基于MaxViT和改进几何特征点法的车载单目视觉测速方法研究

车载视觉测速技术作为自动驾驶车辆组合测速技术的重要组成,具有硬件成本低、算法拓展性强、低速下测量准确等特点,应用前景广阔。为进一步提高视觉测速算法在各类工况下的精度和鲁棒性,将几何特征点法在特征点充足时测速精度高和深度学习方法在多场景下测速稳定的优势进行结合,提出一种基于MaxViT和改进几何特征点法的车载单目视觉测速算法。该算法构建基于双输入MaxViT网络和改进几何特征点法的双通道,并行处理车载前视相机获取的连续3帧输入图像序列,滚动估计车辆当前速度,其中双输入MaxViT网络差异化提取图像不同区域的光流特征,估计当前速度所在的置信度为90%的速度区间,改进特征点法基于特征点运动计算当前速度估计值。当速度估计值落在双输入MaxViT网络估计的速度区间时,以该估计值作为实时车速测量值,否则以速度区间中值作为实时车速测量值。当算法迭代运行多帧后,将速度区间中值作为本帧速度输出以减小累积误差。使用6个车速小于40 km/h且包括加减速等工况与直弯道等场景的自建数据集进行实验验证,以理论测速精度0.1 m/s的GPS速度信号为参考速度,本文方法平均相对测速误差少于1.37%,最大相对测速误差少于6.13%。实验结果表明,提出的新方法有效提高了车载视觉测速精度与鲁棒性,可为多元车载视觉测速方法融合提供理论支撑。

OPTIMAL POWER ALLOCATION WITH AF AND SDF STRATEGIES IN DUAL-HOP COOPERATIVE MIMO NETWORKS

Dual-hop cooperative Multiple-Input Multiple-Output (MIMO) network with multi-relay cooperative communication is introduced. Power allocation problem with Amplify-and-Forward (AF) and Selective Decode-and-Forward (SDF) strategies in multi-node scenario are formulated and solved respectively. Optimal power allocation schemes that maximize system capacity with AF strategy are presented. In addition, optimal power allocation methods that minimize asymptotic Symbol Error Rate (SER) with SDF cooperative protocol in multi-node scenario are also proposed. Furthermore, performance comparisons are provided in terms of system capacity and approximate SER. Numerical and simulation results confirm our theoretical analysis. It is revealed that, maximum system capacity could be obtained when powers are allocated optimally with AF protocol, while minimization of system's SER could also be achieved with optimum power allocation in SDF strategy. In multi-node scenario, those optimal power allocation algorithms are superior to conventional equal power allocation schemes.

基于心电信号图像特征及卷积神经网络的情绪识别研究

为提高情绪识别的准确率,本研究利用卷积神经网络和迁移学习,提出了一种基于心电(electrocardiography,ECG)信号图像特征的情绪识别方法。首先对ECG信号进行预处理,去除噪声;然后提取ECG信号的时域波形图和时频图;最后,利用迁移学习和双输入EfficientNetV2网络学习图像的时域和频域特征并进行分类,得到对应的情绪类别。在公开数据集Amigos上进行验证,结果显示,本研究在唤醒度、效价和优势度的识别准确率分别为91.63%,95.27%和92.32%。相较于其它情绪识别方法,本研究方法具有更高的准确率。

基于双输入输出卷积神经网络代理模型的油藏自动历史拟合研究

传统油藏自动历史拟合方法需进行多次计算耗时的油藏数值模拟,而深度学习代理模型可以实现高效且精度近似的油藏数值模拟替代计算。在基于深度学习代理模型的油藏自动历史拟合方法中,通常将采用油藏自动历史拟合方法进行调整的油藏不确定性参数作为深度学习代理模型的输入参数。现有的深度学习代理模型常为单一输入输出的神经网络模型架构,并未考虑油藏自动历史拟合方法需要对多个油藏不确定性参数进行调整,且需要训练多个深度学习代理模型以实现对油藏含水饱和度场分布及压力场分布的预测。为此,提出了一种基于双输入输出卷积神经网络代理模型的油藏自动历史拟合方法,将油藏渗透率场分布及相对渗透率参数作为输入,使用双输入输出卷积神经网络同时对油藏含水饱和度场分布及压力场分布进行预测,利用Peaceman方程计算产量,并耦合到多重数据同化集合平滑器(ES-MDA)方法中,对油藏渗透率场分布及相对渗透率参数进行反演更新,实现较为高效的油藏自动历史拟合求解。研究结果表明:双输入输出卷积神经网络代理模型在指定时间步的油藏含水饱和度场分布、压力场分布的预测精度均为93%以上。相较于传统油藏自动历史拟合方法,基于双输入输出卷积神经网络代理模型的油藏自动历史拟合方法避免了多次调用油藏数值模拟器的计算耗时问题,提高了拟合效率。

一种双输入稀疏连接的肝细胞癌和肝内胆管细胞癌分类网络

由于通过常见的影像学特征难以区分肝细胞癌和肝内胆管癌,且对医生的专业性依赖程度较高,因此本文提出了一种双输入稀疏连接的肝细胞癌和肝内胆管细胞分类网络(DS2-Net).首先,采用了可以同时学习增强CT图像中静脉期和动脉期特征的双输入结构;其次,网络首层为主干模块,可以有效的提升特征表达能力,提高分类的准确率;此外,网络采用的稀疏连接方式可以在不降低网络性能的基础上提升计算速度并减少参数量.最后,在171例肝内胆管癌和146例肝细胞癌的实验结果中,该方法的分类准确率达到93.68%,AUC面积达到0.9875.实验结果证明了本文提出的网络模型能够实现肝癌精准分类,有望应用于辅助临床医师诊断治疗.

基于双模式分解多通道输入的VSC-STATCOM逆变器故障诊断模型

针对传统电压源型静止同步补偿器中逆变器故障诊断存在的信号特征提取不充分,深度学习网络识别能力不足以及高噪声情况下识别率较低等问题,提出了一种基于双模式分解、多通道输入(MCI)、并行卷积神经网络(PCNN)、双向长短时记忆(BiLSTM)网络和自注意力(SA)机制组合的逆变器故障诊断方法。首先利用变分模态分解和时变滤波经验模态分解对逆变器输出的三相电流进行分解,降低原始信号复杂程度,实现不同模态分量间的规律互补;其次,利用MCI-PCNN-BiLSTM-SA组合模型对特征矩阵进行深层特征提取、学习和识别;最后,通过仿真进行验证,结果表明所提方法特征提取能力较强,在无噪声情况下平均识别率高达99.48%,在高噪声情况下平均识别率达95.59%。

双循环新发展格局下中国科技服务业参与全球生产网络研究

科技服务业作为现代服务业的重要组成部分,加快科技服务业发展,对于推动经济提质增效升级具有重要意义。运用社会网络法分析2000-2014年世界投入产出表,分析国际科技服务业发展趋势及我国内外循环中科技服务业发展现状。研究表明,我国科技服务业正处于高速发展阶段,在全球生产网络中影响力逐渐扩大,并逐渐向全球生产网络中心迁移。对于内循环,国内科技服务业生产网络变化不大,其前后向联系部门呈分散化,科技服务部门发展不均衡。

结合人脸关键点与光流特征的微表情识别

微表情能反映出人们试图隐藏的真实情感,光流法进行微表情识别时,存在易受光照变化影响而使特征提取不准确的缺陷。针对上述问题提出一种结合人脸关键点与光流特征的微表情识别方法,该方法通过引入人脸关键点分支以忽略光照的影响,弥补光流法的不足,重点关注人脸关键位置的变化,最终建立一个人脸关键点和光流的双输入网络模型。该模型在CASME II和SAMM数据集上使用留一法交叉验证进行了实验,在CASME II上四分类准确率和F1值分别为69.19%和66.24%,相比基准微表情识别方法本方法准确率和F1值分别提升了6.05%和5.44%;在SAMM数据集上也优于现有方法,说明该方法与其他主流算法相比具有更好的识别性能。

基于图形特征的双输入卷积神经网络风力机轴承剩余寿命预测

提出一种基于图形特征的风力机轴承剩余使用寿命(RUL)预测方法。首先,基于连续小波变换(CWT)对时域振动数据样本集进行预处理,得到用于预测的时频图形数据集。然后,采用双输入卷积神经网络(DICNN)从图形数据集中提取特征映射,用于构造高性能健康指数(DICNN-HI)来表征轴承各退化阶段的状态。最后,结合DICNN-HI,采用基于高斯过程回归(GPR)的分析方法进行RUL预测,并用PRONOSTIA滚动轴承数据集进行验证。结果表明,该方法具有较高的健康指数预测精度,能有效反映滚动轴承的劣化状态,有助于实现风力机轴承的RUL预测。同时,也可为其他旋转机械设备的剩余寿命预测提供重要的理论参考,具有一定的实用价值。

基于轻量化网络的眼部特征分割方法

针对高分辨率眼部图像的瞳孔、虹膜特征快速识别与检测问题,提出了一种轻量化语义分割网络DIA-UNet(double input attention UNet).它采用对称双编码结构同步获取眼部灰度图及其轮廓图特征,并通过双注意力机制实现了解码端的特征筛选,将深层融合特征作为语义分割输出.在CASIA-Iris-Interval和高分辨率瞳孔数据集上测试结果表明,与其他轻量化语义分割网络相比,本文提出的DIA-UNet在保证虹膜、瞳孔分割准确率的同时网络参数个数仅有0.076 Million,处理速度高达123.5 FPS.

一种基于光流双输入网络的微表情顶点帧检测方法

微表情顶点帧蕴含着丰富的微表情信息,为了准确地检测出微表情顶点帧,本文提出了一种基于光流特征的神经网络分类,并利用先验知识规则进行取舍的检测方法.该方法针对固定滑窗大小内的图像进行光流信息提取,利用双输入特征提取网络对x,y方向的光流信息进行时空特征提取,并进行分类,经根据微表情先验知识所设计的取舍规则后处理后,改善了检测准确度.实验结果表明,在数据集CASMEⅡ上测试,顶点定位率(apex spotting rate,ASR)指标达到了0.945,F_(1)-score指标达到了0.925.

“双循环”格局演进过程中的风险产业识别研究

基于全球产业网络节点间的关联关系测度中国国内国际双循环水平,并基于复杂网络法构建量化指标识别“双循环”格局演进过程中面临高风险的产业。研究发现:(1)“外循环”驱动中国经济发展的边际效应正在减弱,以“内循环为主”成为包括中国在内的全球大国的共同特征并有强化趋势;(2)产业外循环水平相对指数较高的中国产业与“亟待攻克核心技术”领域高度重合,这些产业面临较高的“卡脖子”风险;(3)“产业节点差异性”指数显示,中国资源类产业和高附加值制造业的海外关联产业的集中度比较高,这些产业亟待打造“替代来源产业备份系统”;(4)“产业边”中间中心度显示,在由中间品流动所形成的全球产业网络体系中,有超过1/3的中国制造业所在“产业路径”中的关键环节“自主可靠性”亟待提升。基于以上发现,提出政策建议:加快推进国内统一大市场建设,提高原始创新和自主创新的能力与质量,通过区域内城市优势互补、规模互借、产业共生和创新协同打造安全可靠的区域产业链体系,以及加快推动共建“一带一路”高质量发展,为产业链的全球布局开辟更多元化的市场。

HX_D1C机车辅助变流器系统及特性分析

阐述了HXD1C机车辅助变流器系统及主电路逻辑控制过程,分析了主电路的等效阻抗、输入电感特性及中间直流环节特性,提出一种开关电压电流估算方法,并通过仿真对主电路电压电流波形进行分析,为进一步确保辅助变流器的正常稳定运行和辅助变流器的优化改善提供参考。

基于链式网络DEA模型的基本医疗服务均等化研究

以往的基本医疗服务均等化研究文献注重对现状和对策研究,对基本医疗服务均等化的理解停留在控制某项指标缩小差异的基础上,忽略医疗卫生服务系统的投入产出逻辑。本文通过建立基本医疗服务投入产出框架,以改善地区之间的效率差异、实现地区间医疗卫生发展均等化为理论基础,运用链式网络DEA(data envelopment analysis)模型,计算各地区之间的投入产出效率,从各个子系统出发控制单个变量来实现医疗卫生投入产出效率的均等化。实证分析表明,现阶段调整财政医疗卫生支出不会提高各地区的效率水平,但能够缩小地区之间的投入产出效率差距。各地区财政性医疗卫生投入应该以医疗卫生投入产出效率高低为参考标准,有针对性地、差异化地安排财政预算。

基于动态双注意力机制的跨模态行人重识别模型

针对跨模态行人重识别图像间模态差异大的问题,大多数现有方法采用像素对齐、特征对齐来实现图像间的匹配。为进一步提高两种模态图像间的匹配的精度,设计了一个基于动态双注意力机制的多输入双流网络模型。首先,在每个批次的训练中通过增加同一行人在不同相机下的图片,让神经网络在有限的样本中学习到充分的特征信息;其次,利用齐次增强得到灰度图像作为中间桥梁,在保留了可见光图像结构信息的同时消除了颜色信息,而灰度图像的运用弱化了网络对颜色信息的依赖,从而加强了网络模型挖掘结构信息的能力;最后,提出了适用于3个模态间图像的加权六向三元组排序(WSDR)损失,所提损失充分利用了不同视角下的跨模态三元组关系,优化了多个模态特征间的相对距离,并提高了对模态变化的鲁棒性。实验结果表明,在SYSU-MM01数据集上,与动态双注意聚合(DDAG)学习模型相比,所提模型在评价指标Rank-1和平均精确率均值(mAP)上分别提升了4.66和3.41个百分点。

双电源输入环境下的电力电子变压器运行研究

为达到现代电网供电可靠性高、连续性强的标准,设计了一种适用于双电源输入电力电子变压器(DPI-PET)拓扑。其中,输入级为并联模块化多电平变流器(MMC),实现一路电源因故障停电时能快速配合另一路电源工作,并保持网侧以及直流侧电压平稳;输出级为YN联结的三个单相逆变器,解决各种异常工况下电能质量的影响,各环节结合运行状态给出了相应的控制策略。在Matlab/Simulink中建立10 kV/380 V的配电网DPI-PET进行仿真研究,验证了所提拓扑的有效性与实用性。

我国跨地区技术输入输出双网络分析

以2009—2012年企业跨地区的专利许可数据表征技术网络,构建以技术输出和输入为方向的双向网络。结合社会网络分析方法,通过网络可视化图谱、网络整体特征、网络中心性、结构洞、核心-边缘、聚类系数、凝聚子群、QAP关系等分析技术输出和输入两个网络的结构特征和功能效率。结果表明:沿海地区的技术输出和技术输入均领先内陆地区;部分经济发达地区同时在技术输出网络和技术输入网络中发挥重要的影响作用,占据和控制着技术资源信息流动和传播的关键位置;两个网络的核心地区联系更为密切,形成"强-强"和"弱-弱"的特征,增大了地区技术差距;距离发达地区较近的地区在搜寻技术输出方面表现得积极主动,有较强交往和中介能力;两个网络存在负相关,技术输出和输入相互抑制。

定阻网络的研究

提出了由一种定阻网络，根据电路的对偶性，推演出与之对偶的另一种具有相同特性定阻网络的方法。此外，还证明了桥式定阻网络具有的相位补偿作用，

宽输入全桥Buck-Boost变换器控制策略研究

针对全桥Buck-Boost(FBBB)变换器在宽输入电压范围内高散热需求、低效率、可靠性差等问题,提出了一种宽输入FBBB变换器多模式控制策略。该策略根据输入电压与输出电压的关系确定变换器的工作模式,采用平均电流控制与双沿调制、移相控制相结合的方式,实现FBBB变换器在降压、升压和升降压模式之间平滑过渡,变换器工作在有效占空比区间,对电感电流进行有效控制,确保变换器安全可靠工作。使用Type-Ⅲ型补偿网络来改善控制环路,实现高精度输出和快速动态响应。最后通过搭建仿真模型,验证了其正确性和有效性。

基于边缘指导的双通道卷积神经网络单图像超分辨率算法

当前基于卷积神经网络(CNN)的超分辨率(SR)重建算法,虽然取得了很大的成功,但是重建图像高频纹理的效果仍然不能令人满意,其高分辨率(HR)图像局部边缘存在明显的震荡.本文提出一种结合形态学成分分析(MCA)分解的边缘指导双通道CNNSR算法:待处理的低分辨率(LR)图像通过MCA分解为纹理部分和平滑结构部分;纹理部分和原LR图像共同组成双通道,输入到改进的网络结构中重建HR纹理部分;结合HR纹理输出与LR平滑结构部分重建HR图像.训练过程采用最小化纹理损失与原图像损失之和最优化网络模型参数.后处理包括:执行网络输出与LR输入图像的直方图匹配使色调保持一致,提升感官效果;应用迭代的反向映射使HR重建与LR输入保持退化算子一致性提高PSNR值.实验结果显示:该方法能够很好地恢复HR图像的纹理细节,对纹理细节丰富的图像恢复效果更好.