基于Real-Time Windows Target状态观测器的实验开发

在Matlab/Simulink中应用Real-Time Windows Target模块重构状态观测器的实时仿真模型,采用该方法开发的实验系统既便于实现,又能和实际物理系统良好对接,有利于学生掌握状态观测器的相关知识和促进对Matlab的了解和应用。给出的应用实例验证了方法的可行性。

基于实时Windows目标的快速原型技术

为了避免传统开发中的重复设计,缩短产品开发周期,降低生产成本,提出一种基于实时Windows目标快速控制原型平台的单机版方案,将Simulink创建的仿真模型自动生成代码下载到实时内核中运行,驱动外部设备,实现对真实被控对象的实时控制。在分析了任务定时和I/O接口之后,结合基于现场总线的一类网络化串级控制系统实例给出了实时仿真系统的开发流程和控制方法。实时仿真测试结果表明,相对于传统的控制设计,平台在实时处理能力、可扩展性和稳定性等方面都有比较明显的优势。

高分辨率遥感图像的目标检测

卫星遥感图像的分辨率高且目标在图像内的相对尺寸小,因此难以同时确保检测准确率和运行速度。为解决高像素遥感图像的目标检测问题,本文提出了一种结合滑动窗口分割和小目标检测器的检测方法。首先使用滑动窗口法将图像分割成多个子图,滑动步长略小于窗口的大小以使每个子图之间具有一定的重叠部分,并采用较大的分割窗口以降低子图数量。之后对子图进行压缩,使用目标检测算法处理压缩后的图片,降低算法运行时间。最后合并检测结果并采用非极大化抑制策略以去除在重叠部分重复检测的目标。在检测算法方面,本文以YOLOv8n为基础,使用SPD卷积核对网络结构进行改进,基于NWD方法调整正负样本匹配策略,并改进特征金字塔结构以提升算法对小目标的检测性能,从而使算法能够适应在更大尺寸下压缩的子图以减少图像分割数量,提升检测速度。实验证明,在图像平均分辨率为4000×4000的车辆检测数据集上,该方法对目标检测的平均准确率为55.7%,平均每张图片的计算时间约为47.5 ms,准确率比YOLOv8n提升16%,比YOLOv5s提升15%,比YOLOv6s提升7.6%。本文方法的运行效率满足实时化要求,能够以更高精度实时检测卫星遥感图像中的目标。

基于Swin-Transformer改进的目标跟踪算法

基于STARK目标跟踪方法中采用ResNet为骨干网络,其特征提取能力不足,跟踪效果较差。针对此问题,本文基于Swin-Transformer网络,提出了一种改进的目标跟踪算法。首先,对Swin-Transformer内窗口注意力机制进行多尺度改进,设计多尺度窗口模块MW-MSA,旨在提取更为丰富的局部细节信息,与全局上下文信息共同构成多尺度判别性特征。接着,结合Transformer的编码-解码结构作为特征融合网络,采用优化的多层感知机作为更新分数判断网络构成状态感知模块。最后,针对目标消失、重现挑战,提出了一种多跟踪器融合方法。融合多尺度改进的跟踪算法和SuperDiMP跟踪算法,设计消失状态判断模块,综合考虑两种跟踪器的置信度分数及目标在预测框附近的可能性估计。实验结果表明,相较STARK跟踪算法,本文算法在GOT-10K数据集上的平均重叠率(AO)提升2.7%、成功率SR_(0.5)提高3.3%。在L-LaSOT数据集上,相较于STARK算法,成功率(AUC)提升0.8%,在目标消失重现挑战下成功率提升1%。

一种基于CEI的GEO目标滑窗式机动探测方法

为了进一步提升地面跟踪站的监视预警能力,提出一种基于连线相位干涉测量(CEI)的地球静止轨道(GEO)目标滑窗式机动探测方法:立足于CEI的GEO短弧段定轨和预报,基于GEO卫星位保机动的持续小推力和轨道缓慢渐变特性,提出一种针对GEO目标尤其是非合作GEO目标的滑窗式准实时机动探测方法;并利用亚太七号和中星十号卫星的CEI仿真和实测数据进行机动探测。结果表明,东西机动和南北机动捕获与卫星发动机的点火时刻基本保持一致,机动探测延迟量均小于10 min;能够实现GEO目标的准实时机动告警。

复杂背景下双邻域局部权重对比度红外小目标检测算法

为降低复杂背景中的干扰杂波对红外小目标检测的影响,提出一种双邻域局部权重对比度算法。首先,考虑到不同尺寸的红外小目标的背景特性,采用双邻域窗口策略有效捕捉目标与背景特性。其次,分别计算方向信息特征图和权重系数增强图,前者充分利用目标的弥散方向信息,后者结合区域灰度响应强度及离散程度生成权重信息,两者结合生成目标显著图。最后,采用自适应阈值分割从目标显著图中提取目标。在4组不同背景的公开数据集上与6种算法进行了比较,所提出的算法具备较强的抗干扰能力和准确的检测性能。

带有时间窗约束的武器目标分配问题线性求解

针对地面联合防空群对空中目标联合防空任务规划中的实际作战需求,基于武器目标分配(WTA)问题模型,考虑弹药使用效率,提出带有时间窗约束的武器目标分配(WTATW)模型。由于WTATW问题中存在非线性约束,导致问题求解困难。基于现有模型约束,结合数据特点,通过穷举应对单一目标所有的火力分配方案,将WTATW问题转化为带有时间窗约束的多维多选择背包问题,使得WTATW问题线性化。最后,利用MATLAB中Intlinprog函数对问题进行精确求解,计算结果表明该线性方法能够在可接受时间内对WTATW问题进行精确求解,能够解决防空群的目标分配问题,提高整体防空武器系统的拦截能力。

基于谱分析的水下目标定位优化方法研究

针对水下目标定位中存在的传统短时傅里叶变换(Short Time Fourier Transform,STFT)方法的局限性,提出一种基于自适应窗函数的优化方法。通过研究基于谱分析的水下目标定位基本原理,聚焦于STFT的Doppler频移分析方法,并引入自适应窗函数进行优化,同时使用公开数据集对两种方法进行比较分析。实验结果表明,所提方法在速度估计精度和目标定位精度方面均优于传统STFT方法。

改进U-net++的遥感图像语义分割方法

遥感图像语义分割在土地资源规划、智慧城市等领域有着广泛的应用。由于高分辨率遥感的图像存在边界分割不清、小尺寸目标分割不清等问题,为此提出了一种基于U-net++的改进网络TU-net,该模型通过优化网络结构加强模型的特征提取能力,引入特征头细化模块,通过构建了两条通道来增强通道特征表示和空间特征表示,提升了对高层语义信息的解析能力;引入基于Transformer的注意力聚合模块来捕捉全局上下文信息,设计了十字窗交互模块,显著降低了计算复杂度;在解码器末端设计了一个动态特征融合块,以此得到多类、多尺度的语义信息,增强最终的分割效果。TU-net在两个数据集上进行实验,其中OA、mIoU、mF1分数均高于主流模型,Vaihingen数据集中小尺寸目标车的IoU和F1分数分别为0.896和0.962,比次优模型提升了5%和15.8%;Potsdam数据集中树的IoU和F1分数分别为0.913和0.936,比次优模型提升了6.3%和4.3%,实验结果表明该模型能够更精准地分割小尺寸目标及目标边界。

基于红外热成像的埋地输油管道腐蚀无损检测

在非开挖的条件下,埋地输油管道腐蚀检测容易受土壤及其他环境因素影响,无法保证检测精准度。为此,提出基于红外热成像的腐蚀无损检测方法。基于红外热成像技术完成埋地输油管道图像的提取,结合运算消除图像中的噪声影响;在图像中设置多个滑动窗口,利用滑动窗口进行极小值算法,参考腐蚀区域的两点特征,判断检测区域是否存在连续性,以及是否满足长度阈值条件,若具有连续性或不满足长度阈值,则判断该区域为腐蚀区域。仿真实验结果表明,所提方法检测结果与实际腐蚀情况吻合度高,检测结果精准。

针对性护理对替罗非班治疗超出溶栓时间窗急性缺血性脑卒中清醒患者生命质量及睡眠质量的影响

目的:分析针对性护理在替罗非班治疗超出溶栓时间窗急性缺血性脑卒中清醒患者的应用,对改善生命、睡眠质量的影响。方法:选取2022年1月至2022年12月福建厦门大学附属中山医院神经内科收治的超出溶栓时间窗急性缺血性脑卒中清醒患者106例作为研究对象,随机分为对照组和观察组,每组53例。对照组给予常规护理,观察组给予针对性护理,比较2组干预后康复效果,生命质量评分、睡眠质量评分及并发症发生率。结果:干预后,观察组康复效果优于对照组(P<0.05),观察组躯体、社会、心理功能及物质生活状态等评分高于对照组,睡眠质量评分低于对照组(P<0.05),观察组并发症发生率明显低于对照组(P<0.05)。结论:超出溶栓时间窗急性缺血性脑卒中清醒患者在替罗非班治疗期间加强针对性护理,可有效提高生命质量,改善睡眠质量,降低并发症发生率。

基于不确定时间序列的来袭目标解算方法

传统水中来袭目标解算方法缺乏对多维度、不确定观测数据的时序特征的挖掘。针对此类数据复杂性高、存在缺失的时间序列预测问题,提出了一种基于自适应窗口插补和深度可变权重长短时记忆网络模型的预测方法,以适用于多采样频率的缺失时序观测数据,并在仿真数据和公测数据集上验证。针对多源观测信息采样频率不一致造成的随机缺失问题,引入自适应窗口插补方法;根据观测信息的缺失程度自适应调整插补窗口,降低传统插补方法的误差水平。针对时间序列数据引入可变权重的长短时记忆网络模型,在适用于多采样频率的缺失时序观测数据插补的同时,根据观测信息缺失率自适应调整反向传播的损失权重。实验表明:模型在具备处理不确定数据处理能力的同时,在区间预测中比传统方法准确率更高,可以为解算来袭目标提供更有效的决策参考。

基于OMWTTFA的豇豆多农药残留非靶向检测方法研究

针对豇豆多农药残留检测难度不断增大的问题,在移动窗口目标转换因子分析(MWTTFA)算法基础上增加了自适应迭代重加权惩罚最小二乘计算步骤,提出一种优化移动窗口目标转换因子分析(OMWT-TFA)算法,结合气相色谱-质谱(GC-MS)联用技术,建立一种豇豆多农药残留非靶向检测新方法。通过建立500种常见农药MS数据库,利用OMWTTFA算法对豇豆GC-MS数据进行高通量解析,采用实际豇豆样品及加标样品对该方法进行验证。结果表明:该方法可在30.00 min保留时间内实现两组豇豆加标样品中所有农药残留的非靶向检测,实际豇豆样品中未检出农药残留;检出组分的匹配度均超过800‰,准确性优于MWTTFA算法,有望成为果蔬多农药残留非靶向高通量检测的新途径。

复杂背景下改进的红外弱小目标检测

许多研究者关注红外弱小目标检测领域并进行过种种探索,然而复杂背景下检测的难题始终未得到满意的解决。复杂背景下的杂波难以消除,目标检测无法得到显著结果。为此,提出了一种基于高升压滤波器的加权三层窗口目标检测算法(high-boost weighted tri-layer local contrast measure,HB-WTLLCM),针对复杂背景的目标检测进行目标增强,从而提高检测率。本文算法首先利用改进的高升压滤波器对红外原始图像进行预处理,再利用三层嵌套窗口,根据目标形状进行局部对比度增强。最后引入一种基于复杂度评估的加权算法,进一步进行目标增强和随机噪声抑制。实验数据显示,本文提出的算法相比于主流算法在多建筑、多树木的复杂背景下目标增强能力更强,检测率更高。上述结果提示,本文提出的HB-WTLLCM算法对于复杂场景下红外弱小目标进行检测具有一定优势。

基于侧窗滤波与时空正则化相关滤波的红外弱小目标跟踪

当目标远离红外系统,其在成像图像上的尺寸较小且信息量较少,使得小目标的持续精确定位成为一项有挑战性的问题。针对这一问题,在相关滤波跟踪框架上,引入能够区分红外弱小目标边缘信息与杂波噪声的侧窗图像滤波方法,提出了一种弱小目标跟踪算法。具体来说,首先利用时空正则化的相关滤波跟踪模型,对目标位置附近更大范围的背景进行考虑。然后,利用侧窗滤波对当前局部搜索区域进行侧窗滤波处理,达到了保留边缘效果的同时剔除了图像噪声。最后,通过原始图像与滤波后图像作差,降低了背景边缘对目标定位错误的影响,并实现小目标状态估计。为验证本文所提算法性能,采用六组红外真实弱小目标图像序列进行实验,并与核相关滤波、空间正则化的相关滤波,以及时空正则化的相关滤波等经典算法作比较。实验结果表明,所提算法在多组复杂背景的图像序列上,获得了较高的跟踪精度,验证了所提算法能有效应对红外弱小目标跟踪任务中的快速运动、低分辨率和强背景杂波等问题。

源致内波引起的声场扰动及其检测方法

水下目标体在密度分层流体中航行时会激发内波,这种内波常被称为源致内波,具有难以消除的特性.本文对声波穿过运动球体激发内波后产生的起伏进行研究,结果表明源致内波对声场的影响范围远大于目标体,声场变化的强度与覆盖范围均与目标穿越角度呈反比.进一步提出了一种基于滑动窗主分量分析的处理方法,通过短时窗信号子空间重构对声场微弱起伏进行增强处理,并用湖上实验证明了所提方法具有稳健性.研究结果表明,基于源致内波声起伏的探测方法可以对目标进行探测,具有覆盖范围广、稳健性高的优点.

时间目标管理缩短急性缺血性脑卒中溶栓治疗时间窗的研究

目的探讨急性缺血性脑卒中患者急诊护理中采用时间目标管理方案对缩短溶栓治疗时间窗的作用。方法选择2019年7月—2022年6月进入卒中绿色通道的急性缺血性脑卒中患者80例作为研究对象。将患者按照入院先后顺序分为对照组(2019年7月—2020年12月)与试验组(2021年1月—2022年6月),各40例。两组分别进行常规管理、时间目标管理。比较两组开通静脉通道时间、CT完成时间、到达医院门口就诊至静脉溶栓的时间(door-to-needle time,DNT)、静脉溶栓有效率、护理管理满意度。结果试验组开通静脉通道时间、CT完成时间、溶栓DNT时间与对照组比较,差异有统计学意义(P<0.05)。试验组静脉溶栓有效率与对照组比较,差异有统计学意义(P<0.05)。试验组护理满意度与对照组比较,差异有统计学意义(P<0.05)。结论在急性缺血性脑卒中患者急诊护理中采用时间目标管理方案,能够缩短溶栓治疗时间窗,效果显著。

基于边界点的区域目标可见时段计算方法

光学卫星对区域目标的可见窗口计算是卫星观测任务的重要基础技术,高精度、高效率的求解算法对卫星观测任务规划具有重要意义。提出一种基于边界点访问计算的区域目标访问计算方法。该方法根据卫星幅宽将边界点进行插值,从而将对区域目标的可见性分析转化为对边界点集合的访问分析,将单次访问中第一个点的可见时刻作为可见窗口开始时刻,最后一个点的可见时刻作为可见窗口结束时刻。数值算例表明,将计算结果与商用软件STK相比,可见窗口持续时间相对误差在1s内,该算法精度满足实际需要;对区域555 km×1110 km做48 h的访问分析计算,5次计算平均耗时1.047 s,满足实际应用中的时效性要求,因此该算法在卫星对地观测的实际应用中具有一定的价值。

机器视觉技术的红外弱小目标状态感知方法

为在复杂场景下精准感知多个红外弱小目标,提出基于机器视觉技术的红外弱小目标感知方法。依据搜索窗口与筛选条件,从红外图像中筛选出候选感兴趣区域,采用多目标分割算法,应用显著性特征从候选感兴趣区域中提取感兴趣区域,并提取感兴趣区域的加权灰度均值特征,将其作为Soft-FART网络的输入,通过Soft-FART网络模糊匹配知识库与感兴趣区域的加权灰度均值特征,选取大于警戒条件的目标作为感知到的红外弱小真实目标,并将感知结果输出。实验结果表明,该方法可在不同场景下精准感知红外单独弱小目标和多个红外弱小目标,且在高噪声环境下依然具备较好的红外弱小目标感知性能。

一种高速可配置二维CFAR检测器设计实现

恒虚警率(constant false alarm rate,CFAR)检测是雷达在干扰背景下检测目标的重要自适应算法。二维CFAR算法随着参考窗口尺寸增大,运算量较大,仅靠软件实现并不能满足较高的实时性需求。文章基于现场可编程门阵列(field programmable gate array,FPGA)设计实现了一种兼容CA-CFAR、GO-CFAR、SO-CFAR和OS-CFAR 4种二维CFAR算法的硬件加速器,同时实现标称化因子、检测器类型、排序值K、参考窗口和保护窗口大小可配置的灵活性,对于256×2048点距离-多谱勒矩阵(Range Doppler Matrix,RDM)数据,4种检测器均可在2.71 ms内完成检测。设计采用全流水结构,具有高实时性。