针对多传感器分布式接收中的弱信号检测与调制识别稳健性不足的问题, 提出了一种基于深度学习的联合处理算法。 该方法采用分布式软信息融合处理策略, 将信号检测与调制识别综合为一个多元假设检验问题, 借助深度神经网络优异的函数逼近能力, 在对网络结构、 目标函数和网络输入输出进行分析基础上,给出了基于深度神经网络的联合后验概率求解及分类判决方法。 通过仿真实验对所提方法性能进行了验证,结果表明, 该方法能实现多个传感器信号有效融合, 并且随着接收单元数目增加, 分类准确率明显提升; 与现有基于等权值合并的置信度融合方法相比, 该方法性能更优, 且在低信噪比、 短数据和接收单元数目较多时优势体现更加明显。

针对扩频通信网络跳频信号时差估计结果误差过高, 导致信号定位追踪能力下降, 多领域内信号传播停滞的问题, 为增强扩频通信网络跳频信号的传播效率, 提高辐射源跟踪和定位系统的信号探测能力, 提出基于分数阶傅立叶变换(FRFT: Fractional Fourier Transform)与盲分离的扩频通信网络跳频信号时差估计算法的方法。 采用盲分离方法获取满足跳频信号时差估计条件的两条信道, 即平坦衰落信道和频率选择性衰落信道,利用 FRFT 估计两条信道特征, 分别将平坦衰落信道特征和频率选择性衰落信道特征与最大似然块检测算法结合, 实现扩频通信网络跳频信号的时差估计。 实验结果表明, 该方法无论是在正常环境中, 还是在噪声干扰环境中, 其均方根误差均处于较低水平、 估计成功率均处于较高水平。

 针对经过拼接合成等篡改操作的图像被压缩后, 难以检测出篡改证据的问题, 提出了一种基于摄像机标定的压缩图像拼接合成检测方法。该方法首先分析压缩图像的成像规律, 将空间变换矩阵作为检测证据;然后基于摄像机标定参数, 估计单应矩阵; 最后基于摄像机外部参数, 通过旋转图像的空间变换矩阵, 确定图像的真实性, 完成拼接合成压缩图像的检测。实验结果证明, 该方法可以检测出经过拼接合成篡改的图像,检测精度为75%。

针对并发频谱接入模型下的认知物联网(C-IoT: Cognitive Internet of Things)系统中的干扰管理问题, 提出一种基于遗传算法(GA: Genetic Algorithm)的 C-IoT 功率自适应部分干扰转向(PIS: Partial Interference Steering)算法。 该算法能在同时保证主用户(PU: Primary User)和认知用户(CU: Cognitive User)服务质量的前提下提高系统的频谱效率。 仿真结果表明, 该算法能在寻求系统最优频谱效率时快速收敛, 求出此时 PU 和 CU 期望信号的最佳发射功率。 在主发射机、 PU 和 CU 相对位置确定的场景下, 根据用户的平均违反约束程度 D_{cv_ave},能求解出可接入授权频谱认知发射机的最佳空间分布区域。

针对中点箝位(NPC: Neutral-Point-Clamped)型三电平逆变器直流侧上下两个电容电压不一致, 以及传统的空间矢量脉宽调制(SVPWM: Spatial Vector Pulse Width Modulation)虽然可在一定的调制度范围内解决两个电容电压不一致, 但在较大的调制比下中点电位无法维持平衡的问题, 在传统 SVPWM 和虚拟空间矢量脉宽调制(VSVPWM: Virtual Space Vector Pulse Width Modulation)的基础上优化控制方法。 该方法依据电流的流向对不同的正、 负小矢量采用不同大小的平衡因子, 同时根据中点电位差值, 引入电压调差系数, 并在此基础上与无差拍控制相结合。 该闭环控制策略利用中点电位差值与逆变器三相电流输出值作为反馈量调整输出波形,抑制中点电位。 仿真结果表明, 该方法在三电平逆变器调制度较高时仍然可以维持直流侧中点电位的平衡,证明了控制策略的正确性和有效性。

为解决评估过程中评估指标体系权重分配不合理和空战数据不确定的问题, 提出基于博弈论和区间云模型进行非完备空战决策效能评估的研究方法。 针对空战攻防决策, 构建评估指标体系, 基于博弈论合理调整主客观权重获得指标的综合权重值。 然后, 对评估中出现的随机性和模糊性问题, 研究区间云模型方法, 通过区间云发生器确定非完备空战决策效能优劣。 最后, 通过仿真验证了所提方法的可行性和有效性, 为解决非完备信息下的空战决策效能评估问题提供了技术支撑。

在深度强化学习算法中, 近端策略优化算法 PPO( Proximal Policy Optimization) 在许多实验任务中表现优异, 但具有自适应 KL(Kullback-Leibler) 散度的 KL-PPO 由于其不对称性而影响了 KL-PPO 策略更新效率,为此, 提出了一种基于相关熵诱导度量的近端策略优化算法 CIM-PPO (Correntropy Induced Metric-PPO)。 该算法具有对称性更适合表征新旧策略的差异, 能准确地进行策略更新, 进而改善不对称性带来的影响。 通过OpenAI gym 实验测试表明, 相比于主流近端策略优化算法 Clip-PPO 和 KL-PPO 算法均能获得高于 50% 以上的奖励, 收敛速度在不同环境均有 500 ~ 1 100 回合左右的加快, 同时也具有良好的鲁棒性。

为解决传统有线混合网络数据传输丢包率高、 链路延迟长、 利用率低的问题, 提出一种有线混合网络数据传输拥塞优化控制方法。 以单向延迟和可用带宽的检测结果为基础, 采用马尔可夫模型预测有线混合网络传输的拥塞状态, 将资源消耗和链路利用率作为优化控制的目标, 在有线混合网络数据传输拥塞优化控制目标选择的路径符合要求下, 根据其状态建立目标函数, 完成优化控制。 实验结果表明, 该方法数据传输的丢包率小于 4% , 链路延时控制在 0. 05 s 内, 且其有线混合网络数据传输丢包率低, 链路延迟短、利用率高。

由于基于传统深度学习的岩石图像识别算法模型比较繁琐, 而且应用于移动终端等需要一定的计算能力, 因此很难实现对岩石类型的实时准确判别。 为此, 以 ShuffleNetV2 网络为基础, 插入通道连接注意力机制ECA (Efficient Channel Attention)模块, 使用 Mish 激活函数代替 ReLU 活函数并引入轻量级网络部件中的深度可分离卷积。 将该方法用于岩石图像识别, 实验结果表明, 改进后的算法结构简单, 同时具有轻量化的特点, 其识别精度达到 94. 74% , 可在移动终端等有限资源环境下应用。

针对数据库信息隐私易受到非法攻击, 安全性较低且储存空间较少的问题, 提出基于混沌映射的数据库信息隐私加密储存算法。 通过扰动 Logistic 混沌映射控制参量生成混沌序列, 将该序列与其他系统生成的混沌序列混合产生新的混沌序列, 然后通过动态编码算法进行非线性变换。 将输出序列作为数据库明文密钥加密明文, 构建用于数据库加密信息查询索引字段并通过哈希函数压缩, 与加密信息共同储存于数据库中, 实现可查询的混沌映射数据库信息隐私加密储存。 实验结果表明, 采用所提方法能缩短加、 解密用时, 减少空间占用, 降低算法能耗。

为解决跨区域科技资源共享和协同创新存在管理、 协同、 关联难等问题, 开展科技资源平台实践应用和理论研究并构建科技创新生态数字化展示系统。 首先构建科技创新要素的定义、 组成及指标体系, 提出以创新地图、 能力、 主体、 载体、 资源和环境为核心的数字化展示系统, 并以吉林省为例, 以指数法监测区域科技创新水平, 以文本挖掘法进行科技政策热点分析, 基于 Vue+Django+MySQL 技术架构进行系统的体系架构和功能设计, 最终实现区域内的科技数据创新生态数字化展示, 使系统具有数据共享、 数据关联、 决策支撑等智慧化服务功能。 应用实践表明, 该系统丰富了科技数据资源的可视化方式, 提升了科技创新生态的可视化程度, 提高了系统的高扩展性、 高效率和良好性能。

针对配电房主要依赖传统的人工巡检方式, 存在巡检成本高、 故障隐患误报漏报率较高等问题, 基于知识图谱和智能认知技术, 提出了配电站房运检业务知识库及高级应用的理论和技术, 深入研究了知识共享管理、 智能搜索和推荐、 数据标签及故障智能推理, 建立了配电站房知识库并在山西电网进行了示范应用。利用研究成果构建了配电站房智能运检业务知识库, 并开展了智慧应用研究, 实现了故障隐患智能分析等知识赋能, 减小了巡检成本, 提高了智能运检能力。

针对传统单幅图像超分辨率重建算法未能充分利用浅层特征信息, 忽略视觉目标中的空间结构信息,难以捕捉特征通道与高频特征信息之间的依赖关系, 重建图像出现伪影、 边缘模糊的问题, 提出一种基于残差网络和注意力机制的图像超分辨率重建算法。 该模型特征提取部分结合 WDSR-B( Wider Activation Super-Resolution B)残差网络增强特征信息在网络中的流通, 通过坐标注意力机制对特征参数加权, 引导网络更好地重建高频特征, 恢复图像细节。 实验结果表明, 4 倍图像重建下, 在 Set5 和 Set14 测试集上的峰值信噪比(PSNR: Peak Signal to Noise Ratio)为 31. 00 dB、28. 96 dB, 结构相似性( SSIM: Structural Similarity) 为 0. 893、0. 854, 重建后的图像在细节、 轮廓方面均表现更好, 优于其他主流超分辨率重建算法。

针对如何降低循环取货车辆路径问题(VRP: Vehicle Routing Problem)中的运输成本, 提出一种离散海鸥算法。 首先, 在海鸥迁移过程中, 采用 insert、 reverse 操作更新海鸥位置加快算法寻优速度; 其次, 在海鸥攻击过程中, 采用 swap、 3-opt操作更新海鸥位置提升算法局部搜索能力; 最后, 结合模拟退火算法避免算法在运行过程中陷入局部最优, 重新定义了在离散的车辆路径问题下的更新策略。 以总成本最低为目标函数, 构建相应的数学模型。 实验结果表明, 该算法具有高效解决循环取货车辆路径问题的能力, 寻优效果及求解质量均高于标准海鸥优化算法、 粒子群算法、 模拟退火算法、 灰狼优化算法、 鲸鱼算法和飞蛾扑火算法。

动态模糊逻辑程序设计语言的独特优势在于可以处理动态模糊数据, 但现存的编译器很难有效解析动态模糊数据。 针对此问题, 通过扩展监督命令程序结构, 引入对动态模糊性的形式化描述, 设计一种新型的动态模糊逻辑程序设计语言编译器。 通过实例验证, 该编译器能正确解析动态模糊数据, 降低了动态模糊逻辑程序调试难度, 提高了动态模糊逻辑程序开发效率。

针对传统的分配策略在混合储能系统中存在可用容量差异, 且混合储能系统会因为可用容量不够而停运的问题, 提出一种采用改进麻雀算法的功率分配策略。 该策略将混合储能体系内有效存储容量占总体容量之比最优化作为目标, 并利用改进麻雀算法能更好地解决锂电池跟超级电容之间的功率分配问题。 并且利用超级电容器高功率、 低能量密度的特点, 针对实际工作中会发生可用容量不够的问题, 提出运用锂离子电池根据转移电流调整超级电容器的残余有效储能容量的方法, 并利用模糊控制的转移电流求解方法, 使超级电容器始终保持一定的有效储能容量, 从而增强了超级电容器的持续运营能力。 仿真实验结果表明, 该策略具有快速性、 稳定性及有效性。

针对在以数字化的方式传承和保护蓝印花布的技术中由于缺乏具有原始手工特征的蓝色印花图案数据集, 极大地限制了深度学习技术在蓝印花布纹样识别领域的应用问题, 构建了一个大规模蓝印花布纹样数据集。 该数据集包含 50 216 张蓝印花布纹样, 从动物、 植物、 中国神话传说及复合四大题材的角度将数据分为85 个子类。 该数据集的创建不仅涉及到蓝印花布的数字化建设, 如蓝印花布纹样检索及相关纹样命名, 还能使相关研究人员设计和验证机器学习算法。 在所构建的数据集基础上, 提供了 4 个典型深度学习网络的实验结果, 以此作为其性能基准。

针对无人机巡检图像模糊、 分辨率低等问题, 利用深度残差卷积神经网络( VDRCNN: Very Deep Residual Convolutional Neural Network)理论, 提出了一种无人机巡检图像的超分辨率重构方法。 该算法模型 由超分辨率加深网络(VDSR: Very Deep Network for Super-Resolution)和残差结构组成, 同时结合批量组归一 化和 Adam 优化器以获得更好的重建效果。 在此基础上, 构建电力部件检测数据集, 通过恰当设置网络 参数, 实现针对模糊电力部件图像的高分辨率重构。 实验结果表明, 基于 VDRCNN 的超分辨率方法重建出 的图像纹理更丰富、 视觉效果更逼真, 在峰值信噪比和结构相似度上分别有 2. 95 dB 和 3. 79% 的提升, 明显 优于传统检测方法。 所提出的基于 VDRCNN 的电力巡检图像超分辨率重构方法对解决电力巡检实际问题 具有一定的应用价值。

针对油气物联网中无效能量消耗和网络寿命短等问题, 提出了一种新的数据筛选和融合算法。 该算法 通过分析数据与正常数据的偏离程度自适应地判断数据的异常程度, 对数据进行簇内筛选和簇间融合, 避免了 网络信息的冗余以及能量的过度消耗。 实验结果表明, 与传统方案相比, 该方案能有效改善油气物联网的通信 质量和能耗效率。

针对传统卷积神经网络模块体积庞大、 运算量高, 在体积较小、 资源有限的嵌入式平台上运行效果不好, 以及现有轻量化模块无法满足测量速度和测试精确度要求的问题, 为此选择目前的主流目标识别算法 Yolo v4 进行模型轻量化, 在 Yolo v4 模型中引入 Mobilenet 网络和深度可分离模块进行研究。 研究结果表明, 改进后不 同 Mobilenet 网络的 Yolo v4 模型检测一张图片的用时均比原始 Yolo v4 模型减少 19 ms 以上, 准确率都高于 92% 。 其中以 Mobilenet v3 为主干特征提取网络的改进 Yolo v4 模型的准确率为 95. 12% , 与原始 Yolo v4 模型 准确率相比提高 2. 99% , 但该模型的参数量约为 Yolo v4 模型的 1 / 6, 模型处理一张巡检图片用时比原 Yolo v4 模型减少 20 ms。 绝缘子作为输电线路的重要组成部分, 在众多图像中更快地识别出绝缘子能为之后分析输电 线路的运行情况提供帮助。

为实现数字图像的高精度应用, 降低外界光线对视觉成像的影响, 提出一种基于变分贝叶斯的视觉散焦 光图像快速盲复原算法。 通过梯度和卷积处理, 计算视觉散焦光图像后验概率期望, 利用 Sobolev 空间函数分 布方法提取最优初始图像和散焦光模糊函数先验概率。 以变分贝叶斯的近似分布思想, 无限逼近实际的后验 概率; 使用相对熵计算多个分布间距离, 最大程度贴近真实值; 将最小损耗代价函数输入双边滤波器内, 即以 近似清晰图像为指导图, 剔除剩余高频噪声, 得到最优图像盲复原结果。 实验结果表明, 所提算法盲复原后 图像对比度高, 边缘细节清晰, 复原速度快, 具有极高的应用价值。

针对非结构化大数据边缘安全性较差, 存储效果受限的问题, 提出基于边缘计算的非结构化大数据动态 安全存储算法。 有效分析和识别非结构化大数据, 利用构建的数据敏感级别识别模型确立非结构化大数据敏 感度等级并加密。 基于边缘计算及云计算, 建立云边协同架构, 利用该架构编写的分布式压缩感知鄄同时正交 匹配追踪(DCS-SOMP: Distributed Compressed Sensing-Simultaneous Orthogonal Matching Pursuit)算法对加密数据 进行压缩采集, 以此降低数据存储量, 最终将非结构化加密数据上传至云边协同框架各个边缘, 实现非结构化 大数据动态安全存储。 经存储量、 元数据占比、 加密耗时和带宽消耗测试实验, 结果表明该算法鲁棒性较高, 能保证实际应用性。

针对视频人体运动目标跟踪过程中遮挡导致跟踪能力下降的问题, 提出考虑遮挡因素的视频人体运动目 标自适应跟踪算法。 采用区域生长和视觉阈值效应相结合算法粗检测目标, 以粗检测结果为基础通过 Kalman 滤波器和 Meanshift 跟踪算法跟踪视频人体运动目标。 在目标尺度改变、 旋转以及光线变化等情况导致跟踪效 果不佳时引入 SIFT(Scale Invariant Feature Transform)算法提高跟踪能力, 实现抗遮挡的视频人体运动目标自适 应跟踪。 实验结果表明, 该方法的跟踪精确度较高, 在遮挡程度为 0. 5 时, 跟踪成功率仍可以达到 75% 左右, 且平均跟踪帧率为 28. 9 frame / s, 实时性较强。