为有效解决现有人体目标识别与追踪需人为干预等问题，设计了一种由嵌入式系统、无线通信技术及上
位机组成的人体自动检测及追踪系统。该自动检测与追踪系统分为上位机和下位机两部分，其中下位机以
STM32F103ＲCT6 单片机为控制核心，通过SHAＲP-GP2Y0A21YK0F 红外测距传感器检测人体位置进而控制舵
机，舵机上装有摄像头采集视频，利用WIFI( Wireless Fidelity) 将摄像头采集的视频信号传输至上位机。上位机
由Eclipse-Android 系统开发平台开发，可在监控中心实时显示视频信号。实践证明，该系统安装、操作简易快
捷，能准确实现人体的自动化识别与追踪过程，可广泛应用于室内不干扰红外线工作的行业。

为实时监测室内 CO2 浓度变化, 以 STC89C52 单片机为核心, 设计了一种基于气体传感器的二氧化碳 报警器。 硬件系统包括二氧化碳传感器、 信号调理电路、 模数转换电路、 STC89C52 单片机和声光报警单元。 软件系统包括数据采集、 数据处理、 报警逻辑等功能单元。 该报警器在室内 CO2 体积百分比超过1. 5% 时可以 及时启动声光报警功能, 并可实时显示室内 CO2 值。

针对传统无源有损积分环路滤波器相较于有源无损积分环路滤波器, 具有功耗低、 电路设计简单等特 点, 但其噪声传输函数(NTF: Noise Transfer Function)平滑, 噪声整形效果较弱的问题, 提出了一种无源无损的 二阶积分环路滤波器, 保留了无源有损积分优点的同时具有良好噪声整形效果。 设计了一款分辨率为 16 bit、 采样率为 2 Ms/ s 的混合架构噪声整形 SAR ADC。 仿真结果表明, 在 125 kHz 带宽、 过采样比为 8 时, 实现了 高信号与噪声失真比( SNDR( Signal to Noise and Distortion Ratio) 为 91. 1 dB)、 高精度(14. 84 bit) 和低功耗 (285u W)的性能。

为了更好地利用深度学习框架防范安卓平台上恶意软件攻击, 提出了一种新的应用程序可视化方法, 从而弥补了传统的采样方法存在的信息损失问题; 同时, 为得到更加准确的软件表示向量, 使用了 Swin- Transformer架构代替传统的卷积神经网络(CNN: Convolutional Neural Network)架构作为特征提取的主干网络。 实验采用的数据集中的样本来自 Drebin 与 CICMalDroid 2020 数据集。 研究结果表明, 新提出的可视化方法 优于传统的可视化方法, 检测系统的准确率达到 97. 39% , 具有较高的恶意软件识别能力。

针对传统的命名实体识别方法无法充分学习古汉语复杂的句子结构信息以及在长序列特征提取过程中 容易带来信息损失的问题, 提出一种融合 SikuBERT( Siku Bidirectional Encoder Representation from Transformers) 模型与 MHA(Multi-Head Attention)的古汉语命名实体识别方法。 首先, 利用 SikuBERT 模型对古汉语语料进行预训练, 将训练得到的信息向量输入 BiLSTM(Bidirectional Long Short-Term Memory) 网络中提取特征, 再将 BiLSTM层的输出特征通过 MHA 分配不同的权重减少长序列的信息损失, 最后通过 CRF(Conditional Random Field)解码得到预测的序列标签。 实验表明, 与常用的 BiLSTM-CRF、 BERT-BiLSTM-CRF 等模型相比, 该方法 的 F1 值有显著提升, 证明了该方法能有效提升古汉语命名实体识别的效果。

为解决异构数据孤岛之间难以开展安全机器学习的问题, 提出了一种异构数据孤岛之间的联邦学习通信 方式, 实现了横向和纵向混合的联邦学习通信, 突破了传统联邦学习横向和纵向参与方之间模型结构不统一的 通信壁垒。 基于政府、 银行等机构的特殊性隐私需求, 在混合联邦学习模型的基础上进一步去除了第三方聚合 器, 计算只在参与方之间进行, 大大提高了本地数据的隐私安全性。 同时针对上述模型中纵向同态加密为通信 过程带来的计算速度瓶颈问题, 通过增加本地迭代轮次 q 将纵向联邦学习的加密时间缩短了 10 倍以上, 降低 了横向参与方与纵向参与方间的计算瓶颈, 并且精度损失不超过 5% 。

为提高卫星星座网络受到攻击后的抗毁性及工作能力, 提出了一种模拟退火狼群算法。 该算法利用主客 观权重法结合综合逼近理想排序法(TOPSIS: Technique for Order Preference by Similarity to Ideal Solution)对网络 中的节点进行重要度评估, 并按照节点重要度排序依次攻击。 以网络连通度与网络连通效率为优化目标, 卫星 星座网络通信限制为约束条件, 采用运动算子的思想实现狼群自适应步长的游走、 召唤和围攻。 使用通过优化 得出的加边方案对网络结构进行优化。 实验表明, 与其他优化算法相比, 该算法具有优越性, 解决了卫星星座 网络在受到攻击后工作能力下降的问题, 提高了其受到攻击后的抗毁性。

针对微地震信号能量较弱, 噪声较强, 使微地震弱信号难以提取问题, 提出了一种基于 EM-KF (Expectation Maximization Kalman Filter)的微地震信号去噪方法。 通过建立一个符合微地震信号规律的状态 空间模型, 并利用 EM(Expectation Maximization)算法获取卡尔曼滤波的参数最优解, 结合卡尔曼滤波, 可以有 效地提升微地震信号的信噪比, 同时保留有效信号。 通过合成和真实数据实验结果表明, 与传统的小波滤波和 卡尔曼滤波相比, 该方法具有更高的效率和更好的精度。 

针对程序代码相似性检测度量忽略程序语义、出现无效度量的问题, 提出一种基于抽象语法树(AST：Abstract Syntax Tree)的程序代码相似性度量方法。通过预处理去除生成AST时的冗余信息, 再进行词法语法分析, 得到相应的AST； 然后通过自适应阈值的选取方式, 利用AST遍历得到的程序属性、 方法序列, 对AST进行相似度计算, 最终判定是否抄袭, 生成相似度检测报告。实验结果表明, 该方法能有效检测Java程序代码的多种抄袭行为。

为解决典型模拟电路在设计阶段可能引入的性能退化问题，通过分析国内外电路虚拟验证技术研究进
展，并针对引起模拟电路性能退化的HCI( Hot Carrier Induced) 、NBTI( Negative Bias Temperature Instability) 、
TDDB( Time Dependent Dielectric Breakdoun) 等机理模型进行深入研究，开展了性能退化仿真流程模型设计、
失效物理模型推导建立及模型参数提取3 项关键工作。基于上述关键技术研究，选取典型模拟运算放大器，
采用Cadence spectre 软件开展了性能退化仿真研究。最终得出器件在25 ℃下，工作2 年和10 年后的性能退化
情况，验证了该仿真方法的可行性。该结论可在模拟电路设计阶段，为其设计改进工作提供初步支撑。

 针对在室内应用超宽带 UWB(Ultra Wide Band)定位技术时, 需要建立高效精确的三维坐标定位系统以 克服信号干扰问题, 应用机器学习方法对其进行了研究。 首先使用多种统计分析模型清理无效或误差测量值; 然后将 TOF(Time Of Flight)算法的先验知识与神经网络、 XGBoost(eXterme Gradient Boosting)算法相结合, 提出 了神经XGB(Exterme Gradient Boosting)三维定位系统, 该系统可通过“正常数据冶和“异常数据冶 (受干扰)以及 4 个锚点的坐标精准预测靶点的坐标值, 能使误差在二维平面降至 5. 08 cm, 在三维空间降至 8. 03 cm; 同时 建立了判断数据是否受干扰的神经网络分类模型, 精确率为 0. 88; 最后通过结合上述系统, 得到了连续且规律 的运动轨迹, 证明了系统的有效性与鲁棒性。

为提高机器人路径规划的搜索速度，缩短搜索时间，总结归纳移动机器人在路径规划问题上的算法及其特点。首先回顾移动机器人发展历史，并对路径规划技术进行概述; 其次对移动机器人路径规划进行分类总结，并从移动机器人对环境掌握情况的角度出发，将移动机器人路径规划分成全局规划和局部规划两类，然后对全局规划和局部规划的相关算法进行综述，同时对相关算法发展现状及优缺点进行总结。最后指出机器人路径规划技术在改进算法、混合算法、多机器人协作、复杂环境以及多维环境下进一步深入研究的未来发展趋势。

微地震反演是根据微地震监测数据反演推测震源位置、 发震时刻、 真震级、 震源初始振幅、 震源机制 以及介质参数等信息, 进而完成微地震监测主要任务的重要途径。 为通过对微地震反演技术的研究, 获取更 精确的微地震信息, 进而提升对储层压裂评价的可靠性、 降低开发成本以及提高油气采收率, 从微地震震源 定位、 震源机制以及多参数联合反演 3 个方面对微地震反演进行综述。 回顾了近年来微地震反演技术的研究 进展, 分析了各种反演方法的原理与优缺点, 总结了各种反演技术的改进以及应用情况, 展望了未来的研究 思路和发展方向, 为今后微地震反演技术进一步发展提供参考借鉴。 

为提高传统目标检测的识别效果和准确率, 并加快运算速度, 提出了一种具有更强大特征学习和特征 表达能力的卷积神经网络(CNN: Convolutional Neural Network)模型和相关的深度学习训练算法, 并将其应用于 计算机视觉领域的大规模识别任务。 首先详细分析了传统目标检测算法, 如 V-J(Viola-Jones) 检测器、 HOG (Histogram of Oriented Gradients)特征结合 SVM(Support Vector Machine)分类器和 DPM(Deformable Parts Model) 检测器的特点。 然后提出了深度学习算法, 如 RCNN(Region-based Convolutional Neural Networks)算法和 YOLO (You Only Look Once)算法, 并分析了其在目标检测任务中的应用现状。 针对倒地检测任务, 使用 YOLOv5 (You Only Look Once version 5)模型对不同身高体型目标人群的行为进行训练。 通过使用不同的交并比( IOU: Intersection over Union)、 准确率(Precision, P)、 召回率(Recall, R)和 PR 曲线等评估指标, 对 YOLOv5 模型进 行了分析, 评估了其在检测站立和倒地两种活动方式的实际效果。 同时通过预训练和增强处理, 增加了训练样 本数量并提高了网络的识别准确率。 实验结果表明, 倒地识别率达到了 86% 。 可将其应用于灾区探测救援类 机器人的设计中, 以辅助识别和分类受伤倒地人员, 提高灾区救援效率。 

运行在电脑的手写数字识别系统在移动性和便捷性方面存在诸多缺陷, 为此, 将数字识别算法移植于灵 活小巧的高性能嵌入式设备, 设计了一种基于视觉库 OpenCV(Open Source Computer Vision Library)的手写数字 识别系统。 通过舵机云台调整拍摄角度, 利用图片拼接和数字分割技术, 实现短距离、大面积的手写数字识 别。 比较了使用 KNN(K-Nearest Neighbor)、支持向量机和人工神经网络 3 种分类算法训练的模型在识别速度、 识别准确率、模型体积等方面的区别, 经过测试, 使用人工神经网络算法在树莓派上的识别时间可低至 0. 115 s, 识别准确率可达 72% , 具有一定的应用价值。

针对内部网络安全威胁节点成因多、 特征难捕捉问题, 提出一种基于 XGBoost 算法的内部网络安全威胁 检测方法。 以内部网络社区间的状态差异作为指标, 计算不同社区类型内节点的边权重, 查找与目标值存在 关联性的节点。 经多次分配提取特征值, 将其作为初始值输入 XGBoost 决策树中, 构建威胁性特征目标函数, 求解每个节点对应的泰勒系数, 实现内部网络安全威胁检测。 实验结果表明, 所提方法特征提取精准度高, 在 多种网络攻击条件下均能实现精准检测。

行为识别的过程很大程度上可以看作特征提取与分类器相结合，故特征提取方法的优劣直接影响最终识
别效果。与静态图像物体识别相比，视频中人体行为识别特征提取更易受到动态背景、采集设备运动、视角和
光照等因素影响人体，从而对研究人员的工作提出了很大挑战。为此，综合了近几年对行为识别特征提取系
统分类和不同类型行为识别特征提取方法以及常用行为识别数据库等领域研究的最新进展，探讨了目前研究
难点，阐述了与未来可能的研究发展方向。

为使风电并网过程中电流、 电压、 频率、 相位等参数保持一致, 提高风电并网安全性和稳定性, 提出 一种基于寻优算法的风电并网变流器控制参数辨识方法。 建立风电并网变流器控制模型, 根据电力电压支撑 情况变更 PI(Proportional Integral)调节器的功率控制指令。 利用微分函数方程, 设置 PI 调节器控制条件, 计算 复频域的函数关系, 明确调节积分系数逻辑关系。 通过控制传递函数得出控制参数的可辨识性, 分析参数控制 输出值以及特性数据, 最终完成控制参数的寻优辨识结果。 实验结果表明, 所提方法在多种环境下均能完成控 制参数的辨识, 辨识误差小, 准确度高。

针对电动汽车直流充电桩故障多发且难以精准诊断的问题, 提出一种基于改进反向传播神经网络(BP: Back Propagation)的充电桩故障诊断方法。 首先, 对充电桩的运行数据集归一化、 缺失值填充等预处理, 将 处理后的数据集输入 BP 模型中进行训练; 其次, 引入基于蝴蝶优化算法改进的麻雀搜索算法, 对 BP 模型的权 值和阈值进行寻优, 得到最优化模型; 最后, 基于优化后的 BP 模型对充电桩的故障状态进行诊断。 仿真结果 表明, 在平均绝对误差、 平均绝对百分比误差、 均方根误差等方面均具有良好的计算优势, 相比传统 BP 算法 的诊断精度, 所提出的改进 BP 方法提升了 14. 85% , 能较为准确地诊断充电桩的状态, 为电动汽车故障诊断 提供有力保障。

为解决传统移动机器人在局部路径规划中的避障问题, 针对传统 DWA(Dynamic Window Approach)算法 的移动机器人避障时间过长以及在密集动态障碍物区中无法选择最佳路径的缺点, 提出了 A * 算法结合 VO (Velocity Obstacle)算法的 VO 混合路径规划算法, 对移动机器人避障算法进行优化。 基于 ROS(Robot Operating System)机器人操作系统, 在具有 3 种障碍物的情况下, 采用模块化的软件架构, 通过设计 DWA 算法与 VO 混合路径规划算法的对照研究实验, 检验 VO 混合路径规划算法的避障效果。 多种环境下的仿真实验结果 表明, 在动态障碍物多、 障碍物移动速度快以及雷达扫描频率低的情况下, 使用 VO 混合路径规划算法, 避障 效果有明显改善。

针对目前市场上可直接用于光纤光栅传感实验教学的装置较少, 前沿科研技术和本科实验教学相脱节 现状, 设计了基于光纤光栅的温度应力传感教学装置。 该装置包括光纤激光器、 光谱仪和上位机控制软件 3 部 分。 光纤激光器实现了 1 550 nm 左右的激光输出, 利用光谱仪测量光纤光栅中心波长的改变, 并采集数据 输入计算机, 上位机控制软件用于图形显示和数据存储等。 该实验装置操作简单、 组装灵活、 重复性和稳定性 好, 可用于本科实验教学。 将前沿科学技术引入本科实验教学, 促进了科学研究与本科实验教学相融合, 实现 了科研教学水平的同步提高。

群智感知网络由于能很好地解决大规模感知网络中部署维护成本高这个关键难题, 近年来成为物联网研究的热点。笔者主要对群智感知网络的最新研究现状进行综述。阐述了群智感知网络的基本定义、起源和架构, 分析了其特点以及与传统感知网络的区别与联系; 分别从环境感知、公共基础设施感知以及社会感知3 方面对群智感知网络的研究现状进行总结; 分析和指出了群智感知网络未来3 个重要的研究方向和挑战, 为深入研究提供参考和借鉴。

为解决微博网络暴力言论的自动识别和检测问题, 基于微博语料进行了数据集构建, 数据清洗等工作, 提出一种改进的 TFIDF(Term Frequency-Inverse Document Frequency)文本向量化方法。 将传统方法和此方法构 建的向量用于逻辑回归模型输入, 分别创建出传统方法和改进方法的逻辑回归暴力文本分类模型。 对上述模 型做评估并进行横向比较, 实验结果表明, 改进方法的 AUC 指标和准确率分别为 0. 969 和 0. 970, 较之传统方 法分别提升 14. 4% 和 15. 5%.

为减小复杂多变的电磁环境对车辆的影响, 利用三维电磁场仿真软件 CST ( Computer Simulation Technology)在车辆发动机舱建立线缆模型, 研究不同因素对车辆电磁耦合效应的影响。 通过仿真得到线缆长 度、 线缆距车底高度、 线缆相对距离、 线缆终端电阻、 导体半径、 绝缘层厚度等参数变化下, 线缆感应电压和 感应电流的峰值绘制关系曲线。 这些结论可以为车辆线束设计提供理论指导, 并为电磁防护设计中对于线缆 导体半径选择、 线缆相对距离、 离地高度、 线缆长度等提供依据。

为解决由于固定温度 SAC(Soft Actor Critic)算法中存在的 Q 函数高估可能会导致算法陷入局部最优的 问题, 通过深入分析提出了一个稳定且受限的 SAC 算法( SCSAC: Stable Constrained Soft Actor Critic)。 该算法 通过改进最大熵目标函数修复固定温度 SAC 算法中的 Q 函数高估问题, 同时增强算法在测试过程中稳定性的 效果。 最后, 在 4 个 OpenAI Gym Mujoco 环境下对 SCSAC 算法进行了验证, 实验结果表明, 稳定且受限的 SAC 算法相比固定温度 SAC 算法可以有效减小 Q 函数高估出现的次数并能在测试中获得更加稳定的结果。

为提高自动控制相关课程的实验教学水平, 研制出一套四容水箱液位控制装置。 该装置选用工业上常用 的硬件设备, 软件部分设计了 Matlab / GUI(Graphical User Interface)操作界面, 可允许在 Matlab 中直接编程实现 对系统的控制。 建立了四容水箱系统的数学模型, 并利用阶跃响应法辨识系统的模型参数。 针对四容水箱 系统设计了分散内模控制器, 仿真环节采用 Matlab / Simulink 完成, 实现了四容水箱系统液位的跟踪控制。 实验 结果表明, 采用内模控制器的四容水箱系统, 当其中一个水箱的水位发生变化时, 对其他水箱的水位影响很 小, 系统具有满意的控制效果。 在自控等相关课程中, 该装置可以作为一种新的实验设备, 并具有较好的实验 教学效果。

为提升双目立体视觉装置的准确度和精度，提出基于双目立体视觉的标定技术。针对双目立体视觉中两
个相机的特点，采用圆形标志阵列标定板为图像源，通过对图像预处理，以径向误差做约束条件，根据圆的几
何关系和最小二乘法综合提取特征点的算法获取图像标识点坐标并求取单应性矩阵，最后推导得到理想的外
参和内参，从而获得双目立体视觉装置准确的参数。实验结果为该装置对待测数据的获取提供了精确的数据
基础和可靠的矫正条件，进而提升了双目立体视觉装置的准确度和精度。

现有成绩预测研究多集中于如何构建预测模型, 但都忽略了预测时间的重要性。 针对此问题, 提出基于 BP(Back Propagation)神经网络方法构建大一成绩同最终毕业时的成绩预测模型, 旨在挖掘大一成绩同毕业成绩存在的潜在联系, 实现早指导早见效的原则。 通过对某高校信息与计算科学专业 2016 级学生成绩进行随机预测实验, 证明大一成绩同毕业成绩间具有潜在联系。 同时, 提出的基于 BP 神经网络的高校学生成绩预测模型具有良好的预测精度、 实用性和推广性, 可以成为提升教学质量的重要组成部分, 为实现人才培养的目标发挥更大的作用。

为提高影视动画场景色彩搭配效果, 提出基于特征点提取算法的影视动画场景色彩搭配系统设计方法,构建影视动画场景色彩搭配的视觉认知模型。 使用辅助视觉图像采样模型提取影视动画场景色彩搭配图形的辅助视觉元素特征空间结构, 结合影视动画场景色彩搭配图形的三维分布特征量; 利用特征点提取算法建立影视动画场景色彩搭配视觉元素 RGB 特征分解模型; 通过视觉信息参数融合和三维视觉重建的方法, 进行影视动画场景色彩搭配系统的软件平台开发, 设计影视动画场景色彩搭配系统, 采用三维重建软件, 实现影视动画场景色彩搭配系统的视景仿真开发设计。 仿真结果表明, 设计的影视动画场景色彩搭配系统输出稳定性较高,可靠性较好。

为解决基于 RNN(Recurrent Neural Network)的序列推荐模型在处理长序列时易出现梯度消失或爆炸从而 导致推荐模型训练过程不稳定问题, 在传统门控循环单元(GRU: Gated Recurrent Unit) 基础上, 引入了残差 连接、 层归一化以及前馈神经网络等模块, 提出了基于深度残差循环神经网络的序列推荐模型 DeepGRU。 并 在 3 个公开数据集上进行了验证, 实验结果表明, 该 DeepGRU 相较于目前最先进的序列推荐方法具有明显的 优势(推荐精度平均提升 8. 68% )。 消融实验验证了引入的残差连接等模块在 DeepGRU 框架下的有效性。 并且, 该 DeepGRU 有效缓解了在处理长序列时训练过程不稳定的问题。 

针对油气物联网(OGIoT: Oil and Gas Internet of Things) 连接设备的数量暴增导致边缘计算(EC: Edge Computing)系统中的边缘节点算力不足, 且难以有效识别其他边缘节点的恶意攻击而导致的服务崩溃问题, 提出针对油气物联网数据污染检测改进的高效机器学习算法(EMLDI: Efficient Machine Learning Method for Improved Data Contamination Detection of Oil and Gas IoT), 解决了因边缘节点鲁棒性不强, 数据失真或遭到轻度 质变导致边缘节点运算结果波动大且不准确问题。 通过随机选择批量样本加入高斯噪声(GN: Gaussian Noise) 扩充数据集训练网络, 使网络具有更宽泛的数据拟合能力和预测能力, 解决了数据被严重破坏时边缘节点难以 实施正确运算导致系统性崩溃问题。 实验结果表明, 该算法能更有效地识别噪声污染以及随机标签污染的 样本, 并且算法在规定的训练批次内能达到最好的效果。

为解决油田井下配水器供电问题, 提出以同轴螺线管式为电磁感应耦合器的无线输电方案, 并研究了在 此条件下频率与系统输出功率的关系。 研究表明耦合介质均匀、 两端对齐的同轴螺线管耦合系数和原副边线 圈半径比相关, 在油管环境中, 耦合系数较大, 串鄄串补偿时系统在不同固有谐振频率和工作电源频率下对传 输功率的影响较大, 系统在固有谐振频率较大时会出现频率分裂, 通过选择系统固有谐振频率以及调整工作频 率, 可以保证系统有较大功率输出和传输效率。 通过仿真和实验, 验证了采用同轴螺线管式电磁耦合器的感应 耦合输电系统的固有谐振频率和工作频率对功率传输的影响。

为更好地使 URLLC( Ultra-Reliable and Low Latency Communications) 与增强型移动宽带业务( eMBB: enhanced Mobile Broad Band)在同一载波频段有效复用, 进一步提升混合业务系统性能, 提出一种基于可扩展 传输时间间隔(TTI: Transmission Time Interval)的动态带宽分配策略。 系统根据业务类型进行带宽动态划分; 时域上提升 URLLC 调度优先级; 频域上采用不同长度的 TTI 进行以用户为中心的无线资源分配。 动态系统级 仿真表明, 在不同程度的负载水平下, 相比传统无线资源分配算法, 该方案能在有效满足 URLLC 用户时延 需求的前提下优化 eMBB 用户的吞吐量消耗, URLLC 用户时延增益最高达到 83. 8% , 提升了 5G 混合业务系统 中不同类型业务的服务质量(QoS: Quality of Service)。

为降低对抗样本的影响, 提高分类模型在遭受攻击威胁下的精度, 利用哺乳动物视觉系统工作原理, 结合注意力机制, 提出一种新型防御对抗样本模型 PSCAM-GAN(Parallel Spatial and Channel Attention Mechanism Adversarial Generative Network)。 该防御模型在通过编码器获得对抗样本的特征图后, 使用平行注意力机制提 取特征图中的个体和位置信息, 然后在保证这些特征不变的情况下, 重新调整特征图的权重, 通过解码器产生 净化结果。 该方法能在清除恶意扰动的同时保持净化结果与输入的一致性, 有效降低对抗样本对模型精度的 影响。 在 CIFAR-10 和 MNIST 数据集上, PSCAM-GAN 面对多种对抗样本攻击时的防御效果超越了其他基于预 处理的防御方法, 能有效提高模型的健壮性。

为减少重大自然灾害给人民生活带来巨大的经济损失，非常必要建立一个有效的灾难响应交通运输系
统。为此，提出了基于K-means 的聚类模型和遗传算法( Genetic Algorithm) 的多人最短路模型等现代智能算法，
并结合波多黎各城镇数据进行灾难救援模拟实验。结果显示，模型成功完善了传统的灾难响应交通系统时效
低、针对性差、效率低等缺点，针对医院、公路网密集、人口密度大以及平原地区进行优先救助，利用无人机
进行主要交通线路的快速巡查，以波多黎各地区为例进行实验，结果显示模型快速实现交通恢复，为地面物资
的输送提供了极大的便利，提升了救援速度。

为提高光电编码器的细分精度, 实现莫尔条纹信号的补偿和校正, 分析了对信号质量产生影响的误差 来源, 建立了莫尔条纹信号的波形方程。 设计了一种利用布谷鸟搜索算法结合最小二乘法, 用残差平方和作为 适应度函数实现波形方程多参数辨识的方法。 并利用辨识得到的参数结合波形方程对信号中的正弦性偏差、 直流分量和等幅性偏差进行修正。 将辨识得到的相位参数用于构建查找表, 以实现信号的正交性偏差补偿。 实验结果表明, 上述方法有效降低了输出信号中出现的偏差, 提高了光电编码器的细分精度。

功能磁共振成像技术(fMRI: functional Magnetic Resonance Imaging)是一种高效的脑成像技术研究方法, 为减少 fMRI 数据的冗余, 将其转换为更具分类潜力的特征, 提出一个基于孪生网络( SANet: Siamese Network) 的特征构造算法 SANet, 将多个扫描点下的脑区信息类比为图, 应用改进的 AlexNet 网络进行特征构造, 并结合 增量特征选择策略达到优化分类的目的。 通过实验对比 3 种不同网络结构和 4 种分类器对 SANet 模型的影响, 并进行消融实验, 验证增量特征选择算法对 SANet 构造特征的分类效果。 实验表明, SANet 模型能对 fMRI 数据进行有效构造, 且提高原始特征的分类性能。

为解决无线体域网WBAN(Wireless Body Area Network)中人体姿态识别率低、算法复杂的问题, 设计了一种以多层分级理论为基础的人体姿态多级分层识别算法。考虑到使用者的舒适度, 将九轴加速度陀螺仪传感器(VG350) 做成腰带佩戴在腰部实时采集数据。运用加速度向量幅值(SVM: Signal Vector Magnitude)、角度、角加速度和位移等参量, 通过对实际测量数据的分析, 将坐、蹲、弯腰、慢走和跑等姿态进行识别。实验结果表明, 该算法简单, 姿态识别率高达96. 5%。

为解决四连杆双足机器人的平面步态规划问题, 提出基于被动行走的平面步态规划。基于3毅向下坡面完全被动行走的动力学方程, 利用角度不变控制方法施加控制力矩, 得到机器人在水平面上的动力学模型。结合常数时间放缩方法对平面参考轨迹进行时间放缩, 得到机器人在水平面上步幅不变, 周期可变的行走步态。通过Matlab 软件数值仿真结果表明, 该研究方法是可行、有效的。