一种仿人手软体康复机器人结构设计与实验

文章针对手部康复训练提出一种偏心波纹管软体致动器结构,研制出一款具有镜像疗法功能的手部康复软体机器人。设计该偏心波纹管软体致动器结构的波峰、波谷中心存在一定的偏心距,以减少其在变形过程中的能量损耗,提高与人手的适配性;基于镜像疗法进行手部康复软体机器人控制系统的设计,使该系统具有主动康复训练、被动康复训练和镜像康复训练3种工作模式。抓取实验、指尖输出力测试以及镜像训练实验的结果表明,所设计的手部康复机器人具有较好的稳定性和顺应性,能够满足手部功能障碍患者的康复训练需求。

面向任务的重叠联盟结构生成计算复杂性

传统的重叠联盟形成问题大都聚焦智能体,鲜有从任务视角出发.为此,本文首先构建了一种面向任务的重叠联盟结构生成模型,并分析了其解空间和相关决策问题的计算复杂性.此外,基于流网络分别设计了相应的孤立联盟、重叠联盟、重叠联盟结构成功性判别算法和最优重叠联盟结构生成算法.分析结果表明,判别孤立联盟、重叠联盟、重叠联盟结构的成功性的时间复杂度均与智能体数和任务数呈多项式关系,而搜索最优重叠联盟结构的时间复杂度与智能体数和任务数呈指数关系.最后,通过仿真实验验证了上述结果.

基于步态事件和sEMG的功能性电刺激起始点研究

足下垂患者步行过程中进行功能性电刺激可以帮助其恢复正常行走能力,而准确确定功能性电刺激的开启时间至关重要。文章针对该问题,利用步行过程中下肢的角速度和表面肌电信号(surface electromyography,sEMG),提出一种以步态事件与肌肉动作点之间延时关系为控制策略的足下垂步行过程中功能性电刺激准确开启的方法。根据步态信息和sEMG电信号特征对大腿处的角速度数据进行步态事件划分,试验结果表明步态事件划分得具有良好一致性;利用模糊熵算法对去噪后的sEMG信号进行肌肉运动起始点T muscle的判定,确定T muscle与脚尖离地(toe off,TO)之间的延时时间关系;结合所划分的步态事件特征点,确定电刺激起始点T on。该文为足下垂治疗中功能性电刺激开启时间点的确定提供了一种新的辨识方法。

基于改进的U-Net卷积神经网络的遥感影像水体信息提取方法

针对当前遥感影像水体信息提取存在细节水体提取能力较弱、重要特征损失较大的问题,文章提出一种基于改进的U-Net网络实现遥感影像水体信息提取的方法。该方法首先通过引入Resnet残差卷积模块深化传统U-Net网络架构提升特征挖掘能力,并引入Respath残差连接模块减少跳跃连接过程中的语义差距,同时引入PSConv多尺度卷积模块、Eca有效通道注意力机制模块,提高网络特征学习能力,构建PS-Eca-Multiresunet网络模型,弥补传统U-Net网络存在的细节特征提取能力较弱问题。选择“2020年第四届中科星图杯高分遥感图像解译软件大赛”数据集进行实验,结果表明,与传统U-Net网络模型相比,该方法水体提取的平均交并比提高了9.08,像素精度提升了7.4%。改进的网络提取结果能够有效避免阴影影响,提高对细节水体的提取精度,实现遥感影像水体信息的高精度提取。

基于双边截断的双参数海上风电站SAR图像CFAR检测

文章提出了1种基于双边截断的双参数海上风电站SAR图像CFAR检测器DTCS-TPCFAR,目的是提高在具有多个目标海上区域和石油泄漏区域等环境下对海上风电站的检测性能。DTCS-TPCFAR所提出的双边截断杂波的方法,能够同时消除高强度和低强度异常值的干扰,同时保留真实的杂波样本。通过使用最大似然估计计算双边截断后样本的均值和标准差,然后通过这2个参数估计值计算出截断阈值,最后再结合指定的虚警率(Probability of False Alarm,PFA)来对测试单元(Test Cell,TC)进行判断,完成最终的目标检测。这也是首次将CFAR检测器用于检测海上风电站。文章通过Sentinel-1数据集来验证该方法的有效性。实验结果表明,文章所提出的算法在相同指定虚警率下,具有更高的检测率(Detection Rate,DR)和更低的误报率(False Alarm Rate,FAR)。

一种改进的粒子群爬山优化图像分割方法

针对粒子群优化算法在图像分割中存在算法搜索能力不足并且分割不够精准的问题,文章提出了一种改进的粒子群爬山优化图像分割方法。文章首先引入爬山算法,检测粒子群搜索空间中多个全局极值点,增强粒子群算法的局部搜索能力;其次将算法作用于图像中生成K个峰值的三维直方图,根据欧几里德距离,将每个像素分配给最近的峰值从而分割图像;利用标准图像数据集进行实验,并与其他基于粒子群优化的图像分割方法对比分析,该算法在图像分割的视觉效果和5种常用的客观评价指标都具有更优越的性能。

通道注意力引导的空洞卷积神经网络图像去噪

卷积神经网络是目前相对普遍且去噪性能较好的图像处理方法。传统的深度卷积神经网络(DnCNN)中同一层中的特征通道间的重要程度是平等的,不利于特征的提取。将DnCNN与通道注意力,以及空洞卷积神经网络构成的稀疏块相结合,提出了一种通道注意力引导的卷积神经网络CDNet用于图像去噪。不仅更有效地提取图像复杂背景下的更有用的信息,还降低网络训练的复杂性。对比试验结果表明该网络在不同公开数据集上的PSNR值以及SSIM值都优于其余去噪网络,去噪效果相对较好。

一种基于差分进化的鲁棒音频隐写算法

音频隐写是将秘密信息隐藏到音频载体中,已成为信息隐藏领域的一个研究热点。已有研究大多聚焦最小化隐写失真,却以牺牲隐写容量为代价,且往往被一些常规信号攻击后难以正确提取秘密信息。为此,基于扩频技术,首先,分析了隐写参数(分段隐写强度和分段隐写容量)与不可感知性和鲁棒性的关系,并构建了一种以分段隐写强度、分段隐写容量为自变量,以不可感知性和隐写容量为优化目标,以信噪比为约束条件的音频隐写多目标优化模型;然后,提出了一种基于差分进化的鲁棒音频隐写算法,设计了相应的编码、适应度函数、交叉和变异算子。对比实验结果表明,所提隐写算法能够在保证不可感知性和抗隐写分析能力的前提下达到更好的鲁棒性,可以有效抵御一些常规信号处理攻击。

跨模态异构行人再识别的研究进展

同构行人再识别技术研究基于可见光图像的行人检索问题,但无法完全应对复杂多变真实场景,大量研究工作开始探索基于可见光图像与其它异构数据之间的行人检索问题,即跨模态异构行人再识别.该研究相比同构行人再识别,更具挑战性.文中首先简述跨模态异构行人再识别的概念及与一般行人再识别的区别,再针对文本与图像、图像与视频、跨分辨率图像、红外图像与可见光图像、深度图与可见光图像、素描与可见光图像这6类场景,归纳整理和分析跨模态异构行人再识别的代表性工作、常用数据集及一些算法的性能表现.最后,总结目前整体研究进展,展望未来发展趋势.

飞秒激光制备特殊浸润性功能表面研究进展(特邀)

具有特殊浸润性的功能表面在生产生活中发挥着重要作用。同时,飞秒激光加工以其独特的优势,成为制备特殊浸润性功能表面的重要方式。本文通过自然界中生物表面微结构与实际应用的联系,讨论了飞秒激光制备多种微结构的方法,从"双面神"表面、智能响应超疏表面以及润滑表面等三个方面对基于飞秒激光制备特殊浸润性功能表面进行了总结。对飞秒激光在特殊浸润性功能表面制备的研究成果进行总结归纳,为未来飞秒激光在浸润性表面的研究、应用和发展提供参考。

基于肢体加速度和关节角度参数检测的痉挛状态定量评定研究

针对脑卒中患者痉挛状态难以精准量化评定的问题,提出了基于加速度和角度信号的痉挛状态量化评定方法,并研制了痉挛状态量化评定装置。通过分析患者肢体加速度和关节角度信号数据,提取加速度突变点对应的关节角度θ_(p)及关节活动度θ_(rom),计算θ_(p)/θ_(rom)值用于痉挛状态等级评定。使用改良Ashworth量表(modified Ashworth scale,MAS)和本装置对27名受试者进行临床实验,并针对不同肌肉群采用不同的痉挛状态检测方法。将MAS等级与θ_(p)/θ_(rom)值进行相关性分析,结果表明θ_(p)/θ_(rom)值可用于痉挛状态评估,且该装置具有很好的效度,相关性满足r=-0.869,P<0.05。基于MAS和θ_(p)/θ_(rom)值重新修正表示痉挛状态的MAS等级,结果表明修正后的MAS各等级之间具有显著差异(P<0.001),可以实现痉挛状态量化评定。

基于Transformer的融合多层级语义信息的会话推荐方法

为了提升会话推荐的准确率,对多个会话间的高阶关系进行了研究。提出一种基于Transformer结构融合多层级语义信息的推荐方法(简称TCL),可以融合项目局部上下文信息、会话内部的全局语义信息、跨越不同会话的关联语义等多个层级的信息,从而能够更加准确地预测用户感兴趣的项目。在此基础上,构造出一种基于相似会话组的训练数据,丰富了会话数据的多样性,缓解了数据稀疏问题。实验在三个真实场景的数据集上进行,实验结果表明该方法的有效性,P@20指标最大提升3.46%。

一种复杂环境下改进的SAR图像双边CFAR舰船检测算法

双边恒虚警率(BCFAR)检测算法通过高斯核密度估计器计算出合成孔径雷达(SAR)图像的空间信息,并将它与图像的强度信息相结合得到联合图像以进行目标检测。相较于只使用强度信息来进行目标检测的经典CFAR检测算法,双边CFAR有着更好的检测性能和鲁棒性。然而,在复杂环境下出现连片的高强度异质点时(例如防波堤、方位模糊和幻影等),核密度估计器计算出的空间信息会出现较多误差,这会导致检测结果中出现大量虚警。此外,当遇到相邻像素点间相似度较低的弱目标时,双边CFAR会发生漏检。为了有效改善这些问题,该文设计一种复杂环境下改进的SAR图像双边CFAR舰船检测算法(IB-CFAR)。该文所提IB-CFAR主要分为3个阶段来实现,分别为基于非均匀量化法的强度层级划分、强度-空间域信息融合、杂波截断后的参数估计。基于非均匀量化法的强度层级划分可以提升弱目标的相似度和对比度信息,从而提升舰船检测率。强度-空间域信息融合在于将空间相似度、距离向和强度等信息进行融合,在进一步提升检测率的同时对舰船的结构信息进行精细化描述。杂波截断后的参数估计可以去除背景窗口中连片的高强度异质点,最大限度地保留真实海杂波样本,使参数估计更加精确。最后,根据估计出的参数建立精确的海杂波统计模型以进行CFAR检测。该文使用高分3号和TerraSAR-X数据来验证该算法的有效性和鲁棒性。实验结果表明,所提出的算法在包含较多密集分布的弱目标环境下表现良好,在此类环境下能获得97.85%的检测率和3.52%的虚警率,相比于现有的检测算法,检测率提升了5%,并且虚警率降低了10%,但在弱目标个数较少且背景十分复杂的环境下,则会出现少量虚警。

基于孪生神经网络的航迹关联方法

日益复杂的电磁环境对战场目标探测提出了很高的要求。由于多雷达融合系统的不断发展,如何准确快速地完成多雷达的航迹关联成为一个亟待解决的问题。现有的关于航迹关联算法的研究大多只考虑雷达上报的最新目标航迹点,而没有考虑先前的航迹信息。除此之外,大多数航迹关联算法对于航迹异步问题的解决方法是进行时间配准,这不仅增加了算法本身的计算开销,还放大了航迹信息中包含的误差,因此难以应用于目前复杂的电磁环境中。本文提出一种适用于对异步航迹进行关联的、且无需进行时间配准工作的基于孪生神经网络的航迹关联算法(TTCSN)。该算法首先将待关联航迹两两组成一对,将其成对地送入特征提取网络中,再利用共享权重的双向LSTM网络提取输入航迹的隐含特征,之后对两条航迹的特征向量进行相似度计算,得到相似度向量,最终送入分类器完成关联航迹与非关联航迹的判别。实验表明,TTCSN算法能够有效地解决异步航迹关联问题。

基于KD-YOLO的轻量化安全帽佩戴检测方法

安全帽佩戴检测对建筑工地的安全管理至关重要,现有的检测模型存在检测速度慢、检出精度低及难以实地部署等现象,据此提出一种基于YOLOv5s的轻量化安全帽检测模型KD-YOLO,该模型引入知识蒸馏的思想,将改进的轻量级网络作为学生网络,通过教师-学生的知识传递,来提升学生网络检测准确性;利用轻量级注意力模块Shuffle Attention,以增强对图像有用信息的关注;采用基于动态非单调聚焦机制的边界框损失Wise-IoU损失函数来平衡不同质量的锚框,减少误检和漏检。实验结果表明,改进的轻量化安全帽检测模型通过引入知识蒸馏等优化策略后网络的平均精度均值提升3.5%,参数量减少18.1%,浮点运算数减少1.8%,满足建筑工地实时安全帽佩戴检测需求,同时模型内存占用少,易于实地部署。

边缘增强的BECU-Net模型高分辨率遥感影像耕地提取

耕地作为国家粮食生产的重要保障,其空间分布是粮食安全评估、土地资源管理等领域的主要依据。为解决现有的耕地信息提取方法忽视地块的差异化特征和边缘细节蕴含的丰富信息,且提取结果碎片化、边界模糊问题。本研究以耕地为研究对象,采用一种结合EfficientNet骨干网络和U型框架构建的改进型耕地信息提取模型BECU-Net (Boundary Enhancement Classification U-Net),并为实现边缘特征和深度特征的信息互补,设计由CoT模块(Contextual Transformer Module)、门控卷积、scSE (Spatial-Channel Sequeeze and Excitation)注意力机制形成的边缘分支子网络,来提高模型处理边界信息的专注度。同时,构建含约束项的联合型边缘增强损失函数BE-LOSS (Boundary Enhancement Loss)进一步完善模型运算性能。使用GID高分二号RGB-NIR四波段数据,与梯度、指数、纹理特征图共同构建耕地特征机制。并分别与不同网络结构、不同损失函数的模型进行对比。结果表明:改进算法的总体精度和F1分数均有改善,相比于DeeplabV3+网络,提取精度提升2.24%,F1分数提升1.77%。本研究提出的新算法可为进一步解决耕地信息提取时边界模糊问题提供技术参考,为复杂交界的精准划分提供理论支撑。

大数据环境下加性网络DEA模型求解方法——基于两阶段模型视角

加性网络DEA模型是一种高度非线性规划问题,具有较高的求解难度,使用已有的启发式算法无法获得精确解,且在大数据环境下耗费计算资源大,求解速度慢.为解决这些问题,本文主要做了两个方面的工作.首先,针对该模型求解精度问题,本文提出了一种二次分式规划问题求解方法,将模型分解为有限次二次规划求解问题,并从理论上证明了该方法可以得到该模型的精确解;随后,针对大数据环境下模型求解速度慢的问题,本文对模型约束进行优化,在可行域不变的情况下缩减约束数量,减少计算资源消耗,以提高该模型的求解速度.数值案例的验证结果显示,本文所提出的方法可以有效提高加性两阶段DEA模型的计算精度与速度.

能耗均衡的三维最优持久编队通信拓扑生成

持久编队通信拓扑的优化是在确保多智能体使用持久编队控制方法保持队形的基础上尽量减少智能体之间的通信能耗。现有的方法可以最小化智能体的通信能耗总和,却未考虑均衡智能体间的通信能耗,而这会导致某些智能体提前退出编队。针对这一问题,以最大化队形保持时间为目标,研究了考虑能耗均衡的三维最优持久编队通信拓扑生成方法。首先,设计了一种通信拓扑离线优化机制,即选择一个合适的周期,在编队运动之前计算出每个周期内的通信拓扑,在编队保持队形过程中据此定期调整通信拓扑,从而避免在线计算和发布通信拓扑带来额外的通信能耗;而在离线计算每个周期内的通信拓扑时,先估计出每个周期开始时每个智能体的剩余通信能量,并据此更新网络拓扑中各通信链接的权重,再从更新后的网络拓扑中生成一个三维最优持久图作为本周期内的通信拓扑。其次,针对每个周期内的三维最优持久图生成问题,由于更新后的网络拓扑中的通信链路权重不对称,导致现有算法难以适用,为此提出了一种基于刚度矩阵和弧添加操作的近似求解算法,并从理论上分析了其时间复杂度和证明了其有效性。最后,通过仿真实验结果验证了该方法可以有效降低并均衡各智能体的通信能耗,相比于所有对比方法的平均水平,在节点数为5、10、15的情形下的队形保持时间分别提升了29.5%、59.4%、72.01%。

化工园区应急物资多目标分配问题建模与求解

化工园区应急物资分配是开展危化品事故应急救援的基础,主要研究如何对化工园区周边的应急物资进行合理的调配以便让应急物资尽快从各储备站输送到事故点,保障事故救援的顺利开展.然而,已有研究大都局限于单目标优化,且过于强调应急响应的时效性而忽视物资消耗的连续性.为此,首先构建一种面向多储备站、多种应急物资、单事故点的应急物资多目标分配模型,并分析推演了满足物资连续消耗的约束条件;然后,基于非支配排序遗传算法和启发式策略设计一种化工园区应急物资多目标分配算法;最后,通过仿真实验验证所提出方法的有效性.实验结果表明,所提出方法同时兼顾了化工园区应急响应的连续性和时效性要求,可为危化品事故应急救援提供更多更好的应急物资分配方案.

大量需求点下基于深度Q学习的受损路网抢修队调度

受损路网抢修是重特大自然灾害发生后开展应急处置和救援的一个基本前提,主要研究如何对道路抢修队进行合理的调度以快速恢复路网畅通、保障救援队伍和应急物资从出救点及时输送到各需求点.鉴于已有研究在面向大量需求点时往往很难给出有效的调度策略,首先基于路网模型和马尔科夫决策过程分析抢修队修复受损路网的关键因素,并设计一种双反馈回报函数;然后基于深度Q学习求解抢修队的最优调度策略;最后通过对比实验结果表明,在大量需求点环境下,所提出方法具有较好的稳定性和可靠性,兼顾受损路网的修复效率和运输效率,能够以更少的修复代价令所有需求点可达,为灾后复杂应急场景下的受损路网抢修提供有益的尝试.