摘要：认知雷达波形设计往往依赖于精准的杂波先验信息,当先验信息数据存在缺失时,所构建的杂波模型会严重失配,进而影响雷达对杂波的抑制能力。该文针对杂波先验数据缺失条件下的雷达波形优化问题,建立完全随机缺失机制下的点状与块状缺失场景,设计恒模与相似性约束的波形优化模型,提出基于优先级填充-强化学习级联优化的雷达波形训练算法:即采用强化学习智能体与填充算法修复后的杂波环境相交互的级联方法,以最大化信杂噪比为优化目标,通过迭代训练得到雷达最佳波形参数配置策略。最后,仿真验证不同缺失概率条件下所提算法的优越性。结果表明:相比于传统非级联优化算法,该文所提算法均可获得更优的杂波抑制性能,有效提升雷达的探测能力。

摘要：为解决目标检测模型在移动视觉任务中计算精度和计算时间难以平衡的问题,提出面向移动视觉任务的目标检测模型级联优化方案。设计目标检测模型级联框架,基于多个处理环节,尽可能避免帧间重复检测,根据不同变化场景需求,配置多个级联优化方案。设计模型配置选择器,提取视频帧的目标数量、目标移动情况和场景变化情况等特征,自动映射到较优的模型级联配置。实例结果表明,该方案可以在精度损失轻微的情况下减少大量计算时间,对不同场景表现出较好的自适应性。

摘要：为了提高公路路面裂缝的检测精度,针对裂缝的多态性和噪声干扰等问题,提出一种结合有效多尺度特征融合结构和级联优化的裂缝检测方法.首先构建有效的多尺度特征融合提取结构,增强对不同尺度裂缝特征的提取效果;然后针对编码器-解码器对于特征信息的关注重点,分别引入空间和通道注意力机制抑制背景噪声干扰,增强裂缝特征表达;最后对不同层级解码特征进行联合优化学习,强化对低层级特征信息的利用,提升裂缝分割纹路的连贯性.在Crack500等数据集上进行实验的结果表明,所提方法检测出的可视化裂缝结果纹理清晰完整;在综合测试集上,F1分数与平均交并比分别为90.07%和82.07%,具有更好的识别效果和鲁棒性,可为自动化裂缝缺陷检测任务提供一种深度学习方法.

摘要：多组分同位素分离中,对于给定的分离任务,存在多种不同类型的分离级联。级联总流量是级联优化设计的重要性能指标。通过引入虚拟组分,采用数值计算的方法,研究了匹配丰度比级联、匹配X级联以及准理想级联这3类级联的优化,比较分析了完成相同分离任务时这些级联的分离性能。研究结果表明:在绝大多数情况下,准理想级联及匹配丰度比级联分离效果较好,准理想级联较匹配丰度比级联略优,匹配X级联分离效果较差。因此,在级联类型选择上,应优先采用准理想级联。

摘要：针对目前隧道清洗机器人作业调度中采用定时的僵化作业模式,造成电力、消防资源浪费,并干扰驾驶人行车安全问题,提出一种隧道清洗机器人智能调度方法。该方法首先依据隧道车流量、温度、湿度等影响因素,形成了对基础设施运营性能时变模型的描述。在此基础上,考虑基础设施运营性能、机器人作业成本、对隧道交通流的影响等,构建了隧道清洗机器人调度的级联优化模型,分别对机器人调度周期及作业时间进行优化,以实现机器人的高效运营。将该方法与常用的基于人工经验的定周期调度方法进行实验对比,结果显示在相同的作业成本下,该方法的基础设施运营性能较定周期调度方法提高了6%。