、软件工程、网络技术、可编程器件在测控系统中的应用、微处理器应用,以及测试测量技术在航空航天、机械电子、医疗、智能家居和汽车电子等领域的研究或应用论文。欢迎大家积极踊跃投稿。

可级联组网的无线时间比对系统设计

随着科技的发展,越来越多的场合需要实现多个终端间的纳秒量级高精度时间比对,例如现代化军事靶场、战场、雷达观测基地等。现阶段常用的纳秒量级多终端间的时间比对方法是导航卫星共视法,该方法需要搭建数据交换链路,应用的灵活性受限。本文基于无线伪随机码测距原理、双向时间比对原理和码分多址技术,设计出一套可以自适应组网的高精度时间比对系统,不需要额外搭建数据交互通路即可实现级联节点之间的纳秒量级时间比对。其次,分析了利用该系统实现纳秒量级时间比对的技术难点,并提出了相应的解决方法。最后,搭建实验平台对设计的时间比对系统进行验证。实验结果表明,在500 m的无线比对基线下,可以实现优于0.5 ns的静态时间比对精度。

基于直线检测的航向角误差校正方法

提出了一种基于直线检测模型的多传感器数据融合航向角随机误差校正方法,旨在提高农林环境下低成本传感器组成的定位平台的精度。该方法通过调整直线检测阈值来实现状态的动态调整,以提高导航系统的鲁棒性和精确性。再将多传感器数据通过卡尔曼滤波融合,实现航向角随机误差的校正。试验结果表明,该方法在不同路径和速度下能有效降低航向角误差提高定位精度。在直线行进试验中,本方法的定位精度保持在5cm以内,航向角误差在5°以内。在矩形行进试验中,本方法的轨迹与差分RTK方法相近,平均误差仅为2.7cm,标准差为3.9cm。这一航向角校正方法为农业机械和车辆环境中的自主操作提供了有力支持。它能够适应不同的环境条件,提高导航系统的性能和测量准确性。

基于改进U-Net的水下图像增强算法

针对水下退化图像存在颜色失真、模糊雾化、对比度低等问题,提出了一种新的基于改进U-Net的水下图像增强算法。设计一种新的残差注意力结构和边缘检测模块并将其引入到U-Net网络中,构建改进后的水下图像增强算法。实验结果表明,本文提出的算法在校正水下色偏和增强对比度方面均得到了很好的效果,IE值较原始图像平均提高了14.2%,UCIQE值较原始图像平均提高了24%。消融实验结果表明,本文提出的残差注意力结构、边缘检测模块和损失函数均对水下图像增强起到了积极的效果。

基于多模态轻量化混合模型的情绪识别

实现更加准确的情绪识别是当前面临的一项富含挑战性且十分有意义的任务。由于情绪的复杂多样性,单一模态的脑电信号难以对情绪进行全面客观的度量。因此本文提出一种多模态轻量化混合模型PCA-MWReliefFGAPSO-SVM,该混合模型由PCA-MWReliefF特征通道选择器和GAPSO-SVM分类器构成。选用脑电信号(EEG)、肌电信号(EMG)、体温信号(TEM)三模态信号进行情绪识别。在DEAP公共数据集上进行多次实验验证,在效价维度、唤醒维度和四分类中分别取得了97.5000%、95.8333%、95.8333%的分类准确率。实验结果表明,提出的混合模型有助于提高情绪识别准确率且明显优于单模态情绪识别。与近期的类似工作相比,本文提出的混合模型具有较高准确率、计算量小且通道数少的优点,更易于实际应用。

电力变压器关键尺寸视觉检测方法及其缩比模型验证

电力变压器的关键尺寸测量是其装配制造、运输安装过程中重要一环,现有测量方法操作繁琐且效率较低。为此,本文提出了一种适用于110 kV油浸式电力变压器关键尺寸视觉检测方法,该方法利用YOLO目标检测算法、Grabcut图像分割算法实现关键组部件的智能检测与分割,然后基于双目立体视觉原理实现套管相间距离及变压器最大截面外形尺寸等关键尺寸的测量。本文搭建了110 kV油浸式电力变压器外观缩比模型,试验分析了拍摄距离和角度等因素对电力变压器关键尺寸视觉检测的影响。结果表明,本文基于缩比模型试验实现了在不同拍摄距离与角度下变压器关键尺寸的视觉检测,验证了该方法的有效性。本文方法可以为110 kV油浸式电力变压器现场尺寸测量提供参考。

基于改进DBO优化BiLSTM的IGBT老化预测模型

为了表征逆变器故障中IGBT模块的老化趋势,提高老化过程的预测精度,本文提出一种基于改进蜣螂搜索算法(IDBO)优化双向长短期神经网络(BiLSTM)超参数的IGBT老化预测模型。首先提取老化过程中Vce.on的时频域特征,利用核主成分分析进行降维构建归一化综合指标。其次,针对蜣螂搜索算法(DBO)的不足,通过引入改进Circle混沌映射、Levy飞行和自适应权重因子提升了DBO寻优能力和收敛性能,利用IDBO对BiLSTM预测模型超参数实现全局寻优。最后,通过实际IGBT退化数据验证了基于IDBO优化BiLSTM老化预测模型的有效性和优越性。结果表明,所构建的IDBO-BiLSTM模型与BiLSTM模型相比RMSE平均下降36.42%、MAE平均下降31.77%、MAPE平均下降41.03%。

固态断路器多IGBT串联混合均压电路设计

固态断路器需多IGBT串联切断短路故障电流,针对多IGBT存在电压分配不均、局部电压过高、损耗大等问题,提出一种混合式均压控制电路拓扑结构。分析固态断路器多IGBT均压影响因素,研究均压拓扑性能。优化缓冲电路结构,改进充放电型缓冲电路,减小损耗;引入双阈值钳位控制电路,改善IGBT过电压;提出被动均压与辅助反馈主动均压结合的混合均压控制策略,加快响应速度,实现均压动态自适应调节。制作样机,进行固态断路器设计拓扑和控制的仿真及实验验证,结果表明:混合式均压控制电路可减小IGBT电路超调量,具备更强的抑制过电压能力,提升响应速度。

基于双目视觉的拖车钩检测与定位方法研究

在某些危险环境下需要拖车实施救援时,救援人员难以靠近,救援人员可以通过遥控操作拖车杠来完成拖车钩的挂装。针对被救援车辆拖车钩的检测与定位问题,提出了一种拖车钩检测与定位方法ECSA-YOLOv5,首先改进YOLOv5算法,设计了高效注意力模块ECSA,将其替换掉空间金字塔池化模块上一层的模块,并增加一个大小为160×160的小目标检测层,能够更准确的获得拖车钩在图像中的像素坐标;通过在SGBM立体匹配算法预处理阶段加入引导滤波、后处理阶段引入加权最小二乘法WLS滤波与异常值处理,从而获得更优化的视差图,得到更为准确的目标深度信息,提高拖车钩位置信息计算的精确度。基于JetsonAgxXavier开发板进行了实验验证,实验结果表明,ECSA-YOLOv5模型较YOLOv5s模型AP值提升了5.8%,达到了99.0%,平均实时检测帧率为14fps,定位测距在3m内时,误差在3.5%以下,能够满足拖车钩的检测与定位的准确性和实时性的要求。

注塑件机器视觉缺陷检测的几何矫正方法研究

针对多面体注塑零件在机器视觉缺陷检测中的零件图像几何形变问题,提出了基于几何光学原理的矫正算法。在拍摄定位误差不大于1 mm的条件下,所述方法矫正误差理论上<0.1 mm,可满足注塑零件机器视觉缺陷检测的需要。首先对采集的图像进行预处理获取图像边缘;接着将轮廓线交点确定为零件顶点;根据顶点位置分割零件的不同表面并将其映射在二维平面;然后根据几何光学计算图像中每一个像素点的偏移量;最后使用基于几何光学的方法对图像中的像素点进行逐点矫正。利用一组六面体零件模拟实际工况,在不同的拍摄定位误差状态下进行实验,使用Matlab对矫正算法进行验证。实验结果表明,所述方法误差在0.1 mm以内,与理论分析相吻合,满足注塑零件在机器视觉缺陷检测中零件图像几何矫正精度的需要。

基于随机几何的输电场景中无人机信道建模

为了准确描述输电环境中巡检无人机与地面基站之间无线信道,采用随机几何建模法,提出一种基于随机几何的三维信道模型。在该模型中考虑输电线路环境中塔杆,输电线的影响,采用水平圆柱体描述输电设备和周围环境的散射体分布情况,为了防止输电线路产生的电磁场影响无人机巡检作业安全,在模型中设置安全飞行区域,保证巡检安全。针对提出的信道模型,推导并分析了了空-时相关函数,多普勒功率谱密度,电平交叉率和平均衰落时间等信道统计特性。研究了散射体分布情况,无人机运动状态对信道统计特性的影响。仿真结果表明,无人机运动速度大小、飞行方向,散射体分布情况对信道影响显著。理论结果和仿真结果吻合良好,验证了所提模型的正确性和有效性,可以为输电线路场景下巡检无人机与地面基站之间的无线通信系统设计提供理论参考。

基于深层图卷积的EEG情绪识别方法研究

针对浅层图卷积提取的局部脑区空间关联信息对情感脑电表征不足的问题,本文提出了一种深层图卷积网络模型。该模型利用深层图卷积学习情绪脑电全局通道间的内在关系,在卷积传播过程中应用残差连接和权重自映射解决深层图卷积网络面临的节点特征收敛到固定空间无法学习到有效特征的问题,并在卷积层后加入PN正则化扩大不同情绪特征间的距离,提高情绪识别的性能。在SEED数据集上进行实验,与浅层图卷积网络相比准确率提高了0.7%,标准差下降了3.15。结果表明该模型提取的全局脑区空间关联信息对情绪识别的有效性。

基于改进的Transformer细粒度图像识别算法研究

针对细粒度图像识别存在类间差异小、难以区分等问题,本文通过提升网络对图像细节特征的表达能力,来改善这一问题。为此,设计了一种基于改进的Transformer细粒度识别算法。首先,可变形卷积令牌嵌入通过自适应调整采样点的位置,来改变卷积操作范围及其卷积核的形状,从而增强网络模型对空间信息的感知能力,以获取更为精准的空间信息;其次,高效相关通道注意力机制通过对通道的自动选择,将通道注意力的计算从通道相邻转换成语义相似,来捕获语义相似的通道信息。而精准的空间信息和语义相似的通道信息将有效提升网络模型局部特征感知能力。实验结果表明,与基线算法相比,本文方法在CUB-200-2011、StanfordCars和StanfordDogs三个数据集上的识别结果分别提升了1.5%、2.4%、1.5%。结果表明,本文提出的方法通过提升细粒度图像细节特征的表达能力,从而有效提高了细粒度图像识别的有效性。

基于象限分割的迟滞软切换VLC-WiFi接入选择算法

针对解决无线网络频谱匮乏、用户频繁切换问题,本文提出一种基于象限分割的VLC-WiFi异构接入与迟滞软切换算法。依照三维坐标系将室内分割为4部分建立用户速率模型,获取用户速率,建立遮挡模型模拟VLC链路被遮挡情景。用户依据所在位置、象限、遮挡及速率等参数执行接入操作;切换依据迟滞思想将向内切换与向外切换阈值差异化,使切换存在弹性空间从而抑制乒乓效应。在5 m×5 m×5 m室内空间内经过多次实验表明,提出的室内VLC-WiFi异构组网方案水平切换次数降低43.8%,遮挡及垂直切换数降低45.3%,乒乓次数降低52.27%,吞吐量比传统算法提升约5.84%。该算法可以显著降低切换与乒乓次数。因此本文为室内异构网络通信研究提供理论依据。

基于多维效用函数的多基站运行成本优化方法

现有移动通信系统出现业务量迅猛增长现象,为缓解增长的基站负荷带来的基站功耗,移动通信系统中为基站配备了可再生能源产能设备。如何实现通信系统信息流与能量流匹配,完成通信业务与基站可再生能源储备的精确配对,更加充分的利用通信系统内可再生能源,是下一步优化通信系统网络性能并降低系统运行成本的关键。为此,本文构建了一个多维效用函数,该函数联合考虑了用户的接受信干噪比、可再生能源利用与基站负载3种因素。通过将求解多基站系统运行成本最小化问题转化为多维效用函数效用值最大化问题,对多基站系统进行优化,并实现系统运行成本最小化。问题转化后为一个混合整数非线性优化的非凸问题。为求解该问题本文提出了多维效用函数迭代优化算法,将该问题拆分为用户调度、功率分配与基站负载均衡3个子问题,通过采用交替优化和连续凸近似技术对问题进行迭代求解。仿真结果表明,相比于最大SINR关联优化算法与“最大SINR+可再生能源利用”优化算法,本文算法在可再生能源利用率方面分别提升了58.68%和29.74%,且系统总费用一直维持在较低水平,具备显著优势。

基于主动悬架的整车车身姿态控制策略研究

针对车辆在行驶过程中产生的车身姿态失衡问题,提出了一种基于姿态补偿的主动悬架整车车身姿态控制策略。在建立整车七自由度动力学模型,并基于随机路面进行实车试验验证整车模型的准确性的基础上,构建了模型预测控制器,根据状态观测器估计的各信号求解各个悬架的垂向控制力以衰减车辆垂向振动;进而以模糊算法为基础设计车身姿态补偿控制策略,使电磁直线作动器产生反作用力以抑制车身姿态恶化。选取某型号直线电机作为主动悬架力源,将垂向控制力与姿态补偿力合并得到各悬架控制所需电磁作动力,以此计算电机所需目标电流,并通过MATLAB/Simulink平台对主动悬架系统进行仿真。仿真结果表明:所提出的基于主动悬架的整车车身姿态控制策略在不影响车辆垂向控制效果的基础上,能够大幅降低车辆质心侧倾角和俯仰角的均方根值,车身姿态得到有效控制。

基于人工磁场的防疫机器人路径规划

针对传统人工势场法在防疫机器人路径规划过程中容易陷入局部极小值和目标不可达的问题,提出一种基于人工磁场的路径规划算法。首先,对障碍物周围建立人工磁场,引入洛伦兹力,洛伦兹力与引力保持垂直,避免机器人陷入局部极小值点;其次,在洛伦兹力函数中引入机器人与目标点的距离影响因子,解决目标不可达问题;再次,通过建立目标点与障碍物之间的虚拟直线优化洛伦兹力的方向,避免迂回路径,减少路径规划的步数。最后,在MATLAB环境下对传统人工势场法和人工磁场法进行了仿真实验,实验结果表明,人工磁场法可以克服局部极小值和目标不可达问题,规划的路径对障碍物进行了避障,避免了徘徊振荡的情况出现,提高了路径规划的质量。

一种进行环路隔离的大电流高电源抑制比LDO设计

针对传统带有电荷泵、以NMOS作为功率管的LDO驱动能力低下和输出纹波偏高的问题,基于Huahong 0.35μmBCD工艺,设计了一种隔离交直流环路的大电流LDO。该LDO通过将直流环路和交流环路进行隔离,降低了对电荷泵驱动能力的需求,从而保证NMOS功率管栅极驱动电压的较低纹波并实现大电流输出。通过加入纹波电流吸收电路,增强了LDO的PSRR。结果表明,在3.41~5.5V的输入电压范围内,LDO的输出电压为3.3V,输出电流最高达到3 A,压差为110 mV。LDO在轻负载下的PSRR为:111.261dB@DC,86.9005dB@1kHz,78.9472dB@1MHz;重负载下的PSRR为:111.280dB@DC,84.1231dB@1kHz,39.2638dB@1MHz。

基于改进SAC的倒立摆控制算法研究

针对倒立摆系统控制过程中易受外界干扰和自然不稳定的特点,以及深度强化学习SAC算法采样数据利用率较低和随机离线策略网络收敛较慢的问题,提出了一种结合近端经验采样和优化策略网络结构的改进算法PRER_SAC。构建神经网络拟合函数,策略网络使用性能更优的Mish函数作为激活函数,设置自调节温度系数以增强智能体的探索能力;设计远、近两个经验池,及一种改变数据存放频率的训练策略,提高数据样本的利用率。通过仿真实验对比,所提方法在同等训练次数下所得回报值和算法收敛速度优于DDPG和SAC算法,同传统控制方法PID和LQR相比,有更好的控制效果。最后,对训练好的智能体加入角度扰动,可在2 s内被消除抑制,证明提出的算法具有较强的适用性。

基于ISODATA改进K均值聚类算法的NLOS识别技术

针对超宽带信号中非视距误差造成定位系统定位偏差的问题,提出了一种改进无监督算法的NLOS识别技术。本文提取信道脉冲冲激响应波形的8种特征参量,选择主成分分析算法对多维特征进行降维处理;采用基于迭代自组织数据分析法改进的K均值聚类算法,自适应地选择K值来区分视距和非视距信号;最后,结合特征参量的冗余性、相关性对分类结果进行判别。实验结果表明,该方法能有效地识别出NLOS信号,且具有较好的环境适应性,识别准确度达到95%。