摘要：工业生产中含有时滞环节的高阶过程对象,由于控制器结构复杂,采用直接设计控制器和传统模型降阶的方法实现起来比较困难,同时噪声会对控制器产生干扰,可能导致这些方法得不到满意的结果。针对这一问题,提出了一种高阶加时滞模型的频域辨识方法,通过对控制回路中过程对象的输入和输出信号进行频谱分析和拉普拉斯变换,得出过程对象在重要频率段上的频率响应特性,采用最小二乘法从幅值和相位两方面拟合成一个一阶或二阶加纯滞后传递函数,最终获得对象模型。通过MATLAB仿真结果验证了所提方法的有效性和精确性。

摘要：现主流的混合关键级调度算法在系统高关键级状态下主要通过抛弃低关键级任务来保证高关键级任务的执行,进而保证系统的正确性。此方法常常导致低关键级任务无法执行但系统资源却过剩的问题发生,故基于该问题提出复合型SDU(schedule depend on utilization)调度算法。该方法根据任务集对系统资源需求情况的不同进行利用率区间的划分,通过对各个区间实际使用情况的分析,设计相应的子算法进行调度,并提出了SDU算法对应的可调度性判据。仿真实验结果表明,相较于混合关键级任务调度领域主流的EDF-VD(earliest deadline first-virtual deadline)算法,所提SDU算法可将系统对任务集的调度率提升30%,并在相同情况下将系统对低关键级任务的执行率提升165%,证明了该算法可以极大地提高系统资源使用率,并保证系统服务完整性。

摘要：近年来,深度强化学习作为一种无模型的资源分配方法被用于解决无线网络中的同信道干扰问题。然而,基于常规经验回放策略的网络难以学习到有价值的经验,导致收敛速度较慢;而人工划定探索步长的方式没有考虑算法在每个训练周期上的学习情况,使得对环境的探索存在盲目性,限制了系统频谱效率的提升。对此,提出一种频分多址系统的分布式强化学习功率控制方法,采用优先经验回放策略,鼓励智能体从环境中学习更重要的数据,以加速学习过程;并且设计了一种适用于分布式强化学习、动态调整步长的探索策略,使智能体得以根据自身学习情况探索本地环境,减少人为设定步长带来的盲目性。实验结果表明,相比于现有算法,所提方法加快了收敛速度,提高了移动场景下的同信道干扰抑制能力,在大型网络中具有更高的性能。

摘要：为了解决显著性检测中图像的低对比度区域和边缘区域存在误检测的问题.提出包含边缘检测子网络和显著性检测子网络的双分支网络模型.在自顶向下的信息流传递过程中,边缘检测子网络和显著性检测子网络分别独立学习边缘信息和显著性信息.设计信息交互模块和特征聚合模块,使得两个子网络将各自学到的特征信息逐层融合.边缘检测子网络,由真值图通过距离变换生成的边缘真值图进行监督,边缘检测子网络仅用于训练阶段.在5个经典数据集上进行的实验结果表明:相比于其他12种主流的检测方法,在F度量,平均绝对误差,结构化度量,精确率-召回率等指标中,本文方法均有明显的提升.基于边缘检测子网络提供的边缘信息能有效引导模型区分出低对比度图片中的边缘部分,得到边缘轮廓完整的显著图.该方法生成的显著图边缘轮廓连续性更好,空间结构细节信息更清晰,对低对比度区域更敏感.

摘要：目的在图像语义分割中,细节特征和语义特征的融合是该领域的一个难点。一些在特定网络架构下设计的专用融合模块缺乏可扩展性和普适性,自注意力虽然可以实现全局的信息捕获,但不能实现不同特征的融合,其他的注意力机制在进行掩码计算时缺少可解释性。本文根据特征图之间的关联度进行建模,提出一种互注意力机制驱动的分割模块。方法该模块获取不同阶段的细节特征图和语义特征图,建立细节特征图上任一点和语义特征图之间的关联模型,并在关联模型的指导下对语义特征图上的特征进行聚合,作为细节特征图上该特征点的补充,从而将语义特征图上的信息融合到细节特征图上,并进一步采用相同的操作将细节特征图上的信息融合到语义特征图上,实现来自不同阶段特征图的相互融合。结果选取5个语义分割模型进行实验,实验结果表明,在使用替换方式对BiSeNet V2(bilateral segmentation network)进行修改之后,浮点运算量、内存占用量和模型参数数量分别下降了8.6%,8.5%和2.6%,但是平均交并比却得到了提升。在使用插入方式对另外4个网络进行修改后,所有网络的平均交并比全部得到了不同程度的提高。结论本文提出的互注意力模块可普遍提升模型的语义分割准确度,实现不同网络模型的即插即用,具有较高的普适性。

摘要：分析基于不同Placido面型的角膜地形图测量光学系统造成的像差影响,为角膜地形图测量反射面的面型优化设计提供新方法。利用平面对称光学系统像差理论建立优化反射面面型的像差评价函数,提出了一种基于遗传算法改进的非球面多参数组合衍化算法,求解出满足像差评价函数的非球面面型系数和半径,分析了不同反射面对光学系统成像效果的影响。长椭球面型可以获得更小的评价函数值,同时满足角膜地形图的光学设计要求。相较于扁椭球面、球面和抛物面,长椭球面更适合作为基于Placido的角膜地形图的反射面面型。

摘要：水是生物体中含量最多的一种物质,了解生物体内水的分布对于理解水的生理功能来说至关重要。相干反斯托克斯拉曼散射(CARS)作为一种非侵入的成像技术,能够对生物体内的水分子进行实时且免标记的成像。因此,设计并搭建了用于水的CARS被动同步光纤激光器系统,该被动同步系统由掺铒和掺镱锁模光纤激光器构成,通过将主脉冲注入到从激光器腔内引入非对易相移,进而实现无源同步,同步失配距离达到347μm。结合功率放大技术、倍频技术和脉冲压缩技术,双路输出平均功率分别为146 mW和2 W,脉冲宽度分别为146.0 fs和9.1 ps。使用所搭建的同步光源在3156 cm^(-1)处对新鲜小鼠耳朵组织进行CARS成像,成像效果良好。该同步光纤光源有望推动CARS技术在快速、实时、高效病理学检测领域的应用。

摘要：针对现阶段语义分割网络存在的空间和通道特征不匹配、小目标物体像素丢失等问题,设计了一种基于空间特征提取和注意力机制的双路径语义分割算法。空间信息路径利用四倍下采样来保留高分辨率特征,并引入空间特征提取模块融合多尺度空间信息,加强网络对小目标物体的识别能力;采用一条结合双阶通道注意力的语义上下文路径提取判别特征,使深层特征能够指导浅层特征捕捉更精确的语义信息,从而降低精度损失。在CamVid和Aeroscapes数据集上验证该算法,平均交并比分别可达70.5%和51.8%,相比于当前主流的双路径语义分割模型有所提升,结果验证了所提算法的有效性。

摘要：为了提高高端探测器的利用率与增强拉曼光谱仪同时对不同物质检测的适用性,将多个波长激发的拉曼光谱仪集成设计成为一个光谱仪,将具有重要的应用价值。提出了一种基于CT结构双波长(532nm和785nm)激发的双通道拉曼光谱仪设计方法。所采用的这种设计方法基于探测器的工作特点为实现双光路结构同时工作创造了条件,从而最大程度的增加了光谱测量范围,同时该方法也实现了对探测器的有效感光面像元的充分利用并且最大程度地实现了高光谱分辨率。优化结果表明对于532nm的激发波长,分辨率为5cm^(-1)、光谱范围达到80~4200cm^(-1);对于785nm的激发波长,分辨率为3cm^(-1)、光谱范围达到200~2300cm^(-1)。

摘要：针对当前手势姿态估计算法未充分利用2D信息辅助3D手部mesh重建的问题,首次在手部Mask、2D热力图的基础上提出引入RGB图像的HOG特征图,通过多任务学习CNN的框架对2D信息进行特征提取,并针对手的拓扑结构进行信息融合增强。为了解决Transformer encoder中的隐层embeddings维度一致性以及参数过大问题,设计了一种新的MLP(multi-layer perception)模块嵌入Transformer encoder之间,达到embeddings的数量渐进增加以及其维度渐进减少的目的,从而完成手部mesh精细化的预测。实验结果表明该CNN与Transformer混合的新框架在FreiHAND和RHD数据集均取得了较好效果。