星载角跟踪接收机角误差包络检测

针对星载角跟踪接收机中角误差合成信号的特点，提出一种基于复Morlet组合小波的角误差信息提取方法。该方法首先对星载角跟踪接收机中角误差合成信号的频域特性进行分析，角误差包含在角误差合成信号的包络中，频率上则表现在调制基波的谐波分量处。然后采用Morlet小波作为母小波，根据角误差合成信号的频域特性选取合适的小波尺度参数和位置参数可以有效的提取合成信号包络信息，从而解算角误差信息。在调制基波频率确定的情况下，合适的小波尺度参数和位置参数能准确对调制基波谐波分量进行提取，从而实现角误差的包络检测。该方法对±10kHz范围内的多普勒频偏不敏感，解决载波多普勒估计不准情况下的角误差提取。最后通过计算机中的Matlab对Morlet组合小波角误差合成信号包络提取进行仿真，证明该方法的可行性和有效性。     

基于ViBE与面向对象分类的视频卫星运动车辆检测

为了提高视频卫星对运动车辆的检测质量，在经典视觉背景提取器(ViBE)算法的基础上，结合遥感的面向对象分类技术，从提升正确检测运动目标数量和抑制虚假运动目标检测数量两个方面着手，提出了一种新的运动车辆检测方法（VOMVD）。首先通过优化ViBE模型参数，尽可能多地获取真实运动目标，但这在一定程度引入了许多的虚假目标。研究继而依据影像上地面小尺度运动目标和道路的依存关系，采用面向对象的分类方法，基于光谱、纹理、空间属性，构建了均值、标准差、卷积核内平均灰度值、卷积核内平均信息熵、面积、长度、紧密度、延伸度等8个特征，用于提取道路信息，以此掩膜ViBE提取的虚假运动目标和伪运动目标。结果表明，基于本研究提出的视频卫星运动目标检测方法较之三帧差分法、ViBE检测方法等，其精度有明显提升。在本研究中，三帧差分法、ViBE和VOMVD对运动目标的检测精度P分别为70.91%，61.49%和85.71%，召回率R分别为84.78%，98.91%和97.83%，F值分别为77.23%，75.83%和91.37%，有效提升了方法对运动目标的检测效果。     

颅缝早闭手术中颅骨切割方案生成方法

为实现颅缝早闭手术方案制定的规范化，提出一种结合深度学习、立体视觉和点云处理技术的颅骨切割轨迹生成方法，用于建立切割方案模板库和生成新的病例切割方案。该方法将深度学习应用于颅骨外表面的实例分割中，利用Mask R-CNN对手术区域进行检测和分割，利用简化轮廓提取算法提取切割轨迹，并结合点云处理技术将切割轨迹坐标进行2D-3D映射，实现切割轨迹自动化提取；在此基础上建立典型病例模板库，通过模板匹配方法自动生成新病例的切割方案。实验证明:该轨迹提取方法可以准确高效地检测出颅骨切割轨迹，并将轨迹坐标进行3D映射，点云深度测量误差小于3 mm，达到临床可用标准；模板匹配方法也有效生成新病例的切割轨迹，符合资深医生的手术方案。      

基于背景扣除的弱吸收信息精确提取方法研究

随着半导体器件的快速发展，基于分子振-转吸收光谱的研究日益深入，以可调谐半导体激光吸收光谱（Tunable Diode Laser Absorption Spectroscopy， TDLAS）为代表的检测技术取得巨大进步，应用领域进一步扩大，已有超过一千类仪器应用于连续监测以及过程控制，每年出售的气体检测仪器占据了红外气体传感检测仪器总数的5%以上，已实现不同领域组分浓度、温度、压力等参数的高精度探测。本文针对仪器开发领域目标吸收信息被完全覆盖的复杂应用环境，利用调制技术将吸收信息转移到高频部分，经过分通道背景扣除和谐波信号归一化处理提取吸收信息。以测量含硫天然气中微量H₂S为例，天然气中CH₄含量超过90%，目标组分H₂S的吸收信息被完全覆盖，将吸收信息转移到1 kHz频率，得到的谐波信号峰值与H₂S浓度呈正相关，线性参数达到0.999 9，实现了弱吸收信号的有效提取，从方法上验证了提取弱吸收信号的有效性，进一步扩展了光学气体传感的应用领域，为仪器开发提供技术保障。     

基于剪切波变换对Si3N4陶瓷轴承内圈沟道表面缺陷检测的分析

为有效检测航空动力系统中Si₃N₄陶瓷轴承内圈沟道表面凹坑、划痕、擦伤的缺陷。采用中值滤波除去Si₃N₄陶瓷轴承内圈沟道原始图像零散噪点，对其处理图像进行剪切波变换，归一化阈值曲面法对变换后的剪切波系数进行重构、剪切波逆变换获取缺陷增强图像，对缺陷增强图像进行灰度阈值分割与识别分类，定位提取缺陷。基于剪切波变换的Si₃N₄陶瓷轴承内圈沟道的表面缺陷检测方法能有效的检测出Si₃N₄陶瓷轴承内圈沟道表面的缺陷。该方法对Si₃N₄陶瓷轴承内圈沟道表面缺陷提取的准确率可达97.50%，具有高精度与高准确性，满足预期要求。     

自适应短文本关键词生成模型

关键词抽取对文本处理影响较大，其识别的准确度及流畅程度是任务的关键。为有效缓解短文本关键词提取过程中词划分不准确、关键词与文本主题不匹配、多语言混合等难题，提出了一种基于图到序列学习模型的自适应短文本关键词生成模型ADGCN。模型采用图神经网络与注意力机制相结合的方式作为对文本信息特征提取的编码框架，针对词的位置特征和语境特征编码，解决了短文本结构不规律和词之间存在关联复杂信息的问题。同时采用了一种线性解码方案，生成了可解释的关键词。在解决问题的过程中，从某社交平台收集并公布了一个标签数据集，其包括社交平台发文文本和话题标签。实验中，从用户需求角度出发对模型结果的相关性、信息量、连贯性进行评估和分析，所提模型不仅可以生成符合短文本主题的关键词，还可以有效缓解数据扰动对模型的影响。所提模型在公开数据集KP20k上仍表现良好，具有较好的可移植性      

一种新的基于信号导频的射频指纹识别方法

现有基于深度学习的射频指纹识别技术大多采用原始数据样本作为网络输入，未考虑信号携带内容对分类结果产生的影响，网络结构相对单一。为此，针将信号导频部分作为网络输入展开了研究，提出了一种新的导频提取算法，对10个ADALM-PLUTO软件定义无线电设备(SDR)辐射出的信号提取其导频，并建立了3种不同距离条件下的导频数据集。提出将Inception网络结构用于射频指纹识别，在10 m无线传输距离下达到了98.58%的分类精度，相较于现有基于AlexNet网络改进的卷积神经网络(CNN)，分类精度有所提升。      

卷积线性混合模型下的复非高斯信号盲源提取

雷达信号的多径效应导致基于瞬时线性混合模型的盲源分离算法不再适用。为此，提出了一种基于FastICA的复非高斯信号盲源提取方法。该方法将混合系统建模为卷积线性混合模型，使得信号模型中不需要将每个多径信号都看作一个独立的源信号，既节约了接收通道数量，又降低了盲源分离过程的复杂度，利用待提取信号的非高斯性实现高斯背景下复非高斯信源的提取。实验结果表明：在信干比为-30 dB时，所提方法能够快速、有效地处理卷积线性混合模型下复非高斯信源的提取问题，为该场景下的微弱信号提取提供了一种新的方法。     

基于蒙特卡洛-自适应差分进化算法的飞机容差分配多目标优化方法

针对飞机复杂组件装配过程中，由于装配偏差的非线性叠加导致通用容差分配模型优化方法存在精度误差和效率低下的问题，提出一种容差分配模型多目标优化方法。首先，分别面向制造成本、装配性能、质量损失构建基于替代工艺的容差分配模型，并采用最优化理论建立多目标优化模型。然后，提出基于蒙特卡洛-自适应差分进化算法的多目标优化策略，其中基于装配偏差传递的图树模型提取偏差的非线性关系模型，结合提取的非线性关系模型采用蒙特卡洛方法对初始样本进行前处理，以提高初始种群的多样性；自适应差分进化算法中的突变阶段采用Lévy flight概率分布进行改进提高全局搜索效率和鲁棒性。通过飞机登机门组件验证容差分配方法，结果表明所提方法能够更加精确、高效的优化容差分配。相比于初始容差分配，优化容差分配结果使得制造成本降低了21.78%,质量损失降低了11.12%,装配性能提高了12.28%。     

基于视听融合的宽频带振动频谱提取（英文）

提取振动频谱对于旋转机械的故障诊断至关重要。环境和噪声的多样化限制了传统单模态振动提取方法的性能。由于视听信号具有不同的采样频率、噪声和环境限制，视听融合算法可以有效解决单一模态存在的问题。基于此，文中提出了一种基于视听融合深度卷积神经网络的宽带频谱提取方法，该方法充分融合了不同模态的有效信息。该模型基于双流编码器从不同的模态中提取特征，使用深度残差融合模块提取高级融合特征并输出给解码器。实验结果表明，该模型的表现优于最新的振动提取方法，如Reg Net, MFCNN及L2L等，噪声环境下的振动频谱提取准确率提高15%。