基于多尺度特征混合注意力的连续帧深度估计

目的 估计获取拍摄物体到相机之间距离的深度信息是单目视觉 SLAM 中获取深度信息的方法,针对无监督 单目深度估计算法出现精度不足以及误差较大的问题,提出基于多尺度特征融合的混合注意力机制的连续帧深度 估计网络。 方法 通过深度估计和位姿估计的两种编码器解码器结构分别得到深度信息和 6 自由度的位姿信息,深 度信息和位姿信息进行图像重建与原图损失计算输出深度信息,深度估计解码器编码器结构构成 U 型网络,位姿 估计网络和深度估计网络使用同一个编码器,通过位姿估计解码器输出位姿信息;在编码器中使用混合注意力机 制 CBAM 网络结合 ResNet 网络提取四个不同尺度的特征图,为了提升估计的深度信息轮廓细节在提取的每个不 同尺度的特征中再进行分配可学习权重系数提取局部和全局特征再和原始特征进行融合。 结果 在 KITTI 数据集 上进行训练同时进行误差以及精度评估,最后还进行了测试,与经典的 monodepth2 单目方法相比误差评估指标相 对误差、均方根误差和对数均方根误差分别降低 0. 034、0. 129 和 0. 002,自制测试图片证明了网络的泛化性。 结论 使用混合注意力机制结合的 ResNet 网络提取多尺度特征,同时在提取的特征上进行多尺度特征融合提升了深度 估计效果,改善了轮廓细节。     

典型喀斯特山地城市不透水面时空格局

以贵阳市主城区为研究区,利用基于植被覆盖度提取法和线性光谱混合分析法分别提取研究区不透水面信息;通过精度对比,选用最优方法提取研究区1996、2007、2017年的不透水面信息,并结合标准差椭圆法和相关扩展指标探讨不透水面的时空演变.结果表明:在喀斯特地区利用线性光谱混合分析法提取不透水面信息效果较好;1996—201...     

混合动力汽车电机驱动系统传感器故障重构控制

针对混合动力汽车感应电机驱动系统可能存在的传感器故障模式,设计了一个主动容错重构控制系统.该系统能充分利用无故障的传感器信息,最大限度地维持驱动系统的控制性能,并在重构切换过程中,考虑电机转矩和转速的平滑过渡问题.此外,为提高车用感应电机驱动系统的性能,基于传统磁场定向控制(FOC)思想设计出一种新型鲁棒性PI控制器来实现电机转矩跟踪;利用滑模控制技术,设计了转子磁链-速度自适应观测器.为进一步提高交流电流传感器故障状态下电机驱动系统的容错能力,提出了用直流电流重构交流相电流的新思路.仿真研究表明,在发生传感器故障时,所设计的电机驱动系统仍能有效地保证车辆行驶过程中的转矩和速度跟踪性能以及系统的稳定性.     

一种混合协作NOMA系统的缓冲辅助中继选择方案

为了提高系统的中断性能及分集增益,研究了一种混合协作非正交多址接入(non-orthogonal multiple access, NOMA)系统。系统包含一个基站、K-1个配有缓冲器的中继、一个配有缓冲器的近端用户和一个远端用户。其中,基站与近端用户可通过直传方式进行通信或由中继协作通信,而与远端用户通过近端用户或中继进行协作通信。针对该混合协作NOMA系统,提出了一种缓冲辅助中继选择方案,能够基于信道状态信息和缓冲器状态,选择近端用户或最佳中继进行协作传输。推导了系统中断概率和平均包裹时延的闭式表达式,给出了高信噪比下的分集增益。证明了当最大缓冲单元数不小于3时,所提方案能达到满分集增益2K。仿真结果表明,相对于基准方案,所提方案在系统中断概率与时延之间可以实现更好的折中。     

混合果园果蝇的发生情况及其寄生性天敌调查研究

为了明确混合果园果蝇的发生危害规律,摸清果园内的天敌寄生蜂资源,为果蝇的绿色防控提供科学依据, 2021年在宁波余姚果乡园农场进行了系统调查研究。结果表明:混合果园共有拟果蝇、黑腹果蝇、斑翅果蝇和伊米果蝇4种果蝇,对杨梅果实危害率达到98%。混合果园果蝇的发生危害规律基本和各个水果的成熟期相一致。混合果园的寄生蜂种类共有6大类,其中日本开臂反颚茧蜂和食果蝇毛锤角细蜂为优势种群。该研究为进一步利用天敌寄生蜂防治果蝇提供了科学依据。     

科学之窗

全球首款"飞碟"美国穆勒国际公司目前正在研制一种状似"飞碟"的新型交通工具——"M200G飞行器"。该飞行器可垂直起降,一次可容纳两人,适合于任何地表。借助所谓的"气垫"效应,它可以在距离地表3米的高度上平稳飞行。据悉,这种全球首款"飞碟"将于明年上市,每款售价9万美元。     

非参数回归模型基于残差的样条估计

为了探究固定设计下具有 α-混合相依误差的非参数回归模型的估计理论,基于多样式样条方法对均值函数进行了估计,利用残差构造了方差函数的样条估计.在一般假设条件下,均值函数估计量和方差函数估计量具有相同的一致收敛速度.数值模拟结果显示:基于贝叶斯信息准则下的样条估计优于赤池信息准则下的样条估计和局部线性估计.     

基于精准k核的复杂网络节点重要性评估方法

由于k核存在破坏网络整体结构信息、忽略邻居节点影响力等缺点,导致每个节点难以量化区分.为了提高关键节点的识别精度,首先改进了k核的分解过程,提出了精准k核Ak.考虑到网络中局部特征信息和全局结构信息对节点的影响,将精准k核应用到重力中心性中,并提出了精准重力中心性AGC.信息学中的香农熵在网络关键节点识上具有良好的扩展性,通过结合邻域度中心性、邻域精准k核以及精准重力中心性三者的香农熵,最终提出了混合中心性MC对节点重要性进行多元评估.在7种真实网络下,对MC和其他节点评估指标分别从单调性和准确性上进行了一系列实验,实验结果表明MC具有更好的关键节点识别性能.     

基于径向基函数神经网络模型的车门结构多目标优化

建立了某轿车车门的有限元模型,利用灵敏度分析筛选出对模态和刚度性能比较敏感的关键钣件厚度作为设计变量,采用拉丁超立方试验设计进行样本设计,使用径向基函数(RBF)神经网络模型拟合车门质量、垂向刚度、侧向刚度及一阶模态频率响应的近似模型.以车门质量最小和侧向刚度最大为目标,以车门垂向刚度和一阶模态频率为约束,应用多目标遗...     

基于群体串行干扰删除的混合预编码毫米波大规模MIMO-NOMA传输系统

针对现有毫米波大规模多输入多输出（Multiple-Input Multiple-Output, MIMO）系统中用户接入数量受限和能耗大的问题,提出了一种基于群体串行干扰删除（Group-level Successive Interference Cancellation, GSIC）的混合预编码毫米波大规模MIMO非正交多址（Non-Orthogonal Multiple Access, NOMA）下行传输新架构。首先,在基站处设计模拟预编码矩阵并根据等效信道增益进行群体划分;然后,采用迫零法设计数字预编码矩阵,在组内实施空分多址（Space Division Multiple Access, SDMA）;最后,在用户端采用GSIC实现组间NOMA传输。此外,在考虑误差传播的条件下,推导了系统的可达和速率表达式,并提出了一种功率分配算法来解决此非凸优化问题。仿真结果表明,与基于分簇的混合预编码MIMO-SIC-NOMA和MIMO-OMA系统相比,所提出的MIMO-GSIC-NOMA系统可获得更高的频谱效率和能量效率。