顾及钟差短时相关性的导航卫星实时钟差估计

为提高导航卫星钟差估计精度,提出了一种顾及钟差短时相关性的实时钟差估计方法。通过结合钟差状态参数(钟速、频漂),建立实时钟差估计模型,并采用并行策略和高性能矩阵库对程序进行优化,以提高钟差估计的效率。将白噪声模型估计的钟差作为对比,分析钟差二次差的标准差精度,GPS精度提升5.80%,GLONASS精度提升25.77%,Galileo精度提升23.66%,BDS-3精度提升5.66%;在精密单点定位精度分析中,对于GPS+BDS-3组合,钟差状态模型估计的钟差产品相比白噪声估计的钟差产品,东、北、天方向的精度分别提高了11.46%、22.12%和3.52%;对于GPS+BDS-3+GLONASS+Galileo组合,东、北、天方向的精度分别提高了1.79%、2.75%和11.29%。

基于上下文通道注意力机制的人脸属性估计与表情识别

人脸特征蕴含诸多信息,在面部属性和情感分析任务中具有重要价值,而面部特征的多样性和复杂性使人脸分析任务变得困难。针对上述难题,从面部细粒度特征角度出发,提出基于上下文通道注意力机制的人脸属性估计和表情识别(FAER)模型。首先,构建基于ConvNext的局部特征编码骨干网络,并运用骨干网络编码局部特征的有效性来充分表征人脸局部特征之间的差异性;其次,提出上下文通道注意力(CC Attention)机制,通过动态自适应调整特征通道上的权重信息,表征深度特征的全局和局部特征,从而弥补骨干网络编码全局特征能力的不足;最后,设计不同分类策略,针对人脸属性估计(FAE)和面部表情识别(FER)任务,分别采用不同损失函数组合,以促使模型学习更多的面部细粒度特征。实验结果表明,所提FAER模型在人脸属性数据集CelebA(CelebFaces Attributes)上取得了91.87%的平均准确率,相较于次优模型SwinFace(Swin transformer for Face)高出0.55个百分点;在面部表情数据集RAF-DB和AffectNet上分别取得了91.75%和66.66%的准确率,相较于次优模型TransFER(Transformers for Facial Expression Recognition)分别高出0.84和0.43个百分点。

免疫异常数据的金属回流双极直流配电线路状态估计保护方法

实际工程中的量测可能存在异常数据干扰,增加保护误动的风险。为此,基于模型匹配的思想,提出一种免疫异常数据的直流配电线路状态估计保护方法。考虑金属回流双极直流线路的极间耦合,建立线路的精细化等值模型。据此得到系统的量测方程,并根据二次积分法将其离散化以便于求解。对于可能存在的异常数据问题,提出基于窗口图傅里叶变换对数据进行预处理,将数据视为图信号并赋予“频率”的概念,通过提取低频信号达到剔除随机脉冲等高频异常数据的目的。基于递推最小二乘算法对预处理后的状态估计模型进行求解,根据估计模型和实测模型的匹配度构建保护判据,实现区内和区外故障的识别。仿真结果表明,该方法可快速、准确识别区内故障,并有效避免异常数据干扰,同时具有较强的耐高阻、抗通信延时等性能。

基于无线信号的人体姿态估计综述

人体姿态估计在人机交互、动作捕捉和虚拟现实等领域具有广泛的应用前景,一直是人体感知研究的重要方向。然而,基于光学图像的姿态估计方法往往受限于光照条件和隐私问题。因此,利用可在各种光照遮挡下工作,且具有隐私保护性的无线信号进行人体姿态估计获得了更多关注。根据无线信号的工作频率,现有技术可分为高频方法和低频方法,且不同的信号频率对应硬件系统、信号特性、噪声处理和深度学习算法设计等方面均有所不同。该文将以毫米波雷达、穿墙雷达和WiFi信号为代表,回顾其在人体姿态重建研究中的进展和代表性工作,分析各类信号模式的优势与局限,并对潜在研究难点以及未来发展趋势进行了展望。

基于改进OpenPose网络的交通警察姿态估计

针对交警姿态估计存在的特征提取困难、实时性差等问题,提出一种改进的OpenPose网络交警姿态估计方法。采用MobileNet作为主干网络进行交警姿态的特征提取,解决模型随层次加深导致网络退化的问题,减少网络的参数量,加速主干网络内部特征的计算。通过跳跃连接机制将模型并行结构改进为串并同行结构,实现网络内部参数共享,降低模型的复杂度,提高检测实时性。实验结果表明,改进模型在COCO数据集以及公开交警数据集上分别获得78.9%和74.9%的mAP,检测速度可达25帧/s,为交通警察姿态估计问题提供了一种鲁棒性强、实时性高的实际应用方法。

毫米波FBMC调制系统中基于盲扫估计的相位噪声估计研究

毫米波滤波器组多载波(FBMC)调制系统作为一种新型的调制技术,受到广泛关注的同时也面临着一些挑战。由于其发送端和接收端振荡器的非线性失真而产生的相位噪声,导致毫米波FBMC的符号恢复遭受相位噪声污染问题。目前,现有对频域类的相位噪声盲扫估计的方法表现效果欠佳。因此,提出一种频域类的基于盲扫的相位噪声估计方法。首先,针对条状图案散点处理范围处理不精确问题,利用靠近原点的条状图案及图案散点的实部连续性,采用分别向原点左右两个方向进行数据符号散点的筛选;针对符号间串扰和载波间串扰对斜率估计的影响,通过计算不同数据符号的斜率之间的二次差值去间接表示符号所收到的干扰,然后利用干扰权重去抑制受到严重干扰数据符号对斜率估计影响。仿真结果表明,相较于传统的频域类的相位噪声盲扫估计方法,提出新的方法在不同的子载波数,调制阶数,以及不同相位噪声变化场景下,误比特率等性能指标有显著提升。

基于深度学习的水声信道估计技术

在水声通信中,传统的正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)系统需要大量导频数量和循环前缀以维持系统性能,严重浪费有限的频域资源。因此,利用深度学习辅助OFDM恢复失真的传输数据。具体地讲,利用改进的残差块提取和双向记忆接收信号。将自归一化网络(Self-Normalizing Network, SNN)与注意力机制结合,有效分配信道权重,以便系统更有效地利用信道资源,最小化信号失真。使用深度神经网络(Deep Neural Network, DNN)实现接收信号的分类,以准确地恢复接收信号。提出的ICANet(Improved Residual Network, Convolutional Neural Network and Attention Mechanism Self-Normalizing Network)模型可应用于由Bellhop软件生成的水声环境。仿真结果证明,与传统技术中的最小二乘法(Least Square, LS)以及现有的深度学习模型相比,所提出的模型在循环前缀受限的情况下可达到更低的误码率。

多叠加导频OTFS系统低峰均比信道估计

针对现有信道估计方案导致正交时频空间(Orthogonal Time Frequency Space,OTFS)调制系统峰均功率比(Peak-to-Average Power Ratio,PAPR)高或频谱效率(Spectral Efficiency,SE)低的问题,提出一种多叠加导频的低PAPR、高SE信道估计方法。发送端利用时域正交性和离散傅里叶域相位的随机性,在时延多普勒域中嵌入与数据相叠加的5导频符号的导频图案实现低PAPR,提高SE。接收端以数据符号与噪声之和的能量均值为基准,实现导频信号检测,同时根据每个导频的不同位置信息恢复出存在相位旋转的数据信号。基于能量准则,利用多个独立的接收信号进行联合信道估计,以降低数据符号的干扰,并采用消息传递算法进行数据恢复。仿真结果表明,该方法比单叠加导频信道估计的PAPR低,同时较嵌入式导频信道估计的SE提高约14.4%。

调和分数Ornstein-Uhlenbeck金融模型的参数估计

为了描述金融资产价格过程的长相依性和自相似性,首先构建由调和分数布朗运动驱动的分数Ornstein-Uhlenbeck(O-U)模型.由于调和分数布朗运动是分数布朗运动的推广,故所构建的模型具有更广泛的应用.然后基于离散观测样本,利用最小二乘方法,得到模型漂移参数的估计量,并证明了估计量的相合性和渐近分布.最后,通过模拟展示了所得估计量的有限样本性质,模拟结果显示估计量的值拟合参数真值的效果较好.

基于BlendMask与改进Super4PCS的物体位姿估计方法

针对工业上常见的散乱堆叠工件的位姿估计和无序分拣问题,文章提出一种基于BlendMask实例分割算法与改进Super 4PCS(super 4-points congruent sets)点云配准算法的物体位姿估计方法。利用BlendMask实例分割算法分割目标工件并构建工件表面点云;定义抓取分数选择最上层工件作为抓取对象,实现机器人自上而下抓取;针对不同形状的目标工件,基于相似匹配度函数选择模板点云;融合Super 4PCS与正态分布转换(normal distributions transform,NDT)算法完成目标点云和模板点云在低重合率情况下的精确配准,获取目标工件的抓取位姿;并针对Super 4PCS算法粗配准时速度较慢的问题,通过对体素滤波后的目标点云和模板点云提取3D内部形状描述子(intrinsic shape signatures,ISS)作为点云配准算法的输入点集来提高算法的配准速度。点云配准实验和机器人无序分拣实验结果表明,文章提出的物体位姿估计方法可以快速、准确地完成目标工件的位姿估计和无序分拣任务,配准算法均方根误差(root mean square error,RMSE)小于3.8 mm,位姿估计所需时间小于5.8 s,性能满足实际应用要求。

触觉图像位移估计算法研究

针对现有数字图像运动估计算法不能完全适用于低分辨率触觉图像的问题,提出了一种自适应参考模板互相关(ARTC)的触觉图像位移估计算法,其流程包括模板自适应选取、最相似子区搜索和亚像素位移估计。该算法自适应选取模板以实现触觉图像位移的快速、高精度估计。实验结果表明:本文提出的ARTC算法对低分辨率触觉图像进行位移估计的精度和耗时都优于相位相关算法、仿射法和尺度不变特征变换(SIFT)算法。

基于单目RGB图像的三维手部姿态估计方法

现有的三维手部姿态估计方法大多基于Transformer技术,未充分利用高分辨率下的局部空间信息,为此提出基于改进FastMETRO的三维手部姿态估计方法.引入可变形注意力机制,使得编码器的设计不再受限于图像特征序列长度;引入交错更新多尺度特征编码器来融合多尺度特征,强化生成手部姿态;引入图卷积残差模块来挖掘网格顶点间的显式语义联系.为了验证所提方法的有效性,在数据集FreiHAND、HO3D V2和HO3D V3上开展训练及评估实验.结果表明,所提方法的回归精度优于现有先进方法,在FreiHAND、HO3D V2、HO3D V3上的普鲁克对齐-平均关节点误差分别为5.8、10.0、10.5 mm.

IRS辅助毫米波多用户系统的级联信道估计

在智能反射面(Intelligent Reflecting Surface,IRS)辅助毫米波多用户系统中,针对传统信道估计方案因不完全稀疏性导致性能下降的问题,提出了一种基于多用户公共稀疏结构的3阶段联合估计方案。该方案将基于完全稀疏结构的公共参数作为先验信息,通过对用户联合估计实现性能提升。第1阶段利用用户对级联信道特定结构的共享性,估计公共参数信息。第2阶段提出一种改进的正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)估计用户独有的参数信息作为联合估计的初始值,还引入对支撑集原子的二次筛选,确保用于估计的支撑集最优。第3阶段基于先验信息和初始值对用户级联信道进行联合估计。仿真结果表明,所提方案较现有结构化稀疏方案可以显著减少冗余导频消耗,并且在相同导频开销下,估计精度最大提高3~4 dB。

基于全局背景光强度估计和对比度调整的无监督水下图像增强

提出了一种优化全局背景光强度估计和对比度的无监督水下图像增强方法。针对用高斯模糊估计全局背景光不准确的问题,提出一种全局背景光估计方法,利用包含上、下采样以及卷积的网络来精确估计全局背景光,并通过平滑约束来监督网络的学习;针对复杂成像环境、局部与全局处理不均衡等导致的色偏及对比度低的问题,提出一种对比度调整的综合方法,对网络施加对比度约束,并结合自动色阶和CLAHE方法,改善全局亮度和对比度并保持局部细节。基于自建的水下图像数据集和真实水下图像数据集进行水下图像增强实验。结果表明,该方法在视觉效果和定量指标上均表现突出。自建数据集图像增强后对比度高、细节清晰,在UCIQE、UIQM和综合指标上均表现最佳,分别达到0.54、0.55和44.76。

基于σ-预算的主动配电网两阶段区间状态估计方法

针对新型电力系统背景下主动配电网存在的实时量测数据少、量测不确定性强等问题,提出一种基于σ-预算的主动配电网两阶段区间状态估计方法。在第一阶段,构建混合整数线性规划模型,采用伪量测数据替代辨识出的量测不良数据,提高区间状态估计算法的鲁棒性;在第二阶段,基于广义方和根误差合成理论建立基于σ-预算的量测不确定性集,作为区间状态估计模型的输入可行域,以克服区间估计算法高保守性的问题;结合稀疏矩阵构建区间状态估计线性优化迭代模型,从而更加高效地求解状态变量的区间上下界。通过修改的IEEE 33节点系统、IEEE 118节点系统和江苏某市26节点配电网仿真验证了所提方法的有效性。

面向OTFS-ISAC系统的智能信道估计现状、挑战与展望

OTFS和ISAC技术均是6G移动通信的关键候选技术,OTFS和ISAC的融合系统OTFS-ISAC是当前移动通信研究的前沿。信道估计是接收机的关键处理,对系统性能起着重要的作用。同时,人工智能技术日益成为重要的通信系统信号处理手段。为此,对OTFS-ISAC系统的智能信道估计进行了综述。首先描述OTFS-ISAC的系统模型,包括调制、解调以及雷达和通信模型;其次,详细阐述了三种智能信道估计方法:基于贝叶斯学习的稀疏估计、基于具有自适应阈值的深度卷积残差网络的信道估计和基于迭代深度学习网络的信道估计,这些方法利用了人工智能技术为信道估计问题提供了新的解决途径;然后,探讨了OTFS-ISAC系统中信道估计面临的技术挑战,包括信道特性的复杂性、参数估计的不一致性与复杂性、资源分配和开销问题以及技术融合与兼容性问题;最后,展望了技术创新与突破、标准化与规范化、应用场景的拓展以及跨领域合作与融合的未来发展方向。

中国高新技术企业全要素生产率估计与分析——基于非参数模型

高新技术企业是新时期高水平推进新型工业化的重要主体,也是新质生产力的主要推动者,其创新水平如何,是各界关心的重要问题。研究使用2013—2019年国家高新区企业的微观数据,构建非参数生产函数模型,放松了投入要素对产出具有线性影响的假设,并考虑高新技术企业进行投入要素投入决策时可能存在的内生性问题,利用两阶段非参数法估计高新技术企业的生产函数,计算得到企业层面的全要素生产率,从全要素生产率角度分析其创新水平。结果表明,初创高新技术企业的全要素生产率较低,总产出的提升仍处在前期要素积累阶段,主要依赖各投入要素的投入,总产出对资本要素投入较为敏感,且不同技术领域企业间的全要素生产率存在异质性。研究发现,制造型出口企业全要素生产率显著高于非出口企业,服务型出口企业全要素生产率与非出口企业无显著差异。研究为政府提供了促进中国高新技术企业发展的政策建议。

基于频域移位平均周期图法的频偏重估计

针对卫星通信系统中载荷动态范围过高和接收信号信噪比过低造成的星地通信信号载波同步困难问题,通过分析频偏变化率对频偏估计过程的影响,提出一种改进的频域移位平均周期图法。该算法通过在载波频偏估计过程中增加频偏校正后的二次估计过程,可以实现载波频偏估计精度和捕获性能的提高。仿真结果显示,相比于其他两种算法,该算法在同等后级精度和仿真条件下信号误捕概率改善可达到33%以上。

全变分约束的解卷积常规波束形成方位谱估计算法

为了提高解卷积常规波束形成(D-CBF)算法的稳定性,降低方位谱背景噪声级,提高处理增益,提出了一种基于全变分约束的解卷积常规波束形成(TVD-CBF)空间谱估计算法。该方法利用声源分布的稀疏先验,在代价函数中加入总变分正则化项作为非线性约束,获得TVD-CBF算法的方位谱,从而在提升空间分辨率的同时,抑制噪声及误差的累积,提高求解的稳定性。仿真表明,该方法在D-CBF算法的基础上进一步提升了方位指向性和分辨率,具有良好的波达方向估计性能。海试数据处理结果表明,TVD-CBF方法在提升空间分辨率的同时,降低了空间谱的背景级,具有良好的方位估计性能。

基于风格迁移的柔性输尿管内窥镜图像深度估计

输尿管内窥镜手术是目前针对肾结石的主流治疗方案,其外形细长、镜体柔软,能够灵活穿越人体自然腔道的内径狭窄的尿道和输尿管,检查视野范围更广,使医生能够更好地观察到病变区域.但一般的输尿管内窥镜仅配备单目摄像头进行配合手术操作,无法借助额外设备获取数据导致了其图像信息的匮乏;同时,相比于胃肠、鼻镜等手术场景,本研究的肾内场景在不具备公开数据集的同时,图像质量参差不齐,表面纹理细节不足,孔洞区域褶皱少,受模糊反光等干扰大,都易使深度估计受到影响针对以上问题,提出了一种基于改进风格迁移模型的深度估计方法.该方法首先根据术前CT图像重建肾脏内部腔道模型并提取中心路径,将虚拟内窥镜的摄像头设置在插值后的路径点上,构建了虚拟内窥镜漫游图像与深度估计图像一一对应的数据集,并基于此数据集训练了一个深度估计模型;随后,使用添加高效通道注意力(ECA)模块的改进风格迁移模型,将真实内窥镜图像域迁移至虚拟内窥镜图像域;最后,再将经由风格迁移产生的虚拟内窥镜图像送入上述训练得来的深度估计模型中,最终实现真实内窥镜图像的深度估计.所提方法的可行性及有效性在输尿管钬激光碎石术的图像中得到验证.