复合材料散斑干涉检测中的音频激振加载系统研究

论述了自行研制的宽音频扫描激振加载系统。利用该加载系统的数字错位散斑干涉检测技术对复合材料人工缺陷样件进行了检测验证。实验结果表明该加载系统激振效果明显,具有快速、连续、非接触等优点,适合于飞机复合材料外场原位加载检测。     

承压水地层地铁宽基坑围护结构的变形特征

针对地铁宽基坑施工变形过大的问题,基于北京上清桥站基坑工程,采用数值模拟、现场实测分析和概率统计的方法研究围护墙变形过大原因及概率分布特征.结果表明:支撑的拆除是造成基坑围护结构变形过大原因.基坑围护墙水平变形模式呈"抛物形",拆除钢支撑和施作主体结构期间,大部分测点超过变形控制值,基坑由安全进入危险状态.δhm/He...     

物理层网络编码与卷积信道编码相融合的无线通信方案

信号不同步是物理层网络编码研究中的热点,为了提高系统的信道容量和鲁棒性,针对异步通信条件下误码率高的难题,提出一种物理层网络编码与卷积信道编码相融合的无线通信方案.首先将置信传播算法引入到中继节点编码中,然后将信道译码和物理层网络编码联合起来,减少异步通信带来的不利影响,最后采用仿真实验测试其有效性和优越性.仿真实验结果表明,相对于其它编码方案,物理层网络编码与卷积信道编码方案不仅降低了数据传输的误码率,提高了系统通信的可靠性和信息传输速率,而且增强了系统对相位偏移和符号偏移的鲁棒性,具有更高的实际应用价值.     

基于图卷积循环网络的非定常周期性流体流动预测

基于纳维-斯托克斯（Navier-Stokes, N-S）方程的计算流体力学（computational fluid dynamics, CFD）数值模拟是研究非定常周期性流体流动问题的常用方法之一,但其计算需占用大量时间。针对N-S方程求解CFD过程费时的问题,本文提出一种基于图卷积循环网络的非定常周期性流体流动预测框架,实现流体流动状态的快速预测。文中输入历史流体流动数据,通过图卷积循环网络学习非定常周期性流体流动的物理过程,预测流场变量分布。结果表明,基于图卷积循环网络的预测模型可以准确预测流体力学规律,其在流速、涡旋、压力等流场变量预测方面均具有较好表现。相比于传统N-S方程求解方法,采用图卷积循环网络预测速度提高了5倍以上,为流场变量的预测提供了一种新方法。     

基于时空信息的区域内光伏电站功率预测

准确的光伏电站输出功率预测对于电力系统的稳定安全运行具有重要的意义。为充分挖掘区域内多个电站间的时空信息特征,提高区域内电站功率的预测精度,提出了一种基于图卷积和长短期记忆网络(graph convolutional network-long short-term memory,GCN-LSTM)的光伏电站功率预测方法。该方法首先采用K均值聚类算法(K-means clustering algorithm, Kmeans)将区域内电站的总功率划分3种不同的天气类型;然后,为预测区域内总功率,构建了一个假想电站,并利用图卷积网络(graph convolutional network,GCN)提取电站间的动态空间相关信息特征;最后,将GCN挖掘的信息构成时间序列作为长短期记忆网络(long short-term memory network,LSTM)的输入,提取电站的时间信息特征,从而对区域内的光伏功率进行预测。结果表明,该方法可充分挖掘电站间的时空相关信息,可较为准确地对光伏电站输出功率进行预测,能够为保障电力系统的稳定安全运行提供一定参考价值。     

边缘增强的变感受野自注意力撕囊评估算法

为了解决前囊的透光性、器械遮挡和较大的场景差异造成的分割困难,实现撕囊操作的定量评估、缩短医生的学习曲线、提供更规范的治疗,通过边缘增强的方法使得结合了自注意力的变感受野网络关注边缘特征,更加准确地分割出撕囊形成的前囊孔洞并对其进行定量评估。首先利用变感受野的空洞卷积网络获取多尺度的语义依赖,接着通过自注意力机制建立边缘和目标内部的依赖关系,最后利用分割结果计算出用于手术评估的圆度、居中度和半径指标。自建了白内障撕囊数据集,并利用球面化算法对其进行了增广和误操作模拟,提出的分割算法在该数据集上进行了测试,实验结果表明所提出的算法明显优于传统分割算法,精确度、交并比分别达到了96.51%、93.25%。可见,该算法能够实现更精准的前囊孔洞分割和术后评估。     

机器学习缓解的广域阻尼控制系统异常检测

为了建立攻击弹性,以抵抗对测量信号和控制信号段的隐蔽网络攻击,提出了一种基于机器学习缓解策略的广域阻尼控制系统异常检测方法。首先提出基于信号熵的特征提取,从而提高机器学习模型的训练检测精度和鲁棒性。然后提出一种基于电力系统运行条件和网络攻击事件的组合数据集生成方法,以便用于任何大规模电网模型。引入的缓解模块能够调谐系统信号,并同时在测量和控制信号上进行攻击检测。在2区域4机电力系统的测试环境下对本文方法的性能进行了评估,结果表明本文方法能够实现高精度的异常检测。     

较大视场的全自动经纬仪望远物镜设计研究

实现电子经纬仪的数字化、自动化,以提高测量精度和效率,对军事应用有重要意义。针对经纬仪自动化设计过程中存在的原望远镜视场角较小、辅助大视场望远系统结构复杂和目标搜索耗时较长等问题,对全自动经纬仪的望远物镜进行了小畸变、大视场化的设计。结合应用条件,通过理论分析和计算,提出望远镜视场角由1°30′提高到5°的指标。基于Cooke物镜结构,应用ZEMAX进行设计、优化和像质分析,得到了满足设计指标的物镜结构,其MTF值在40lp/mm空间频率处超过0.545,畸变小于0.01%,10μm弥散半径范围内包含的能量比例高于80%。该望远物镜的像质优良,提高了目标自动搜索的效率,满足了高精度测量和自动化的要求。     

基于改进卷积神经网络的非合作无人机检测应用

针对“黑飞”无人机侵犯公民隐私、危害个人及公共安全,现有的无人机检测算法难以平衡检测速度和精度且对小目标的检测精度较低等不足,本文在YOLOv3的基础上进行改进,提出MS-Net (Multi-Scale Object Detection Network) 对低空中的无人机进行快速高效地检测,为实现后续的防护压制提供依据。针对锚点框,通过 K-means聚类方法得出更准确预测目标区域的位置。在特征提取部分,使用SSP (Spatial Pyramid Pooling) 提取更丰富的特征信息,提升分类精度。在检测部分,提出ESE (Enhanced Sequeeze and Excitation) 通道注意力机制在基本不影响检测速度的同时实现更加精确的多尺度目标检测。实验结果表明：该方法在由无人机、风筝、鸟等组成的数据集上的检测速度为51FPS,平均准确率(mean average precision, mAP)为91.39%,比 YOLOv3 网络提高了6.42%;特别地,在无人机目标上的平均精度（average precision, AP）提升了7.42%。     

Carrier Frequency Offset Compensation for an Interleaved OFDMA Uplink

This paper reports an investigation of the carrier frequency offset （CFO） compensation in the uplink of the orthogonal frequency division multiple access （OFDMA） system with interleaved subcarrier assignment. The presence of CFOs between the transmitters and the uplink receiver will destroy the orthogonality among the different subcarriers, resulting in inter-carrier interference and multiuser interference. This paper proposes a pseudoinverse CFO compensation method based on the signal structure. The proposed method can compensate the CFOs of all users simultaneously and isolate the signals from all users at the same time. Compared with the existing CFO compensation methods, the new method provides a considerable signal-to-noise ratio gain on the bit error rate performance and has a relatively low implementation complexity.