摘要：城市复杂场景中,地物形状多样,光照和成像角度变化大会导致变化检测结果受到干扰。为解决这些问题,文章提出了一种双上下文多尺度监督融合的网络模型(dual context multi-scale supervised fusion network model,DCMSFNet)。首先,在编码部分使用双上下文增强模块获得地物丰富的全局上下文信息。在解码部分,采用级联的方法组合特征,然后通过自适应注意力模块捕捉不同尺度的变化关系,设计多尺度监督融合模块,增强深度网络融合,获得具有更高辨别能力的变化区域特征,将不同层级的输出结果与主网络的重构变化图融合形成最终的变化检测结果。该模型在LEVIR-CD和SYSU-CD变化检测数据集取得了较好的结果,F1-score分别提高了1.58%和2.17%,可更加精确识别复杂场景的变化区域,进一步减少无关因素引起的误检和漏检,且对目标地物边缘的检测更加平滑。

摘要：多模态医学图像融合在医学临床应用中起着至关重要的作用,为了解决现有方法大多数侧重于局部特征的提取,对全局依赖关系的探索不足,忽略了全局和局部信息交互,导致难以有效解决周围组织与病灶区域之间的模式复杂性和强度相似性问题。该文提出面向PET和CT医学图像融合的LL-GG-LG Net模型。首先,提出了局部-局部融合模块(Local-Local Fusion Module,LL Module),该模块采用双层注意力机制更好地关注局部细节信息特征;其次,设计了全局-全局融合模块(Global-Global Fusion Module,GG Module),该模块通过在Swin Transformer中加入残差连接机制将局部信息引入全局信息中,提高了Transformer对局部信息的关注程度;然后,提出一种基于可微分神经架构搜索自适应的密集融合网络的局部-全局融合模块(Local-Global Fusion Module,LG Module),充分捕获全局关系并保留局部线索,有效解决背景和病灶区域相似度高问题;使用临床多模态肺部医学图像数据集验证模型的有效性,实验结果表明,该文方法在平均梯度,边缘强度,QAB/F,空间频率,标准差,信息熵等感知图像融合质量评价指标上与其他七种方法中最优的方法相比,分别平均提高了21.5%,11%,4%,13%,9%,3%。模型能够突出病变区域信息,融合图像结构清晰且纹理细节丰富。

摘要：锁相环PLL(phase-locked loop)是控制逆变器实现并网同步的重要方法之一。针对准1型锁相环QT1-PLL(quasi-Type-1 PLL)在电网电压频率偏移时抗干扰能力不佳、导致检测频率和相位误差较大的问题,本文提出一种新型的基于交叉解耦双复系数滤波器DCCF(double complex coefficient filter)的QT1-PLL(DCCF-QT1-PLL)。将具有频率反馈回路的交叉解耦DCCF作为QT1-PLL的前置滤波环节;采用窗长为0.0033 s的滑动平均滤波器MAF(moving average filter)作为DCCF-QT1-PLL的环内滤波环节;进而建立了DCCF-QT1-PLL的小信号模型,通过该模型得到了设计参数。提出的DCCF-QT1-PLL结构可消除电压不平衡和谐波分量,实现频率自适应。在Matlab/Simulink平台中搭建仿真模型,仿真结果证实DCCF-QT1-PLL结构具有频率自适应和更强的滤波能力。

摘要：利用电磁场有限元分析软件Ansoft Maxwell对永磁式电磁阀进行二维仿真建模。从电磁阀的结构出发,对影响电磁阀高速响应特性的线圈匝数、铁芯宽度、气隙等各种关键参数进行静态、动态仿真分析计算,通过结果对比选出合适的参数,大大提高电磁阀的制造经济性以及快速响应性。