为探究利用飞秒激光对六方氮化硼( hBN: hexagonal Boron Nitride) 进行掺杂改性的可行性, 使用低压 化学气相沉积技术在蓝宝石衬底上生长了 hBN 薄膜, 并在大气氛围下用飞秒激光辐照加工 hBN 薄膜。 X 射线 光电子能谱分析结果表明, 大气中的碳和氧杂质被掺入 hBN 中; 随着激光能量密度的增加, hBN 中的碳和 氧杂质含量单调增加; 氧和部分碳杂质主要占据 hBN 中的氮空位, 分别作为施主和受主杂质, 因此存在杂质 补偿现象; 随着碳杂质浓度的增加, 其中有部分碳杂质以团簇或间隙原子形式存在。 掺杂后的 hBN 样品的 电阻率均显著降低, 最高可降低至未掺杂样品的 1 / 800。 研究结果证明飞秒激光技术能用于对 hBN 的掺杂和 电学性质的调控。

针对目前大部分基于神经网络的雷达调制信号识别算法仅依赖于单一信息源, 而忽视了利用多个模态 信息特征的优势互补性问题, 提出了一种基于信号一维序列和二维时频图的多模态并行特征融合模型。 首先, 在时序特征提取模块中引入时间二维变化建模的思想提取时序特征, 在频域特征提取模块引入带线性瓶颈层 的逆残差结构提取频域特征。 然后, 通过引入两种不同的注意力机制以及残差连接, 有效实现了多模态特征的 互补性融合。 在 DeepRadar2022 和自建数据集上的实验结果表明, 该模型在提供更为丰富的特征表征方面取得 了显著成果, 具有较高的分类准确率并表现出良好的抗噪性。

针对电磁波相关课程理论性强, 难理解的问题, 为将电磁波具体化, 基于 LabVIEW 设计了电磁波地下 目标体探测实验系统。 该系统具备天线精确定位、 自动完成实时采集数据与成像功能。 系统运行时, 发射天线 向地面发射高频电磁波, 接收天线接收地下回波, 并根据地下介质的电性差异, 对采集到的回波信号进行处理 与分析。 通过分析数值和物理模拟结果, 可明确地下目标体的电磁响应特征, 推断出地下介质的空间位置、 结构和埋藏深度。 该实验系统便于学生理解和掌握电磁学的抽象概念, 激发其学习热情和科研探索兴趣。

为改善移相全桥(PSFB: Phase-Shifting Full Bridge)变换器的控制方案得到更好的控制指标, 提出了基于 改进灰狼算法( IGWO: Improved Grey Wolf Algorithm) 优化的模糊比例积分微分( PID: Proportional-Integral- Derivative controll)控制方法。 PSFB 变换器电路中的分抗元件具有非整数阶特性, 利用分数阶微积分理论和状 态空间平均法, 对分数阶移相全桥变换器进行建模与优化控制分析。 应用自适应惯性权重和欧氏距离法优化 GWO(Grey Wolf Algorithm)的全局特性和收敛性, 计算模糊控制器的量化因子优化控制效果。 对 PSFB 变换器 使用 IGWO 优化模糊 PID 控制方案与传统的两种方案进行对比仿真研究, 并设计了一台 50 W 的样机验证控制 策略的有效性。 仿真结果表明, IGWO 优化的模糊 PID 控制相较于传统的两种 PID 控制方式在节时间、 超调 量、 稳态误差分别下降 98. 18% 、99. 63% 、44. 44% 和 66. 67% 、33. 33% 、89. 13% 。 基于 TMS320F28034 硬件 IGWO 优化的模糊比例积分(PI: Proportional-Integral)控制仿真验证的实验结果, 相对于模糊 PID 具有更优的 控制精度与收敛速度更强的抗干扰能力。

针对永磁半直驱抽油机系统存在的速度传感器依赖及参数漂移问题, 提出了一种结合无速度传感器与参 数辨识的矢量控制方法。 通过设计滑模观测器替代旋转变压器等速度传感器, 并基于 Popov 超稳定理论构建模 型参考自适应模型, 同步建立定子电阻、 电感及磁链参数辨识的闭环系统架构。 实验结果表明, 该方法能精确 估计电机转速, 并通过模型参考自适应算法动态追踪参数变化。 相较于依赖旋转变压器的控制方案, 通过滑模 观测器与参数辨识的结合, 消除传感器硬件成本, 显著提升了系统参数估计能力, 为油田抽油机在恶劣工况下 的稳定运行提供了新的解决方案。

为同时满足降低含风光氢储微电网的综合成本、 提升新能源的消纳率和源荷利用率的多目标要求, 基于 风光氢储微电网的出力模型, 以经济型、 新能源消纳率、 源荷利用率为优化目标, 建立了含风光氢储微电网的 多目标优化模型, 提出了一种多策略改进的蜜獾优化算法(HBA: Honey Badger Algorithm)。 基于西北某地微电 网实际数据, 在离网运行状态下, 对所提模型进行实例验证。 结果表明, 改进的蜜獾算法在求解模型时, 拥有 更强的收敛性和更快的收敛速度。 同时, 多目标模型能求出 36 种不同解, 相对单目标只能求出一种解而言, 在实际应用中可以提供更多选择性。

针对局部遮阴情况(PSC: Partial Shading Conditions)下光伏阵列输出功率呈现多峰值特征导致传统最大 功率点跟踪(MPPT: Maximum Power Point Tracking)算法存在跟踪速度慢、跟踪精度低等问题, 提出一种基于改 进灰狼优化算法 ( GWO: Grey Wolf Optimizer) 和变步长电导增量法 ( VINC: Variable step-size Incremental Conductance)相结合的复合算法。 首先, 通过分析峰值点对应电压位置, 在灰狼优化算法中加入峰值电压初始 化策略; 其次, 引入非线性收敛因子以提升灰狼优化算法的全局搜索能力。 该复合算法先利用改进灰狼优化算 法进行全局搜索, 再切换至引入 dP/ dU 的变步长电导增量法进行局部搜索。 Matlab / Simulink 仿真结果表明, 所提复合算法在静态和动态局部遮阴情况下均能提升跟踪速度与精度, 同时减小输出功率振荡幅度。

由于输电线路绝缘子故障直接影响电网稳定运行, 为准确识别绝缘子故障, 提出一种基于改进 YOLOv3 (You Only Look Once 3)-Tiny 的绝缘子故障诊断方法。 首先, 在特征提取网络中集成通道-空间注意力机制, 强化关键特征捕获能力。 然后, 设计跨阶段部分连接-感受野模块, 以增强小目标的检测能力, 同时减少计算 量。 最后, 采用一种新颖的损失函数优化定位精度。 实验表明, 改进后的 YOLOv3-Tiny 算法在检测绝缘子故障 方面表现出高达 97. 4% 的平均准确率, 超越原始 YOLOv3-Tiny 算法。

针对大规模新能源机组并网运行存在诱发电力系统电压失稳风险问题, 虽然可以通过构网型 SVG( Static Var Generator)输出无功功率增强电网电压支撑能力, 但其优化配置方法仍需深入研究。 为此, 采用多新能源 场站短路比(MRSCR: Multiple New Energy Station Short Circuit Ratio)作为电压稳定评估指标, 建立电网电压支撑 强度量化分析模型, 重点揭示构网型 SVG 并网对 MRSCR 指标的提升机理。 基于电压稳定临界阈值约束, 构建 以装置容量最优化为目标的配置模型, 提出综合考虑电压稳定性和经济效益的构网型 SVG 多目标优化配置 方法。 仿真实验与算例对比结果表明, 所提配置方法可显著改善暂态过程中系统节点的电压支撑特性。

针对分子对接等传统方法在大规模虚拟筛选任务中面临时间成本过高甚至难以完成的问题, 提出一种 融合增量学习的并行图贝叶斯优化框架, 用于高效执行大规模虚拟筛选任务。 其利用深度图贝叶斯优化框架 进行筛选, 通过并行化扩展支持在多台服务器的多个计算节点上灵活部署, 从而显著提高计算效率。 同时, 针对代理模型训练时间较长的问题, 引入增量学习训练策略予以解决, 并设计指数移动平均及回放机制以缓解 增量学习中的灾难性遗忘问题。 实验结果表明, 深度图贝叶斯优化框架仅需对接化合物库中 6% 的分子即可 筛选出优秀分子集合中 96% 以上的分子; 在采用 4 个计算节点时, 并行化框架较串行框架节省了 71% 的时间 成本; 在增量学习策略的加持下, 总运行时间进一步减少 13. 8% , 同时仍能筛选出优秀分子集合中 93. 7% 的 分子。 综上, 所提出的方法能在大幅降低虚拟筛选时间成本的同时保持筛选性能。

针对在晶体结构预测中分开使用第一性原理方法和机器学习模型, 导致无法有效利用机器学习模型提供 的信息使效率降低的问题, 提出了一种基于多保真贝叶斯优化的稳定晶体结构预测算法。 算法通过代理模型 建模晶体结构的势能面, 采集函数根据势能面建模结果选取采样点以及对应的评估保真度, 评估函数对采样点 进行评估, 评估结果用于代理模型的更新。 满足终止条件后, 算法停止迭代并输出最终预测的稳定晶体结构。 实验结果表明, 该算法可以有效利用机器学习模型的信息, 在保证最终预测结果精度和质量的同时具有更高的 效率。

针对现有的贝叶斯优化算法计算复杂、 寻优效率较低问题, 提出了一种改进的贝叶斯优化算法( IBO: Improved Bayesian Optimization)。 首先, 对蒙特卡洛马尔科夫链(MCMC: Monte Carlo Markov Chains)算法进行改 进, 使用高斯代理函数改进建议函数, 同时在先验函数中加入超先验, 简化了高斯超参数优化计算的复杂度, 提高了计算效率。 其次, 提出了在卷积神经网络(CNN: Convolutional Neural Network)超参数优化过程中将损失 函数与数据集大小进行高斯建模, 使模型能自适应选择优化超参数所用的数据集大小, 从而可在使用较少数据 集的情况下寻找到使损失函数最小的超参数组合。 使用 Branin-Hoo 函数对改进的贝叶斯优化算法进行测试, 证明了 IBO 算法能在最短的时间内找到最优值。 使用 IBO-CNN 对 PU(University of Paderborn)数据集进行故障 诊断, 并与其他超参数优化算法进行对比, 结果证明 IBO 算法能更快速找到损失函数最小值, 使训练过程快速 收敛, 诊断精度高于其他算法 0. 5% ~ 3% 左右, 并在不同工况下的数据集上都表现出良好的故障诊断性能, 证明了该算法比其他优化算法具有更高的计算效率。

针对现有船舶建造企业系统集成和资源共享水平较低, 导致实际生产中工艺和零部件信息的查询与追溯 困难的问题, 结合船舶建造溯源实际需求, 构建船舶建造标识信息集成与区块链溯源系统。 针对船舶建造 场景, 提出了基于生产过程的全信息标识体系方案, 实现建造信息统一标识。 利用区块链技术对建造信息统一 管理, 并根据船舶建造溯源需求, 提出一种快速的基于关键词查询的区块链跳跃溯源机制。 该机制通过辅助 数据库定位最后一个相关区块, 并利用区块头中的类别关键字字段, 实现区块的跳跃查询。 实验证明, 该系统 不仅能准确追溯船舶建造信息, 还有效提升了查询溯源性能, 平均性能提升了 2. 07 倍。

 针对可见光-红外行人重识别任务中利用行人细节特征减轻可见光图像和红外图像之间的模态差异而导 致的过拟合问题, 提出了一种基于改进卷积神经网络(CNN: Convolutional Neural Networks)的结合数据增强技 术与细节特征提取方法的端到端网络。 以生成多样嵌入特征的同时匹配行人细节特征减轻模态差异为目标, 设计了一个高效的双分支注意力模块学习信息更加丰富的特征表达, 并提出了一种具有数据增强作用的三元 组损失函数缓解过拟合。 通过在公共数据集 SYSU-MM01 和 RegDB 上进行的大量实验表明, 所提出的方法优于 其他方法,有效减轻了注意力机制导致的过拟合问题, 提高了行人重识别的准确性。

针对线上诊疗信息体量的暴增致使诊疗信息处理与应用难度大幅提升, 极大地阻碍在线诊疗系统的发展 的问题, 提出数据挖掘技术下线上诊疗信息多维特征提取方法。 通过清洗、 集成与缺失值填充预处理线上诊疗 信息, 并引入蚁群算法多维聚类线上诊疗信息, 基于卷积神经网络制定线上诊疗信息多维特征提取框架, 通过 卷积、 池化与全连接层协同作用实现线上诊疗信息多维特征的有效提取。 实验结果表明, 应用该方法获得的 线上诊疗信息多维聚类结果中患者基本信息维度类别、 症状信息维度类别、 治疗过程记录信息维度类别与随访 信息维度类别之间界限显著, 患者治疗过程记录信息特征 患者治疗时间与实际结果一致, 可以有效提高 诊疗信息的处理效率和准确性, 为在线诊疗系统发展提供实用的技术支持。

针对传感网络路由拓扑动态变化, 正常与异常界限模糊, 错误信息来源复杂, 传统入侵检测难辨真实 入侵与临时故障的问题, 提出了一种新颖的基于粗糙度-改进蜂群算法的传感网络异常节点入侵检测方法。 该方法旨在更精确地识别并区分异常行为, 降低因系统动态性带来的误报率。 引入粗糙度函数提取与筛选传 感网络节点入侵数据特征值, 利用系数矩阵构建入侵检测目标函数, 引用信息熵改进蜂群算法, 构建新的适应 度函数, 区分重要特征, 辨别真正的入侵和系统暂时性故障, 实现对网络异常节点的入侵检测。 测试结果 表明, 该方法对异常节点入侵检测的准确率平均值为 96. 0% , 节点入侵漏检率平均值为 1. 3% , 检测平均延时 为 0. 25 s。 所提出方法能有效应对传感网络路由拓扑动态变化带来的检测难题, 精准区分真实入侵与系统临时 故障, 在异常节点入侵检测中表现出高准确率、 低漏检率和较短检测延时的优势, 为传感网络安全稳定运行 提供了可靠保障。

 针对在腹腔镜手术器械检测领域现有的目标检测网络利用多尺度特征不足, 以及检测模型通过微调方法 适应下游任务的局限问题, 提出一种基于改进 Retinanet 的腹腔镜手术器械检测算法。 该算法包括促进模型对 下游任务高效适应的自适应提示微调模块, 以及为强化模型对不同尺寸目标信息捕捉能力的 DR-Unet(Deep Residual UNet) 模块和 RFA(Residual Feature Augmentation)模块。 在腹腔镜手术器械检测数据集上的实验结果 表明, 所提算法在 IOU(Intersection over Union)为 0. 5 时, 比基线模型提高了 1. 1% , mAP@ 0. 5 达到了 97. 3% , 检测效果优于众多其他先进方法, 在手术器械检测等实际应用场景中展现出显著的价值与意义。

针对传统的图神经网络虽然可以表征用户与物品之间的交互, 但通常局限于成对的二元关系, 难以充分 建模用户和物品之间的高阶关联问题, 提出了一种用于推荐系统的全局关系感知超图注意力网络GR-HGAN (Global Relational-aware Hypergraph Attention Network for Recommender Systems)。 首先, 采用超图结构, 允许 一个超边同时连接多个用户和物品, 自然地刻画出多方交互的高阶关联。 然后, 利用超图注意力机制, 关注 图中不同邻居节点与当前目标节点的关联程度, 提升重要节点在特征聚合中的影响力。 最后, 结合全局超图和 局部子图的消息传播机制, 有效学习全局视角下节点之间高阶关联的同时融合局部子图中的重要信息, 进一步 提升节点嵌入的表示能力。 在广泛使用的数据集 Yelp, MovieLens 和 Amazon 上进行的大量实验证明, GR-HGAN优于先进的推荐方法。

针对目前电商网站访问权限控制方法安全性较差, 非法用户能直接访问电商网站, 导致单位时间内系统 成功处理的交易数量较少、 电商网站访问用户数异常多的问题, 设计了智能合约优化下电商网站访问权限控制 机制算法。 设计电商网站访问权限控制智能合约优化架构, 在初始化、 加密、 解密、 签名、 验证和访问阶段部 署智能合约。 使用临时对称密钥解密电商用户数据密文, 获得电商用户个人数据, 结合基于非交互零知识证明 的认证方式获取电商用户发送的信息。 根据电商网站的第 1 级安全认证口令, 恢复一个以太坊地址, 并通过信 用度模糊层分析结果, 控制电商网站访问权限。 实验结果表明, 该算法成功处理的交易数量最大为 12x 10? bit / s, 最小为 5x 10? bit / s, 且能有效控制用户访问权限。

为解决信息量爆炸背景下思政案例文本篇幅长、 议题复杂、 冗余信息多导致的人工摘要效率低下问题, 以及现有纯抽取式模型忽略语句间逻辑关联、 纯生成式模型易偏离政策导向的缺陷, 提出一种聚类到句子算法 (CLUSTER2SENT: CLUSTER to SENTence)。 该算法通过提取与摘要相关的重要话语-对重要话语进行聚类分 析-为每个聚类生成摘要文本的 3 步流程实现思政案例摘要自动生成。 实验结果表明, CLUSTER2SENT 算法在 ROUGE-1 指标比纯抽取式对应模型高出 8 个百分点, 证实了该算法的有效性; 同时, 在构建摘要语料库时创建 节结构, 可显著提升模型性能。

针对现有道路裂缝分类方法多依赖人工测量导致效率低下问题, 提出了一种道路裂缝检测模型。 首先 基于ResNet50 架构提出了 COTECANet(Contextual Transformer Efficient Channel Attention Network)模型, 其性能 优于所对比的其他深度学习模型; 然后针对该模型的检测结果, 对存在路面裂缝的道路, 基于二分法计算图像 裂缝轮廓的最大内切圆半径, 进而得到道路裂缝的最大像素宽度; 最后根据相应比例换算可得到测量路面裂缝 的实际宽度, 并依据国家标准对道路裂缝的破损程度进行分类定级。 实验结果表明, COTECANet 模型可有效 检测路面裂缝, 其对道路裂缝识别的准确率达到 99. 8% 。 该方法为道路养护提供了更加科学有效的技术支持, 具有重要的理论和工程应用前景。

针对多维度数据流的特性和复杂性, 为充分利用并行计算资源, 保证算法的可扩展性, 提出 Hadoop 环境 下多维数据流频繁模式并行挖掘算法。 设计基于 HDFS(Hadoop Distributed File System)和 MapReduce 的 Hadoop 数据流处理平台, 提出基于特征投影和拟合的 HpFitStream 聚类算法, 利用其中的多项式拟合算法完成异常数 据流处理, 并通过特征投影完成处理后数据流的降维以降低计算成本。 采用 PFPonCanTree 算法实现在 Hadoop 环境下多维数据流的频繁模式并行挖掘。 实验结果表明, 所提方法能在有效降低计算复杂度的同时, 提升算法 的可扩展性以及负载均衡能力。

针对在节假日期间公路交通压力增加, 直接应用采集的交通数据存在数据缺失和错误的缺陷, 进而影响 预测准确性的问题, 提出物联网技术下节假日公路交通拥堵状况预测算法。 该算法通过物联网技术, 实时采集 节假日公路交通数据, 并进行相关性分析以及组建相关路口集; 结合流量-占有率模型和径向基函数神经网络 模型, 修复交通流量, 并通过 K-means 聚类分析法对各个路段进行划分; 通过构建路网数据的压缩矩阵, 并 利用路网原始数据矩阵之间的映射关系, 获取节假日整个路网各个路段的交通预测结果。 实验结果表明, 所提 算法的效率系数(CE: Coefficient of Efficiency)取值趋近 1, 更贴近实际观测值。 证明所提算法在公路交通拥堵 状况预测方面具有良好的性能, 可以有效实现节假日公路交通拥堵状况预测。

 针对地铁安检 X 光图像中由于违禁物与背景物质存在复杂的密度重叠和纹理干扰, 导致特征表征能力 不足, 难以有效区分违禁物与正常物品; 同时, 传统方法在特征提取过程中容易丢失细小违禁物的关键空间信 息, 最终导致检测系统出现严重的漏检和误检问题, 提出了基于特征提取与增强的地铁安检X 光违禁物智能识 别算法。 构建基于改进 SSD-VGG16( Single Shot MultiBox Detector-Visual Geometry Group 16)的多尺度特征提取 框架, 通过新增 Conv3_3 细节捕获层和 Conv5_3 细小物体敏感层强化对违禁物微观特征的提取能力, 并采用 特征融合技术整合 Conv4_3 等基础网络层的语义信息, 显著提升了特征表征的完备性; 同时引入空间注意力 机制, 通过分解聚合特征获取 X-Y 双向注意力向量, 有效聚焦于违禁物关键区域, 嵌入 ECA(Efficient Channel Attention)通道注意力模块实施交叉信道交互学习, 实现了对违禁物判别性特征的动态增强; 采用 DIoU-NMS (Distance-Intersection over Union Non-Maximum Suppression)算法综合考虑目标框重叠率和中心距离进行优化筛 选, 大幅降低了密集场景下的漏检率; 通过自适应阈值分割方法, 结合维纳滤波和中值滤波预处理技术消除图 像噪声干扰, 依据灰度或伪彩色分布特征实现违禁物的精确区域分割, 实现了 X 光违禁物识别。 由实验结果 可知, 该算法识别的金属刀、 火机、 玻璃瓶对应的像素亮度分别为 255、 153、 51, 与实验指标一致, 能精准识别 出各种违禁物。

针对在低照度数字化摄影图像处理过程中, 为避免图像失真和细节丢失的问题, 提出基于引导滤波的 图像增强处理算法。 首先, 划分低照度数字化摄影图像的亮度分量区, 在优化经典的伽马校正算法后, 再利用 滑动窗口将原始图像的 RGB(Red, Green, Blue)模式转换为 HSV(Hue, Saturation, Value)模式, 实时调节滑动 窗口的位置和半径范围, 保证伽马值在最优范围, 保留低照度数字化摄影图像的局部信息。 然后, 通过引导滤 波将图像拆分为基础和细节层, 并分别采用分割集群、 压缩映射和对比度函数调整的处理方法及分数阶微分掩 膜, 对基础和细节层进行增强处理。 最后, 通过融合因子将基本和细节层融合处理, 得到增强处理后的图像。 实验结果表明, 该算法可以更好地突出图像的细节边缘以及细节增强效果, 可以获得良好的图像增强效果。

 在虚拟现实环境中建立图像场景时, 为在保障图像分辨率的前提下提升图像的拼接精度, 针对数字化 摄影图像, 设计了一种新的拼接算法。 在虚拟现实环境中, 首先, 确定待拼接数字化摄影图像的重叠区域, 并 在其中检测特征点; 然后, 通过判断图像尺度空间极值点, 过滤掉重叠区域中不稳定的特征点, 并匹配特征点; 最后, 根据匹配结果, 实现对数字化摄影图像的精准拼接。 实验结果表明, 相比传统算法, 利用该算法拼接 得到的图像信息熵和效果更好。

为了让企业在多服务价值链的海量数据资源中快速得到所需数字媒体资源, 设计一种面向多服务价值链 的数字媒体资源推荐算法。 建立数字媒体资源数据集, 融合元学习概念, 采用最优聚类法划分不同时段的数字 媒体资源属性, 通过一致性矩阵推算用户被划分为相同簇的概率, 在相空间重构下组建多服务价值链数字资源 推荐目标函数; 引入潜在狄利克雷分配法求解目标函数, 并利用惩罚因子处理数字媒体资源推荐长尾问题, 依照用户兴趣度高低对资源排序, 实现高精度数字媒体资源推荐。 实验结果表明, 所提算法的用户偏好评估 准确性和推荐覆盖率较高, 有效提升了数字媒体资源推荐质量, 为企业的良性发展带来新的机遇。

由于目前超声仪器轨迹球机械故障检测方法在特征分类时, 需要通过划分多个类别才能完成故障诊断。 虽然多类别模式能提升诊断效率, 但这种多类别的故障识别模式易发生类间类似故障的循环迭代比较, 致使识 别准确性下降。 为此, 利用轨迹球机械故障频谱特征可融合的特点, 设计频谱特征统一条件下超声仪器轨迹球 机械故障诊断方法。 通过频谱分析技术对超声仪器轨迹球信号进行频谱分析, 获取高精度的幅值谱和相位谱; 将信号幅值和相位信息融合处理, 在超声仪器轨迹球的每个监测断面上组建二维全息谱, 提取故障信号特征。 通过提取的特征为每个样本随机设定标签组建样本库, 利用样本库对深度神经网络( DNN: Deep Neural Network)进行训练, 经过 DNN 训练和测试迭代, 将含有相似特征的故障样本聚集到同一个类中, 最终实现故障 诊断。 实验结果表明, 所提方法可以精准诊断出超声仪器轨迹球机械故障, 保证超声仪器的稳定运行。

现有电子扫描档案信息去噪方法, 难以应对扫描档案中混合出现的墨渍、 折痕、 纸张纹理等复杂噪声。 且在去噪过程中会导致文字边缘模糊。 为此, 设计图书馆电子扫描档案信息自适应无迹卡尔曼滤波去噪算法。 将图书馆电子扫描档案信息划分为多个子区域, 计算各子区域的信息熵。 对信息熵较低的子区域完成线性 变换, 通过调整像素值的范围和偏移量增加像素多样性, 提高该图书馆电子扫描档案区域信息熵。 基于信息熵 优化后的图书馆电子扫描档案信息, 利用自适应无迹卡尔曼滤波去噪算法实现图书馆电子扫描档案信息去噪。 测试结果为设计方法在处理后的图像中保留了更多的细节, 同时有效地去除了噪声, 使得图像整体更加清晰, 设计方法的文本可读性指数(TLI: Text Legibility Index) 值整体高于 0. 96, 历史特征保留度( HFP: Historical Feature Preservation)值最高达到 0. 97, 说明该算法能为图书馆电子扫描档案的数字化保护和利用提供有效的 技术支持。