摘要：载波通信系统中存在的干扰耦合严重影响了通信质量,为了提高载波通信的可靠性,提出了基于稀疏采样的载波通信干扰耦合抑制方法。分析稀疏采样基本原理以及载波通信中干扰耦合构成,构建干扰信号的测量矩阵,并将从中提取的干扰耦合特征,作为通信干扰耦合抑制的特征向量;以多目标检测干扰为基础,设计优化矩阵,并将其转变为列向量,获得需抑制的干扰耦合信号,利用相关系数关系及向量中的干扰耦合边缘特性,实现对干扰耦合信号分量边缘位置的计算,完成载波通信干扰耦合抑制。实验结果表明,所提方法在大幅抑制干扰信号的同时,没有对通信系统内的有用信号造成明显影响,抑制效果较好,抑制时间较短,且具有较高的抑制准确性。

摘要：分析了纹波频谱及稀疏采样下频域计算方法的误差,设计了一种基于时域指数函数的计算方法,并提出了采样点在分段中的辨识方法,实现了稀疏采样下电流电压较高精度的计算,为直流系统电能计量及保护测控装置中的电流电压计算提供了一种参考方案。最后,以BuckDC/DC输出电能计量为例,比较分析了本方法与基于频域的电度计量方法的精确度;结果表明,在相同的采样率下,本算法相对误差和绝对误差都较小。

摘要：将压缩感知应用于农情监测节点的稀疏采样,能够有效减少数据冗余和能耗,而如何甄选测量矩阵、稀疏基和重构算法,是实现节点稀疏采样和数据收集质量控制的关键。系统分析了基于压缩感知的单节点稀疏采样与重构方法,设计了基于压缩感知的农情监测节点稀疏采样决策系统功能架构,阐述了Python语言环境下系统的实现技术与效果。系统初步应用表明,对于30d连续监测、采样间隔为15min的花卉植株茎流、土壤湿度数据的压缩感知,宜选择固定采样率,测量矩阵、稀疏基、重构算法分别选取周期测量矩阵、差分矩阵和SL0算法,每2～10d重构一次数据可实现数据恢复代价与精度的良好折衷。

摘要：现有的宽光谱光纤法珀干涉信号的快速解调算法模型能在减少两个数量级的光谱采样点的基础上对信号进行解调,保证原有精度,这为大幅度提高光谱探测型宽光谱光纤法珀系统的解调速度奠定了基础。本文设计了一种对宽光谱干涉信号进行40个采样点的高速稀疏采样硬件系统。通过对同一法珀宽光谱干涉信号进行光谱仪密集采样与稀疏采样的结果对比,得出稀疏采样硬件系统能很好地复现宽光谱干涉信号的结论。这对宽光谱光纤法珀传感器应用于高速监测领域具有重要意义。

摘要：仪表定位精度是保证指针式仪表示数准确识别的前提。复杂工业场景下仪表样本难以采集,小样本情况下,现有指针式仪表定位检测方法存在检测精度低、实时性差的问题。为此,提出了基于元学习的小样本指针式仪表检测方法Sparse-Meta-DETR。并以Meta-DETR为目标检测基线模型,采用元学习训练策略,在元训练阶段构建多个小样本任务训练Sparse-Meta-DETR模型,增强特征相关聚合模块对特征空间中支持集和查询集类别的余弦距离的度量能力,使模型能够在元测试阶段小样本任务中识别图像包含的类别,快速适应新类小样本任务,检测复杂工业场景图像中包含的指针式仪表;引入轻量级主干网络Efficientnet b1作为特征提取器,减少模型的计算复杂度和参数量;设计评分网络对查询特征稀疏采样,构建稀疏化遮罩选取前景特征,引导Transformer编/解码器对前景特征进行处理,进一步减少计算量并提高检测精度。使用Sparse-Meta-DETR模型,20-shot时指针式仪表定位检测精度指标AP^(50)和AP^(75)分别达到了94.2%和87.5%,10-shot时的AP^(50)达到了91.1%;相较于最初的基线模型,改进模型的时间复杂度下降了74.5%。实验结果表明,Sparse-Meta-DETR不仅能够保证样本匮乏时仪表定位的精度,还可以有效地提高仪表定位的实时性,其整体性能优于Meta-RCNN等小样本深度学习算法。

摘要：对多尺度的遥感图像进行小目标检测时,基于深度学习的目标检测算法容易出现误检和漏检的情况。这是因为此类算法的特征提取模块进行了多次的下采样操作;而且未能根据不同类别、不同尺度的目标关注所需的上下文信息。为了解决该问题,提出一种融合注意力和上下文信息的遥感图像小目标检测算法ACM-YOLO(Attention-Context-Multiscale YOLO)。首先,应用细粒度的查询感知稀疏注意力以减少小目标特征信息的丢失,从而避免漏检;其次,设计局部上下文增强(LCE)函数以更好地关注不同类别的遥感目标所需的上下文信息,从而避免误检;最后,使用加权双向特征金字塔网络(BiFPN)强化特征融合模块对遥感图像小目标的多尺度特征融合能力,从而改善算法检测效果。在DOTA数据集和NWPU VHR-10数据集上进行对比实验和消融实验,以验证所提算法的有效性和泛化性。实验结果表明,在2个数据集上所提算法的平均精确率均值(mAP)分别达到了77.33%和96.12%,而相较于YOLOv5算法,召回率分别提升了10.00和7.50个百分点。可见,所提算法能有效提升mAP和召回率,减少误检和漏检。

摘要：针对低压电力线路载波通信存在通道内干扰,受到干扰耦合特征影响,导致通信不稳定的问题,设计了低压电力线路载波通信干扰耦合抑制系统。通过通信干扰耦合滤波器,滤除噪声和带外干扰。引入抑制干扰耦合的断路器装置,抑制滤波器对载波信号旁路影响。设计串行干扰消除接收端,完成不同数据流空间分集。重建耦合干扰信号,提取干扰耦合特征。利用稀疏采样,有效抑制通信干扰副瓣电平,获取通道接收到的回波信号,确保抑制波能够完成全部匹配。构建耦合抑制器,扩展抑制器抑制频谱,获取处理增益结果,实现通信干扰耦合抑制。实验结果表明,在背景和脉冲噪声下,所研究方法的电压波动幅度分别为±6.3 V和±6.8 V,降低了74.8%和63.8%的电压波动幅度,具有较好的通信干扰耦合抑制效果。

摘要：针对采集材质双向纹理函数(BTF)数据过程非常耗时的问题,提出一种从材质稀疏采集数据中近似重建完整BTF数据的方法.在训练阶段,将训练数据进行聚类,通过数据分解得到能够表征每个类的基字典,由优化实验设计选出稀疏采集的角度;在采样/重建阶段,只在被选择的稀疏采样角度下采集,通过最小二乘法重建出完整的BTF数据.该方法能够分别选择光源和相机的稀疏采集位置,有效地减少了实际所需的光源和相机个数.实验结果表明,该方法可以很好地从稀疏采集的数据中重建出完整BTF数据,且精度优于已有方法.

摘要：比较药动学研究贯穿药物研发的整个阶段,通过求算个体药动学参数,推测各处理因素间AUC、Cmax比值的90%置信区间,然后与事先设定的等效区间进行比较,最终判断各处理因素间是否等效,为用药剂量的合理调整提供依据。然而,很多比较药动学研究为稀疏采样设计,传统的统计矩法很难对个体药动学参数进行估计,此时需要借助群体药动学的计算方法,利用非线性混合效应模型进行计算。本研究在密集采样设计比较药动学研究实例基础之上,模拟稀疏采样过程,对稀疏数据采用非线性混合效应模型分析,原密集数据采用统计矩法分析,通过Bootstrap法1 000次重复抽样,最终比较两种方法所得参数的90%置信区间。结果表明非线性混合效应模型对稀疏数据处理结果可靠,与统计矩法计算结果一致,为此类比较药动学研究提供了参考。

摘要：该文研究工作包括频域稀疏毫米波人体安检成像数据处理和用于快速安检成像的稀疏阵列设计两部分。首先基于柱面扫描成像模型,采用巴克码随机稀疏采样方式减少成像所需数据量;提出一种基于干涉处理和频域压缩感知的3维成像算法,利用干涉处理使人体复图像在频域具备稀疏性,建立频域压缩感知测量模型并重建图像频谱,进而实现稀疏采样下人体安检图像3维重建。实际数据处理结果表明,该方法在数据采集量减少约50%条件下,可获得接近满采样对应的图像分辨率和成像效果,稀疏采样前后的图像相关系数优于0.9。其次基于频域稀疏成像方法、巴克码稀疏采样方式和收发分置工作模式,设计了用于快速安检成像的稀疏阵列布局,在保证人体成像质量前提下,稀疏率高达94.6%。该方法用于实际安检成像系统中可大幅增加安检通过速率、减少辐射单元数量和系统复杂度,在大人流量、高安检要求场所安全检测中具有重要应用价值和市场前景。