为解决传统通信原理实验箱在对信号处理和检测方面存在的不足, 需要利用仿真对实验现象进行更全面 的展示, 而 Simulink 和 LabVIEW 等软件只能对数字通信系统进行仿真。 为此, 采用 Multisim 实现了对脉冲 幅度调制(PAM: Pulse Amplitude Modulation)编译码、 频移键控(FSK: Frequency Shift Keying)调制解调和相移 键控(PSK: Phase Shift Keying)调制解调等模拟通信系统的元器件级电路仿真。 通过仿真, 直观地展示了抽样 定理、 锁相环和科斯塔斯环的内在工作机理, 并深入分析了 FSK 解调过程中可能出现的两种失真的机理。 

为使信号在不失真的情况下降低共模噪声的干扰, 提高激光自混合光栅干涉信号的信噪比, 提出了一种 基于差分技术的激光自混合光栅干涉位移测量方法。 +1 级衍射光被振动物体反射后返回激光腔, 发生自混合 干涉,并由封装在激光器内的光电探测器 PD1 接收, 0 级衍射光由外置 PD2 接收。 根据半导体激光器前后向 输出存在 180毅相位差的原理, 两光束所携带的自混合干涉信号相位相反,而叠加的噪声是部分相关的, 因此对 两个干涉信号进行差分能消除部分噪声。 通过对差分后的自混合信号处理, 可以重构出位移。 实验结果表明, 差分后的重构振动波形的平均误差更小, 信号更平稳, 且差分后的干涉信号的信噪比提高 3 dB 以上。

为提高移动通信中用户服务质量(QoS: Quality of Service), 解决系统总能效和用户服务质量不能兼顾的 问题, 以稀疏码多址接入( SCMA: Spare Code Multiple Access)下行链路为应用场景提出了一种基于用户服务 质量和能效的资源分配方案, 将系统的容量和能耗作为主要方向进行优化。 使用贪婪算法对用户进行码本 分配, 采用丁克尔巴赫理论(GDA: Generalized Dinkelbach’s Algorithm)将其转化为一个凸优化问题进行迭代求 解, 以本次计算得出的用户最低服务速率作为下一轮运算的系统最低服务速度重复进行用户码本和能耗轮换 计算, 直到系统中用户最低通信速度变化低于预设值或达到最大运算次数为止, 使系统的容量及能耗达到较好 的情况。 通过理论分析和仿真结果表明, 所提出的 SCMA 分配方案能有效提升下行链路的用户的通信速率和 系统能效。

针对原始局部保持投影(LPP: Local Preserving Projection)算法难以准确获取非均匀高维数据的局部流形 结构且未利用样本类别信息的缺陷, 提出一种多信息融合的局部保持投影算法(MIF-LPP: Multi-Information Fusion Local Preserving Projection)。 该算法使用改进后的标准欧氏距离获取样本的近邻和互邻信息, 降低了 样本点分布不均和不同维度数据量纲差异的影响。 通过融合样本的类别信息构造权值矩阵, 进而获得数据的 低维本质流形。 最后, 分别在 CWRU(Case Western Reserve University) 数据集和本实验室轴承数据集上验证 该算法的有效性。 实验结果表明, MIF-LPP 算法的特征提取性能明显优于其他算法, 并且对邻域值具 有鲁棒性。

中文化学命名实体结构没有严格的构词规律可循, 识别实体中包含字母、 数字、 特殊符号等多种形式, 传统字向量模型无法有效区分化学术语中存在的嵌套实体和歧义实体。 为此, 将高中化学试题资源的命名实 体划分为物质、 性质、 量值、 实验四大类, 并构建化学学科实体词汇表辅助人工标注。 通过 ALBERT 预训练模 型提取文本特征并生成动态字向量, 结合 BILSTM-CRF( Bidirectional Long Short-Term Memory with Conditional Random Field)模型对高中化学试题文本进行命名实体识别。 实验结果表明, 该模型的精确率、 召回率和 F1 值 分别达到了 95. 24% 、95. 26% 、95. 25% 。

针对金属部件表面损伤点云数据对分割网络局部特征分析能力要求高, 局部特征分析能力较弱的传统算 法对某些数据集无法达到理想的分割效果问题, 选择采用相对损伤体积等特征进行损伤分类, 将金属表面损伤 分为 6 类, 提出一种包含空间尺度区域信息的三维图注意力特征提取方法。 将得到的空间尺度区域特征用于 特征更新网络模块的设计, 基于特征更新模块构建出了一种特征更新的动态图卷积网络( Feature Adaptive Shifting-Dynamic Graph Convolutional Neural Networks)用于点云语义分割。 实验结果表明, 该方法有助于更有效 地进行点云分割, 并提取点云局部特征。 在金属表面损伤分割上, 该方法的精度优于 PointNet+ +、 DGCNN (Dynamic Graph Convolutional Neural Networks)等方法, 提高了分割结果的精度与有效性。

为预测油田增油控水措施效果中月产油量与含水量, 提出一种基于混合空洞卷积神经网络(HDCNN: Hybrid Dilated Convolutional Neural Network)-BIGRU-Attention 的措施效果预测模型。 模型通过 HDCNN, 提取生产 数据多尺度全局特征; 针对措施生产数据时序性较强与波动性较大的特点, 利用双向门控循环单元(BIGRU: Bidirectional Gated Recurrent Unit)充分挖掘数据间长期依赖关系, 提高时序信息利用率与学习效果; 引入缩放点 积注意力模块(Attention), 为重要信息赋予较高权重并不断调整参数使模型始终关注与预测目标相关性较大的 特征。 为验证模型的有效性, 将 LSTM(Long Short-Term Memory)、 CNN(Convolutional Neural Network)-LSTM 以及 LSTM-Attention 作为实验对比, 结果表明该模型具有更低的预测误差与更好的泛化能力。

为解决多属性群决策结果之间存在较大的差异问题, 对基于直觉模糊测度的可测函数列依测度收敛进行 了研究。 基于可能性理论和直觉模糊集理论研究直觉模糊可能性测度, 确定直觉模糊测度存在有界性、 单调性 以及直觉模糊可加性性质与直觉模糊测度依据接收、 延迟和拒绝 3 项决策规则。 研究结果明确给出可测函数 列依测度收敛情况, 可知集函数在可测空间中存在集值双零渐进可加的收敛状态。 通过算例验证该方法可有 效计算差异属性特征下不同决策的直觉模糊可能性测度, 可有效获取最佳决策方案和解决多属性群决策问题, 具有较好的实用性。

针对抽油机井示功图故障诊断问题, 提出基于轻型卷积神经网络, 并引入注意力机制, 以提高在参数量、 计算量减少的情况下的网络诊断性能。 网络基础结构采用 MobileNet-V2, 并将 ECA(Efficient Channel Attention Module)模块嵌入 MobileNet-V2 的倒残差模块中。 倒残差模块中, ECA 对特征图从通道维度, 将生成的通道注 意力重标定权重与输入特征图进行相应通道相乘, 最后获取经过注意力加权处理的特征图。 基于提出的方法, 在保证模型诊断准确性的前提下, 降低了网络模型结构的复杂性。 实验结果表明, 改进后的 MobileNet-V2 的 诊断准确率达到 97. 60% , 满足油田实际生产需求。 

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。 

为有效减少网络安全事件造成的损失, 并对高风险网络资产进行漏洞评估, 提出了一种基于量子粒子群 轻量级梯度升降算法(QPSO-LightGBM: Quantum Particle Swarm Optimization-Light Gradient Boosting Machine)的 多分类预测模型。 该模型通过对少量过采样技术(MOTE: Minority Oversampling)进行合成从而达到数据平衡, 采用量子粒子群算法(QPSO: Quantum Particle Swarm Optimization) 实现参数的自动最优化, 并使用 LightGBM 进行建模, 进而实现网络资产的多分类预测。 为验证模型的有效性, 将所提模型与其他算法模型进行了比对, 实验结果表明, 该模型在各类预测性能指标上都取得了较好的效果。 

为解决新型冠状病毒肺炎(COVID-19: Corona Virus Disease 2019)计算机辅助诊断相关问题, 建立双线性 卷积神经网络模型, 选取 VGG(VGG: Visual Geometry Groupnetwork)16 与 VGG19 网络作为特征提取子网络, 将 算法应用于新冠图像分类, 并与基本图像分类算法进行对比。 计算结果和病灶可视化分析表明, 与其他深度 学习网络模型相比, 双线性卷积神经网络模型具有更高的精度, 准确度高达 95. 19% 。 通过替换原始分类层, 采用支持向量机分类器, 模型分类准确度进一步提高至 96. 78% 。 研究结果证实了细粒度图像算法在新冠 CT 图像分类上的可行性, 为快速正确诊疗新冠肺炎提供了可靠的工具。

为解决电动汽车充电负荷过大对电网造成的影响, 提出了考虑储能运营商和电动汽车的配电网双层优化 模型。 模型上层考虑储能运营商参与配电网削峰填谷和电动汽车充电的经济效益, 下层考虑电动汽车所有者 基于分时电价积极响应储能运营商调度充放电的经济效益。 采用改进的模拟退火算法对双层模型进行求解, 并用 IEEE 33 节点验证了该模型在保证配电网安全运行情况下能有可观的收益。

传统推荐算法缺少对图结构的隐含信息及上下文信息的利用, 从而可能降低推荐效果。 为提高传统推荐 算法的推荐效果, 提出基于图神经网络的推荐模型。 该模型基于图的高阶连通性理论, 使用图神经网络挖掘 用户-物品二部图中的隐含信息, 并由一阶扩展到多阶, 从而获取更精确的嵌入式表示和推荐效果; 在更新过 程中考虑上下文信息, 有利于理解上下文间的交互关系。 并将该模型在 Yelp-OS、Yelp-NC 和 Amazon-book 数据 集上进行实验, 实验结果表明, 在 HR(Hit Ratio)和 NDCG(Normalized Discounted Cumulative Gain)指标上均优于 相关对比算法, 证明该算法可优化推荐效果, 提升推荐质量。

针对目前图像的模糊去重方法存在处理后图像不清晰、 质量不高的问题, 提出了基于小波域的数字化 媒体图像自适应模糊去重算法。 首先通过小波域方法对数字化媒体图像完成去噪处理; 其次利用逐步标注显 著区域方法将数字化媒体图像分成保护与非保护区域, 其中保护区域即为显著区域; 最后利用显著性正则化处 理图像, 完成图像的自适应模糊去重算法。 实验结果表明, 基于小波域的数字化媒体图像自适应模糊去重算法 处理后的图像噪声低、 质量高、 图像信息丰富, 清晰度好。 

 为应对大规模新能源的接入, 以 IEEE 33 节点配电网模型为基础, 添加了可调度负荷和无功调压设备, 基于二阶锥支路潮流模型, 构建了主动配电网日前-日内调度模型。 日前阶段以综合运行成本为优化目标, 对 配电网各设备未来 24 h 的出力情况进行调度。 日内滚动优化调度阶段, 则将储能设备、 电动汽车以及电容器 组的日前调度结果作为约束条件, 以电压稳定性、 网损和新能源利用率为优化目标。 可调度负荷接入后, 日前 调度的新能源消纳率提高了 4. 41% , 购电成本从 472. 03 元降至 446. 90 元。 与日前调度结果相比, 日内调度中 新能源消纳率降低 0. 53% , 各节点电压偏移最大值从 0. 060 0 降至 0. 025 3。 实验结果表明, 提出的二阶段 调度模型电压偏移较低, 同时新能源利用率较高。

针对 O 型密封圈表面细微缺陷检测困难的问题, 提出了一种基于6 光度立体法和图像综合特征分析的密 封圈缺陷检测方法。 首先采集 6 个不同光源角度的图片, 利用光度立体法重构表面梯度图和反射率图。 然后 将表面梯度图先转化为平均曲率和高斯曲率图像, 再转化为灰度图并使用固定阈值分割出缺陷区域。 将反射 率图经高斯滤波后, 采用局部的均值和方差阈值分割缺陷区域。 最后, 对得到的缺陷区域连通域特征分析并准 确选择出缺陷。 实验测试结果表明, 该方法对密封圈表面存在熔痕、 凹凸、 流痕等细微缺陷有较好的效果。 在 所设计的密封圈质量检测系统的应用中, 检测准确度大于 98. 4% , 能解决目前工业中存在的密封圈缺陷检测 识别率不高的问题。

针对由于行人拍摄相机参数、 拍摄环境以及角度等的差异, 使行人重识别算法的准确率较低的问题, 提出了一种基于行人语义感知信息以及深度学习的行人重新识别算法。 首先, 超分辨率重构行人视图, 提升 行人视图细节特征, 提取行人的整体特征值, 并用其识别体型差异较大的行人。 其次, 感知行人图像的语义 信息, 根据上述结果提取行人语义信息的特征值, 用于识别体型相同或相似的行人。 然后将行人视频中的人体 宏观特征值以及语义感知的信息特征值融合为综合的特征值。 使用生成的特征值计算与不同个体视频特征值 的间距, 识别海量人物图像。 最后, 在不同的数据集中验证了算法的性能。 实验结果表明, 该基于语言感知 行人重识别算法的 mAP 和 rand-1 值最高。

为解决人物面部遮挡情况下识别人脸信息不清楚的缺陷, 优化人脸识别系统, 提出了基于面部边缘细节 的局部遮挡人脸图像识别方法。 依据稀疏性表达对人脸图像去噪, 根据图像灰度变换原理检测人脸图像边缘, 分割边缘区域, 计算其阈值以得到人脸图像边缘信息。 标记人脸特征点增强信息识别精度, 提取人脸图像的 特征描述子, 并将其输入支持向量机模型中, 通过训练实现局部遮挡人脸图像识别。 实验结果表明, 该方法 应用于人脸图像识别平均识别率高于 73% , 识别时间低于 20 s。

针对观测数据的零样本遥感影像场景分割时, 因不存在相应的参照物, 造成分割耗时长, 精确率较低等 问题, 提出了基于卷积神经网络的零样本城市遥感影像场景分割算法。 采用主成分分析方法与 K-奇异值分解 方法对遥感影像去噪处理, 抑制斑块效应; 将去噪后影像输入 Retinex 增强算法中, 进一步提升零样本城市遥 感影像增强效果; 采用均值漂移算法分割遥感影像场景获取其像素点之间关系, 通过卷积神经网络完成零样本 城市遥感影像场景精准分割。 实验结果表明, 该算法精确率高, 召回率高, F-score 率高, 消耗时间短。 

针对采集设备在获取空间多维数据时往往是离散的, 受设备故障、 环境等因素的影响, 空间多维数据会 出现遗漏或异常问题, 提出了基于 Lagrange 插值算法的空间多维数据校准模型。 首先, 建立星型和雪花型的 空间多维数据库结构, 明确数据分布特征。 然后, 预处理初始数据, 经过参数初始化操作, 实现数据维数一致 性划分, 提高数据质量。 再通过信息熵蚁群聚类、 优化合并等过程完成数据分类, 将具有相同特征的数据聚集 到同一簇中, 减少离群点。 最后, 利用基函数确立 Lagrange 插值多项式, 引入归一化思想, 确保数值在一定区 间内浮动, 避免龙格现象, 生成新的插值多项式, 多项式计算结果即为校准的数据值。 实验结果表明, 该方法 具有较好的数据预处理能力, 能有效减少校准误差。

针对网络欺骗攻击检测过程中易受信号强度、 监控配置和路由器性能等干扰问题, 提出了基于深度学习 算法的校园监控网络欺骗攻击检测方法。 利用深度学习网络中的自编码器对校园监控网络流量数据进行降维 处理, 使用自编码器构成的栈示编码器对降维后的流量数据实行特征提取, 并将提取的特征输入置信度神经 网络中, 根据输出的置信度数值与固定阈值相比较判断网络欺骗攻击的类型, 完成校园监控网络欺骗攻击的 检测。 实验结果表明, 该方法的检测时间短、 检出率高、 误报率低。

 针对目前人工果蔬采摘成本较高且国内果蔬采摘机器人发展较慢问题, 设计了一类智能果蔬采摘 机器人。 该机器人的设计采用 Jetson Nano 开发板进行效率更高的视觉识别( VI: Visual Identity) 运算和处 理方法, 视觉识别使用 YOLO V5s 算法, 运动控制应用五自由度机械臂的运动学正解进行分析并得出其 运动学正解公式, 进而得知机械臂活动空间, 末端执行器采用夹持爪子以便各类果蔬的采摘。 最终确定 了较为清晰的果蔬采摘智能结构, 结果表明, 采用 Jetson Nano 开发板使视觉识别算法运算速率提高 10 倍 以上, 通过对正解公式的分析使末端执行器运动更为精准, 在可接受偏差内较为完整的实现了果蔬采摘 功能。