低信噪比下稳健压缩感知成像

 由于基于l₁范数的压缩感知理论模型无法充分挖掘信号的稀疏性,因此在重建过程中无法实现对待重构系数的等权值约束,进而导致在信噪比较低时,噪声分布的不稀疏性会严重影响目标信息的重建,造成成像结果中会出现大量虚假目标,成像性能急剧下降。本文在深入分析了加权l₁范数模型的基础上,提出了一种更加稳健的适用于含噪模式下的高分辨率压缩感知微波成像模型。该模型在借鉴常规加权l₁范数模型的基础上,针对权重选择及加权方式进行了修正,使得权值的变化程度和权值大小分离,可以做到相同的惩罚约束,从而实现成像过程中噪声分量的有效抑制,实验结果说明了低信噪比下所提模型的有效性。     

基于稀疏表示的双基地MIMO雷达多目标定位及幅相误差估计

 基于稀疏表示理论,提出一种新的双基地多输入多输出(MIMO)雷达收发角度及幅相误差估计算法。利用接收数据,分别构造发射和接收协方差矩阵,并以列向量化后的发射和接收协方差矩阵为量测信号建立2个一维稀疏线性模型,构造模型求解的 L₂-L₁ 混合范数优化目标函数,通过交替迭代寻优获得目标角度估计和幅相误差估计,最后给出了本文算法的收敛性分析。与现有算法相比,该算法充分利用了目标发射和接收空域的稀疏特性,且能够通过对噪声功率的预估计来抑制噪声。仿真结果表明:在低信噪比(SNR)条件下,本文算法仍能够得到较好的估计精度,且对幅相误差具有一定的稳健性。     

基于改进Split Bregman的电容层析成像滑油监测研究

针对电容层析成像（Electrical capacitance tomography,ECT）技术应用于滑油系统磨粒在线监测时,其图像重建过程中存在的不适定性问题,提出了一种基于迭代p阈值函数的Split Bregman（SB）图像重建算法。首先,建立基于SB算法的ECT图像重建模型。其次,建立基于L_p范数的SB模型。最后,为更方便求解L_p范数的阈值迭代形式,引入了p阈值函数。通过灵活选取p值,提高了SB算法的精度和适用性。仿真实验结果表明,与Landweber,Tikhonov正则化和SB算法相比,改进SB算法图像误差降低了约30%,相关系数高达0.96,成像速度与Landweber成像速度相近。实验结果表明,改进SB算法能够胜任滑油系统磨粒监测任务,并提高了成像质量。     

等离子喷涂LaTi2Al9O19热障涂层的微观组织结构及热物理性能

 第一代热障涂层(TBCs)由氧化钇部分稳定的氧化锆(YSZ)陶瓷隔热层和金属粘结层组成,该涂层长期使用温度低于1 200℃。随着先进航空发动机向着高推重比发展,迫切要求发展新一代超高温、高隔热热障涂层材料。LaTi₂Al₉O₁₉(LTA)在1 500℃长期保持相稳定,是一种非常有前景的超高温热障涂层候选材料。本文采用大气等离子喷涂(APS)制备了LTA涂层,研究了喷涂工艺对涂层微观组织结构和热物理性能的影响。结果表明沉积态涂层中含少量的非晶态,在860℃和1 130℃出现晶化峰。等离子喷涂过程中La₂O₃挥发量较多,导致沉积态涂层中La元素与原始粉末相比含量偏低,而其他组分的化学成分随喷涂功率变化不大。LTA涂层的热扩散系数在1 400℃下为0.3~0.4 mm²·s^-1,热导率为1.1~1.6 W·m^-1·K^-1。1 050℃经过20小时热处理后,得到晶化的涂层在晶化温度范围内的热扩散系数和热导率值均增大。随着喷涂功率减小,涂层孔隙率增加,热导率减小。     

g-C3N4/Fe2O3复合催化剂的表征及其对AP的催化作用

为了改善固体推进剂中高氯酸铵（AP）热分解性能,降低其热分解温度,利用SEM,XRD,FT-IR对原位制备的g-C₃N₄/Fe₂O₃复合催化剂的形貌和结构进行了表征,通过差示扫描量热法（DSC）考察了催化剂对AP 热分解的催化效果。结果表明：g-C₃N₄/Fe₂O₃复合结构完整,Fe₂O₃颗粒紧密负载在g-C₃N₄上;加入不同质量分数的复合催化剂,AP的低温分解峰和高温分解峰都明显降低,且随着催化剂加入量的增加催化效果增强;加入复合催化剂质量分数5%时,高温分解峰和低温分解峰分别降低到348.1℃和281.7℃,表明g-C₃N₄/Fe₂O₃复合催化剂可有效降低AP的热分解温度,改善其热分解性能。     

利用遗传算法和LMI设计固定结构H2/H∞飞行控制律

 在设计飞翼式无人机(UAV)的横航向飞行控制系统时,为了使无人机具有较好的动态特性和阵风抑制能力,同时又便于工程实现,提出了固定结构的H₂/H_∞控制律设计方法。对于由此遇到的双线性矩阵不等式(BMI)问题,先用线性矩阵不等式(LMI)方法得到控制律参数和H₂/H_∞性能指标的映射关系,再用此映射关系作为适应度函数,用改进的遗传算法求解使H₂/H_∞性能最优的控制律参数。仿真结果表明,使用固定结构的H₂/H_∞控制方法的无人机动态响应迅速平滑,在侧风干扰下的滚转角振荡幅值仅是原经典控制方法的一半。     

SiC/SiBCN-Si3N4复合材料力学性能研究

为了深入了解SiC/SiBCN-Si₃N₄材料微观形貌与高温力学行为,建立科学可靠的定量表征方法,本文使用多种表征手段对SiC/SiBCN-Si₃N₄材料进行定量观测,首先进行材料孔隙率及密度的测试,随后进行材料高温原位力学性能测试并对材料损伤机理进行了分析,最后基于试验数据构建了一种可解释的深度学习模型,实现了材料高温非线性本构关系预测。样件力学性能分析结果表明：平均应力预测误差为0.27%~0.59%、平均应变预测误差为1.96%~3.41%;同时通过量化分析明确了影响力学性能的因素依次为温度、偏轴角度、孔隙率及密度。本文实现了不同环境温度、偏轴角度与外载荷作用下SiC/SiBCN-Si₃N₄宏观力学性能的预测,可为陶瓷基复合材料高温本构模型的建立提供新思路。     

引入TaSi2对ZrB2-20%SiC抗氧化性能的影响

将TaSi₂引入到ZrB₂-20%SiC中得到ZrB₂-10%SiC-10%TaSi₂,并在1 000、1 200、1 500和1 650℃有氧条件下分别氧化5、15和30 min。复合材料通过热压烧结法制备（1 950℃/30 MPa/30 min）,并通过XRD及SEM等方法对氧化后的质量变化及微观结构进行了分析。结果表明,TaSi₂的引入提高了ZrB₂-20%SiC的致密度和力学性能,但是在1 200℃以上温度氧化时,ZrB₂-10%SiC-10%TaSi₂的抗氧化性有所降低。     

不同钝化工艺SiO2薄膜的辐射缺陷

为研究不同钝化工艺栅介质用SiO₂薄膜的高能电子辐射缺陷特征，采用能量为1 MeV的高能电子在辐照注量为1×10¹⁵ e/cm²、5×10¹⁵ e/cm²和1×10¹⁶e/cm²下对三种不同钝化工艺（I，700 nm SiN + 500 nm PSG;II，1.2 μm SiN;III，700 nm PSG + 500 nm SiN）的SiO₂薄膜进行了辐照试验。拉曼光谱和X射线光电子能谱结果表明I和III钝化工艺SiO₂薄膜形成了非晶硅及双氧根离子，傅立叶红外光谱结果表明I钝化工艺SiO₂薄膜形成缺陷结构未知的A₁、A₂、B₁及B₂缺陷；II钝化工艺SiO₂薄膜形成A₁、B₁、及 缺陷；III钝化工艺SiO₂薄膜形成A₁、及B₂缺陷。     

具有纳米结构的 VO₂ 相变薄膜

 采用无机溶胶-凝胶法制备VO₂相变薄膜，该薄膜相变时的电阻（率）突变可达4～5个数量级。并用XRD,DSC和TGA法研究了制膜过程中干凝胶膜的层状非晶纳米结构。通过适当的非晶晶化过程及随后V₂O₅→VO₂转变的真空热处理，可获得带有空洞（void）结构的低密度纳米薄膜，从而使电阻（率）突变特性异常优异。     

基于改进DeepSORT的视觉/激光雷达目标跟踪与定位方法CSCD

通过结合目标跟踪与相对定位,在对多帧检测目标进行关联与分析的同时,可以获取其三维信息。但当目标外观特征变换较大时,传统目标跟踪算法较易发生漏匹配或身份变换,而仅依靠对齐点云的相对定位算法较易出现定位失效的情况。针对以上问题,提出了一种基于改进DeepSORT的目标跟踪与定位方法在原始DeepSORT算法中加入基于位置约束的匹配,解决了因外观改变导致的漏匹配问题;在获取跟踪信息的基础上,设计了基于目标运动模型的相对定位方法,解决了图像中目标较小时相对定位不连续且定位精度较低的问题。试验结果表明,与传统DeepSORT算法相比,多目标跟踪准确度提高了5.9%;与仅依靠对齐点云的相对定位算法相比,定位精度提高了62.4%。     

基于声矢量传感器阵列的鲁棒H∞空气流动 速度估计算法

 研究了基于声矢量传感器阵列的空气流动速度测量问题。首先,根据声波在气流中的传播原理,求得声场中质点振速与空气流动速度的关系表达式,建立基于声矢量传感器线性阵列的测量模型。在此基础上,根据各个阵元输出信号之间的相位差,提出了基于鲁棒H_∞滤波的空气流动速度估计算法,该算法通过各个阵元的信息迭代估计出空气流动速度。然后从理论上讨论了算法的初值选取,并分析了算法对随机扰动的鲁棒性。最后,计算机仿真表明该算法具有良好的鲁棒性和容错性。     

基于注意力机制的实例分割算法

实例分割作为计算机视觉领域极具挑战性的任务之一,要求在图像分类的基础上为每一个物体生成像素级别的分割掩码.业界主流方案可分为自上而下和自下而上两种范式,自上而下范式又可分为双阶段分割和单阶段分割.单阶段分割方案为了提高推断速度,往往使用全图卷积操作取代双阶段分割方案中先检测后分割的策略.然而,卷积网络的平移不变性使得同一种类的不同实例提取到的特征相似,仅靠全图卷积难以进行区分,从而导致单阶段分割方案精度下降.针对单阶段分割精度降低的问题,提出了一种注意力机制,该机制在特征图每个位置的特征向量上进行点积运算,并将运算结果作为新的特征图,同一位置点积结果最大化,不同位置点积结果最小化,以丰富特征图中不同实例的差异信息.通过注意力机制使得单阶段分割方案中的全图卷积操作能更好地区分同一种类的不同实例,从而生成高质量分割掩码.在公开数据集上进行实验,验证了所提方法的有效性.     

两向二维最大子类散度差鉴别分析及其在SAR目标识别中的应用

针对Fisher线性判决分析（FLDA）在图像识别应用中遇到的小样本问题,提出了两向二维最大子类散度差（(2D)2MCSD）鉴别分析的图像特征提取方法。首先找到每类数据的子类划分,再根据这些子类构造基于二维图像矩阵的子类类间和子类类内散布矩阵,最后用子类类间与子类类内散布之差作为鉴别准则求取投影矢量。该方法可以处理多模分布问题,从根本上避免了矩阵求逆和小样本问题,加快了特征抽取的速度,且同时对图像行和列进行压缩,克服了二维最大子类散度差（2DMCSD）鉴别分析和另一种形式的2DMCSD（Alternate 2DMCSD）的特征维数较大的问题。基于美国运动和静止目标获取与识别（MSTAR）公共数据库提供的实测数据的实验结果表明：本文方法的性能优于现有的子空间方法;与2DMCSD和Alternate 2DMCSD相比,可大大降低特征维数、提高识别性能。     

Preparation and Characterization of Fe3O4/T-ZnOw Composites

Fe3O4/T-ZnOw composites are fabricated by depositing a layer of Fe3O4 film on the surface of tetrapod-shaped ZnO whisker (T-ZnOw) by ferrite plating method. The morphology, structure and magnetic properties of the composites are characterized by scanning electron microscopy (SEM), X-ray diffractometer (XRD) and vibrating-sample magnetometer (VSM), respectively. The effects of temperature and pH value of ferrite plating on the Fe3O4/T-ZnOw composites and the magnetic properties of composites are studied. It is shown that the chemical environment with pH value at 7.5 is most favorable for the ferrite plating processes by analyzing the main peaks intensity of Fe3O4 in the XRD patterns and the average diameters of the Fe3O4 crystalline. The increase of the ferrite plating temperature with pH value around 7.5 benefits the whole encapsulation of T-ZnOw by the Fe3O4 magnetic films. The composites exhibit ferromagnetic properties and show much lower magnetization intensity than bulk samples at the same magnetic field intensity.     

面向目标识别的多特征图像融合技术综述

目标识别是计算机视觉领域重要的研究课题.图像融合由于能对信息进行多级别、多层次以及多方面的处理与综合,因此可以获得更为精确和更为可靠的信息.近年来,基于多特征融合的目标识别方法由于无需精密的图像配准,计算简便的优点得到研究者的重视.本文首先简要介绍了特征融合的基本原理和基本框架;然后梳理了特征融合的几类重要方法;最后,...     

Spatio-temporal pattern recognition using hidden Markov models

A spatio-temporal method for identifying objects contained in an image sequence is presented. The Hidden Markov Model (HMM) technique is used as the classification algorithm, making classification decisions based on a spatio-temporal sequence of observed object features. A five class problem is considered. Classification accuracies of 100% and 99.7%, are obtained for sequences of images generated over two separate regions of viewing positions. HMMs trained on image sequences of the objects moving in opposite directions showed a 98.1% successful classification rate by class and direction of movement. The HMM technique proved robust to image corruption with additive correlated noise and had a higher accuracy than a single-look nearest neighbor method. A real image sequence of one of the objects used was successfully recognized with the HMMs trained on synthetic data. This study shows the temporal changes that observed feature vectors undergo due to object motion hold information that can yield superior classification accuracy when compared with single-frame techniques     

基于压缩协作表示的辐射源识别算法

针对低信噪比（SNR）条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。     

Impulse feature extraction method for machinery fault detection using fusion sparse coding and online dictionary learning

Impulse components in vibration signals are important fault features of complex machines. Sparse coding(SC) algorithm has been introduced as an impulse feature extraction method, but it could not guarantee a satisfactory performance in processing vibration signals with heavy background noises. In this paper, a method based on fusion sparse coding(FSC) and online dictionary learning is proposed to extract impulses efficiently. Firstly, fusion scheme of different sparse coding algorithms is presented to ensure higher reconstruction accuracy. Then, an improved online dictionary learning method using FSC scheme is established to obtain redundant dictionary and it can capture specific features of training samples and reconstruct the sparse approximation of vibration signals. Simulation shows that this method has a good performance in solving sparse coefficients and training redundant dictionary compared with other methods. Lastly, the proposed method is further applied to processing aircraft engine rotor vibration signals. Compared with other feature extraction approaches, our method can extract impulse features accurately and efficiently from heavy noisy vibration signal, which has significant supports for machinery fault detection and diagnosis.