多尺度特征融合的Anchor-Free轻量化舰船要害部位检测算法

反舰导弹对舰船要害部位的精确打击能力是精确制导武器的关键技术之一。针对反舰导弹导引头对舰船要害部位检测精度低、特征提取能力不足,预测框的处理降低检测速度等问题,提出了一种多尺度特征融合的Anchor-Free轻量化舰船要害部位检测算法。由于舰船要害部位检测数据具有多尺度、多角度特性,引入多尺度特征融合模块,综合利用不同感受野的检测信息,优化特征提取;利用高效轻量化注意力机制改进Hourglass结构中的跨层连接,提升检测精度,降低算法总参数量;使用迁移学习有效提升算法收敛效果。在建立的舰船要害部位检测数据集和公开的PASCAL VOC数据集进行实验,检测准确率分别提升了4.41%和5.57%,分析算法参数与运算量,设计了模块消融实验,论证了所提算法的有效性。     

基于注意力机制的光伏组件热斑检测算法

热斑现象是造成光伏组件发电能力下降的重要原因之一,热斑检测是光伏电站运维必不可少的工作。然而分布式光伏电站的规模普遍较小、选址分散、环境复杂多样,使用传统的热斑检测算法需要投入大量的人力资源。基于此,提出了一种基于注意力机制的热斑检测算法HSNet。通过图像分割消除反光影响,结合通道注意力机制,学习通道间的特征信息,增强目标区域的重要性,采用自定义锚点的方法提高检测速度,使用焦点损失激活函数和基于物体先验概率的类别预测方式改善训练目标样本不均衡导致的分类准确性低的问题,通过回归方法获取准确的目标位置。实验表明：设计的目标检测算法在窗体回归精度和分类准确性方面均有明显的优势,边界框平均精度和准确率分别提升了3.18%和2.42%。     

基于图对比的上下位关系检测

上下位关系是自然语言处理(NLP)下游任务的基础,因此上下位关系检测是自然语言处理领域备受关注的问题。针对现有词嵌入方法采用随机初始化词向量,不能很好地捕获上下位关系不对称和可传递的特性,且现有模型没有充分利用预测向量与真实投影之间关系的局限性,提出了一种基于图对比学习的上下位关系检测(HyperCL)方法。引入图对比学习进行数据增强,基于最大化局部和全局表示的互信息,学习具有鲁棒性的词特征表示。所提方法学习了将下位词的词向量投影到上位词和非上位词,同时能够更好地区分嵌入空间中的上位词和非上位词,从而提高了检测精度。在2个基准数据集上的实验结果表明,所提模型比现有方法在准确率上提升了0.03以上。     

基于平面变换的高精度相机标定方法

针对传统方法未考虑透视偏差的存在,提取椭圆圆心作为真实物理圆心投影点造成相机标定误差的问题,提出了一种基于平面变换的高精度相机标定方法。提取标定板内外边框上的角点,对标定板进行平面变换,将标记点由椭圆投影成近似的标准圆;利用图像矩提取标准圆圆心的坐标,投影回原标定板平面,得到标记点实际圆心的像素坐标;根据圆形标记点实际圆心的坐标,利用张正友标定法完成相机标定。实验结果表明：与传统方法相比,所提方法将相机标定的误差降低了66.169%,有效提高了相机标定的精度。     

第三代移动通信系统中非线性多用户检测技术

在CDMA系统中,多用户检测技术是提高系统容量,减少用户间干扰的关键.非线性多用户检测包括干扰消除和神经网络检测技术.其中干扰消除检测是对不同用户独立进行MAI估计,然后从接收信号中减去对该用户而言的部分或全部MAI;多用户检测从本质上看是一个组合优化问题,所有解决组合优化的算法原则上均可适用于多用户检测,其中基于神经网络的解组合优化方法当然也适用于多用户检测.本文论述了几种非线性多用户检测器的基本原理及其特点.     

基于模糊观测器的不确定非线性系统故障检测方法

给出了一种不确定非线性系统的基于模糊观测器的故障诊断方法。用T-S模型描述不确定非线性系统,从而得到一种新的模糊观测器,并给出了其稳定性约束条件LMI。将模糊观测器和实际系统的输出之差作为残差可对不确定非线性系统进行故障检测。最后给出了一个控制系统感应电机的故障诊断应用实例。     

基于神经网络算法的液体火箭发动机实时故障检测方法研究

以某液体火箭发动机为研究对象,将实时故障检测作为中心,分析了神经网络算法的特点及其实现步骤,利用Lab Windows/CVI与MATLAB混合编程的原理,实现和改进了基于神经网络的发动机实时故障检测方法,并用多次试车数据进行了检验.试车数据验证结果表明,该方法能及时、准确、有效地检测发动机稳态过程的故障.研究结果对发展未来液体火箭发动机的箭载故障检测系统具有重要的参考价值.     

声发射检测技术在某型号壳体水压过程中的应用研究

声发射检测是一种新兴的动态无损检测技术，它能弥补其它静态无损检测的缺点，对缺陷的产生、扩展、破坏进行实时监测。进行了声发射检测技术在某型号壳体中实际应用的研究，并对采集到的信号进行分析。     

基于梯度特征的图像自动分割方法

利用遥感图像进行海上目标检测、监视的关键技术是实现海陆分离，从而为目标检测、监视减少不必要的处理工作。传统的采用阈值分割方法分离陆地，但是这种方法对于陆地上灰度级较低区域容易造成误分割。而且，很显然的不能够充分利用图像中的灰度变化信息，即梯度。为此提出了一种基于梯度特征的海陆分割算法。首先利用边缘检测提取图像的梯度特征，梯度特征对灰度级并不敏感而对梯度的变化敏感，对于陆地灰度级较低的区域也能够提取边缘。对得到的边缘进行形态学处理，利用设定的面积阈值将图像分为主体陆地区域和孤立陆地区域，进一步可以屏蔽陆地。实验结果表明，该方法可以较好的分割陆地中阴暗区域，对于未经辐射校正图像有较好的适用性，并且有较快的处理速度。     

一种采用自动筛选技术的鲁棒恒虚警检测器

本文基于有序统计（ＯＳ）和筛选平均（ＣＭ）提出了一种新的恒虚警检测器，它采用ＯＳ和ＣＭ方法来产生局部估计，再采用二者的平均值作为对杂波功率水平的估计，并应用了文献［５］提出的自动筛选技术，在ＳｗｅｒｌｉｎｇⅡ型目标假设下，本文推导出了它的Ｐｆａ、Ｐｄ和度量ＡＤＴ的解析表达式，并与其它方案进行了比较。分析结果表明，它对均匀背景和多目标环境均具有适应性，尤其是在多目标引起的非均匀背景场合中，它呈现较好的锝棒性，它的性能与ＯＳ相比有较大的改善，并且它的样本排序时间不及ＯＳ、ＣＭ的一半。