像面相位差AF

像面相位差AF是一种新型对焦技术,通过将图像传感器的一部分像素用像面相位差AF像素群加以置换,实现相位差检测,并用于对焦,具有对焦速度快、易于小型化的特点,具有很好的应用前景。     

逆向工程的车身三维造型数字化技术

针对汽车车身设计的特点,提出基于逆向工程技术的车身数字化设计平台框架,并对车身复杂曲面的造型方法和实施逆向工程的关键技术进行研究.首先根据已有的汽车车身外形,采用逆向工程技术和数字化技术,依据STEP标准建立起车身数据的统一数据模型,建立相应的工程数据库;然后,通过分布式PDM解决数据集成和过程集成,把车身数字化设计系统的各个子系统综合起来,最后,利用网络协议和分布式操作平台,架构车身虚拟数字化设计平台.     

一款新型超低功耗可控增益放大器的研究与设计

设计了一种新型超低功耗可控增益放大器,对其构成及工作原理进行分析。考虑到不同于常用的可控增益放大器,设计需要满足系统在恶劣环境下稳定运行;且系统超低功耗的要求。因此对可控增益放大器采用了休眠-唤醒机制、高线性度电阻衰减电路以及亚阈值电路设计方法;并通过搭建仿真平台对设计的可行性进行验证。仿真结果表明,接收器可在温度-40℃—125℃,电源电压2.3 V—5 V的环境下可靠工作,且在该工作范围内超低功率运行。     

车载动力电池放电过程健康状态在线估计

针对电动汽车无规则随机充放电特点及在线检测需求，考虑到由于电池一致性问题导致难以保证离线实验数据分析法估计精度的问题，提出一种以离线获取的电池健康状态(SOH)外在指征函数为基础的基于无迹卡尔曼滤波(unscented Kalman filter，UKF)思想的在线闭环校正SOH估算架构.该方法优点在于:能够在随机放电过程中快速估算出高精度的SOH值，算法复杂度相对降低，易于实际工程实现且具有较好的鲁棒性.通过验证可以证明，提出的车载动力电池放电过程SOH估算方法具有较好的实用性及较高的估算精度.     

基于邻域信息的网络结构表示学习

针对传统网络表示学习方法无法学习节点网络结构相关性的问题, 提出一种基于邻域信息的网络结构表示学习模型. 该模型首先定义基于邻域信息的节点间结构相似度计算方法, 对不同邻域范围内节点间结构相似度建模； 其次构建深层自编码器, 将节点结构相似度作为监督信息优化网络表示, 在网络嵌入过程中学习节点结构信息. 与node2vec,SDNE,struc2vec三种相关算法进行对比的实验结果表明, 该方法有更好的网络结构识别能力, 能学习到节点间的结构相关性, 所得到的网络表示能适用于角色识别相关任务. 此外, 跨网络分类实验结果还体现了该方法在迁移学习方面的潜力.     

基于VMD与改进DAE人车地震动包络信号识别算法

摘　要解决对野外环境中低信噪比的人车地震动信号进行分类时传统模式识别方法应用不便，以及识别率较低的问题，通过基于包络检波、变分模态分解（VMD）和改进的深度自编码器（DAE）的特征提取算法研究了针对该类信号的处理方法和特征提取方法。首先对目标的地震动信号进行希尔伯特变换，获取信号的平滑包络线，然后对包络线进行变分模态分解，并用相关系数对分解得到的IMF信号进行筛选，并将相关度较高的分量加权合成为高信噪比的中间信号，再对其使用改进的深度自编码器中进行特征提取。最后使用泛化性能好的随机森林算法对信号进行分类，从而实现对人车目标的识别和分类。结果表明：该算法对两类目标综合识别正确率较其他传统算法有较大提高。可见该算法针对该类目标有应用价值。