基于有效值滑窗差分算子和采样序列重构的电压暂降测量方法

电压暂降是电力系统中最令用户困扰的电能质量问题,对其特征参数进行准确测量是电压暂降评估和治理的首要前提。然而,当前电压暂降检测算法存在参数检测准确度低、实时性差以及缺乏相位跳变信息等不足。为此,提出一种基于有效值滑窗差分算子和采样序列重构的电压暂降测量方法,以实现其特征参数的快速、准确检测。该方法首先利用有效值滑窗差分算子准确获取电压暂降的起止时刻。接下来,依据暂降起止时刻对原始信号分区,并对不同分区的信号进行加窗插值快速傅里叶变换(FFT)运算。而后,对采样序列重构并进行相位校正。最后,得到电压暂降的持续时间、暂降深度和相位跳变等特征参数信息。在暂降幅值和相位同时变化、不同谐波分量、不同信噪比噪声等情况下的仿真实验结果表明,所提方法具有准确度高、实时性好和鲁棒性强等优点。实际构建硬件测试平台的测试结果满足GB/T 30137-2013中电压幅值误差≤0.2%、相位跳变误差≤1°以及暂降持续时间误差不超过一个周期的要求,验证了算法的有效性和可行性。

基于遗传算子采样的自适应代理优化算法

提出一种应用于黑盒问题(black-box problem)的优化算法,称为遗传算子采样(genetic operator sampling,GOS)自适应代理优化算法。通过对当前样本进行两两交叉,对当前最优样本进行高斯变异2种算子获得候选样本集。对候选样本进行适应性评估,评估标准为候选样本处的交叉验证误差和该样本与父代样本之间最小距离的乘积,将乘积最大的样本加入已有样本集。GOS优化算法在一维问题中详细阐述,与有效全局优化算法(efficient global optimization,EGO)和最大化模型误差算法(maximum square error,MSE)在3个典型数学算例中进行对比,验证该算法的有效性。

结合非子采样轮廓变换和形态收缩算子的多源遥感影像配准

针对多源遥感影像自动配准中难以提取大量同名特征点的问题,提出了一种结合非子采样轮廓变换和形态收缩算子的自动配准算法。结合非子采样轮廓变换和形态收缩算子的特征提取算法能够克服角度和尺度偏差,在多方向、多尺度空间精确提取强边缘上的关键结构特征点;基于低频波段的归一化互信息匹配算法和三角形一致检验算法能够提取到大量高可靠性的同名特征点对,保证了多源遥感影像的高精度配准。文中选取角度和尺度偏差显著的SPOT-5(P)和ASTER影像组合进行试验,结果证明以上算法能够检测到大量分布均匀的同名特征点对,配准模型精度趋近于1个像元。该研究可为多源遥感数据的融合和目标识别提供前提条件。

基于δ-算子的采样控制系统的鲁棒稳定界

采样控制系统的扰动往往是连续时间系统参数的不确定因素通过离散化或采样的表现．研究连续时间系统参数扰动对δ－算子描述的采样控制系统参数的影响，建立了使δ－算子描述的扰动离散时间系统稳定所需满足的条件．

基于Laplace光顺算子的采样网格优化方法

本文提出了一种应用于细分曲面重建中的基于采样技术的网格优化算法,采用了Laplace优化光顺算子,并通过自定义的φde准则进行了采样区域限制,有效地避免了过度采样并提高了算法效率。同时,本算法与切向投影算法做了速度、质量及网格近似性等方面的比较。实例表明,该算法不仅具有高效性、稳定性,而且在保证质量的情况下具有更好的逼近性。

基于视频自适应采样的快速图像检索算法

为解决智慧农业监控系统目标图像检索计算量较大、耗时较长的问题,提出一种视频自适应采样算法。首先,根据视频相邻帧相似度变化情况自适应调整视频帧的采样率以提取视频关键帧,确保提取的关键帧能替代相邻帧参与目标图像检索计算。然后,将视频关键帧以时间为轴构建视频帧检索算子,代替原视频参与目标图像检索计算,从而减少在视频中检索目标图像时的大量重复计算,达到提升检索效率的目的。实验表明,自适应采样算法相较于固定频率采样、极小值关键帧算法所构建的视频帧检索算子检出率更高、更稳定。在确保图像被全部检出的基础上,使用视频帧检索算子替代原视频参与目标图像检索计算的优化幅度较大,时耗减少了60%以上,对提升智慧农业监控系统中目标图像的检索效率具有重要意义。

多元大乘积型采样算子的逼近性质

介绍多元核函数广义采样算子的极大形式理论.在极大单核函数广义采样算子结果的基础上,我们利用一阶连续模估计多元极大乘积型采样算子的逼近性质.最后,给出多元核函数的具体例子:sinc-函数.

基于改进YOLOv5s的小目标检测算法

针对当前主流目标检测算法对图像中远距离小目标产生的漏检、误检等问题,提出一种改进YOLOv5s的小目标检测算法。在模型训练过程中,通过引入Focal-EIOU定位损失函数,加强边界框的定位精度;在骨干网络中,通过添加小目标检测层,提高小目标的检测精度;在Neck结构中,通过优化上采样算子和添加注意力机制,加强小目标的特征信息。实验结果表明,改进后的算法在VisDrone数据集上与YOLOv5s算法相比,mAP@small提高了3.2%,且检测速度满足实时性的要求,能够很好地应用于小目标检测任务中。

基于图割和局部算子的图子集选取

图子集选取问题旨在从图节点集中采样少部分代表性节点,利用观测的节点信号值去重构原始图信号。在资源有限的情况下,可以降低数据维度和计算复杂度,提高对复杂多变图结构的适应性,从而为网络数据的传输处理提供高效的技术支撑。现有的确定性算法大多采用贪心优化,后序采样点的选择依赖于前序已采样节点,对初始值敏感,且可能陷入局部最优;同时,大多数频域算法没有考虑顶点域内采样集节点的空间关系。该文提出基于局部算子的两步采样算法,通过构建节点局部算子的内积完全图来度量采样节点的距离,首先求解标准图割,将节点集按距离划分指定个数簇;其次,在各个簇内依据稀疏性度量选择最优点,从而生成最终的采样集。该算法同时结合了频域与节点域的信息,并使得采样可并行执行。在多种图场景下与多种代表性算法相比,该算法都可以取得最优或相近的重构效果。

基于Yolov7_Pose的轻量化人体姿态估计网络

人体姿态估计在计算机视觉、人机交互与运动分析等领域广泛应用。当前人体姿态估计算法往往通过构建复杂的网络来提高精度,但这带来了模型体量和计算量增大,以及检测速度变慢等问题。因此,文中提出一种基于Yolov7_Pose的轻量化人体姿态估计网络。首先,采用轻量化CARAFE模块替换原网络中的上采样模块,完成上采样工作;接着,在特征融合部分引入轻量化Slim-neck模块,以降低模型的计算量和复杂度;最后,提出了RFB-NAM模块,将其添加到主干网络中,用以获取多个不同尺度的特征信息,扩大感受野,提高特征提取能力。实验结果表明,改进后网络模型的GFLOPs和模型大小分别降低了约18.1%、22%,检测速度提升37.93%,并在低光环境、小目标、密集人群和俯视角度下表现出了较好的性能。

基于改进YOLO v5n的葡萄叶病虫害检测模型轻量化方法

由于较大的参数量和较高的计算复杂度,直接在移动端部署通用检测及识别模型的难度较高。为了解决轻量化的移动端部署难题及提升移动设备上葡萄叶病害的检测能力,拟提出1种轻量化、高精度、实时性的检测模型。首先,引入Slimming算法对传统的YOLO v5n网络进行缩减,利用模型稀疏化训练、批归一化的缩放因子分布状况对不重要的通道进行筛选;其次,引入轻量级上采样算子CARAFE增加感受野,进行数据特征融合;最后,将边界框回归损失函数改进为WIoU损失函数,制定合适的梯度增益分配策略来获得更加精准的框定位提升模型对每个类别目标的检测能力。试验结果表明,改进后的模型能够在保持模型性能的情况下有效轻量化。与传统的YOLO v5n相比,改进后的算法mAP提高了0.2百分点,同时改进后的模型权重、参数量、计算量分别为1.6 MB、0.6 M、1.8 G,分别比原模型减少了58%、67%、57%,能够满足移动端和嵌入式设备的部署要求。

系统控制和信号处理中的Delta算子方法

对 Delta算子方法在高速信号处理与控制领域的最新进展进行综述 ,其内容包括 Delta算子系统的鲁棒性与 H∞ 控制 ,基于 Delta算子的 PIP控制与 GPC控制 ,信号处理中的 Delta算子方法 ,基于有限字长的控制器和滤波器的实现等。最后介绍了 Delta算子方法的若干应用成果。

反馈控制系统Delta算子理论的研究与发展

反馈控制系统的Delta算子理论在高速信号处理与数字采样控制领域具有重要作用．本文对Delta算子方法的研究现状与存在问题进行综述，内容涉及Delta算子模型描述与转换、系统辨识与状态估计、自适应控制与预测控制、鲁棒控制与H∞控制、数字滤波器实现等方面，并探讨了将来的发展方向．

基于YOLOv7-tiny的轻量级苹果实时检测算法

针对苹果生长所处的自然环境复杂程度高、网络模型过大、难以在移动端部署等问题,提出一种基于YOLOv7-tiny的轻量级苹果实时检测方法。该方法引入CG-Block模块代替原YOLOv7-tiny网络的部分卷积,对原网络的ELAN-tiny结构进行修改,极大地减少网络规模,并提高检测精度;使用Mish激活函数代替原激活函数,增强网络的提取特征能力;采用CARAFE轻量级上采样算子,进一步提升网络的特征融合能力。试验结果表明,改进后的算法与原算法相比,mAP@0.5提高1.9%,准确率提高4.1%,参数量降低45.4%,计算量降低46.2%,模型规模减少43.9%,FPS达到196.1 f/s。改进后的算法在保持良好实时性的同时,提升检测精度,极大地降低网络规模,为网络模型在移动端部署增添可行性。

基于非下采样contourlet变换的图像边缘检测新方法

非下采样contourlet变换(nonsubsampled contourlet transform,NSCT)由于其平移不变性使得检测出的边缘定位准确。但是传统的基于非下采样contourlet变换的边缘检测结果中仍存在伪边缘,这是固定阈值选取不当所致。采用双阈值对高频子带中的模极大值进行筛选,用得到的两个矩阵进行补偿链接可以减少伪边缘。由于NSCT系数的结构特点,低频子带中也存在丰富的边缘信息,再用Canny算子对低频子带进行检测。仿真结果表明,基于双阈值的模极大值方法检测的高频子带细节丰富、定位准确、纹理清晰,Canny算子检测的低频图像边缘,轮廓完整连续,融合后的图像有效地抑制了噪声,消除了伪边缘。

遗传选择算子的比较与研究

在改进的基本遗传算法的实验基础上,通过分析传统的基本选择算子的理论及其优缺点,提出了能够产生较好收敛速度的三种选择方法:基于上限的确定式采样、基于切断的轮盘赌选择以及无回放最大值选择法,通过实验证明其在收敛性和收敛速度上都有很大的改善,为一些需要更快速求到最优解的应用问题提供了更好的选择策略。

广义Delta算子系统稳定性分析

分析广义Delta算子采样周期和稳定域的关系,认为采样周期和稳定域是一个一一对应关系,得出采 样周期取值范围可为整个实数轴,稳定域为扩充复平面上的圆域,稳定域的半径为采样周期的倒数。

改进YOLOv5s的复杂交通场景下目标检测算法

针对在实际的交通道路目标检测中,存在着小目标检测精度低,遮挡目标容易出现漏检误检等问题,提出了一种改进的YOLOv5s道路目标检测算法YOLOv5s-OEAG。将YOLOv5s的标签分配策略更换为效率更高的OTA标签分配策略,提高模型的检测精度与泛化能力;提出了一种轻量化的解耦预测头对不同尺寸的特征层进行分类任务与回归任务的解耦,提高模型对道路中小目标的检测能力;将原始模型中的最近邻插值上采样模块替换为轻量级通用上采样CARAFE模块,有助于更好地保留图像中的细节信息,提高模型的精度;提出了一种新的C3模块GMC3,在减小模型计算量的同时提高模型捕获特征的能力;为了提高模型的泛化能力,对KITTI数据集进行了扩充,增加了小目标的数量。实验结果表明,改进后的模型在经过扩充后的KITTI数据集的mAP达到了90.4%,比原始模型的精度提高了2.8%;FPS为75,满足实时性的要求,在一定程度上提高了对复杂交通场景的适应能力。

一种面向行人跌倒检测的改进YOLOv5算法

针对行人跌倒检测的应用场景复杂,原始YOLOv5的检测精度不高,特征融合不充分的问题,本文首先提出了一种新的特征金字塔(FPN)结构-自适应特征增强融合金字塔网络(AFEF-FPN)和特征增强融合模块(FFEM)来增加特征的表示以及融合深度.其次使用基于全局语义信息的上采样算子CARAFE代替Nearest Upsample来建模全局上采样信息,使用Alpha IoU Loss代替CIoU Loss来提高High IoU目标的损失和回归精度.最终本文网络YOLOv5(AFEF-FPN)在训练集上取得了98.62%mAP,在测试集上取得了96.21%mAP,相比于原始YOLOv5网络在训练集和测试集上分别提升了1.64%和2.86%.实验表明,本文网络在复杂场景下的目标检测效果优于原始YOLOv5及其他网络.

双速率采样控制系统的仿真

应用离散提升技术、快速采样算子和快速保持算子 ,研究双速率采样控制系统的仿真方法。该方法可给出系统的接近连续信号的仿真结果。最后给出了具体的仿真步骤 ,并结合实例在 MATL AB环境下编程实现。