摘要：准确地探测和测量磁场,特别是极弱磁场(nT级以下),对理解物理世界可以起到更好的辅助作用。随着量子传感、信息、仪器仪表等技术的发展,原子磁场测量技术成为新一代超高灵敏磁场测量技术的发展方向。综述了原子磁强计中信号测量、调制方法、研究进展、设计方案以及实际应用的情况。首先介绍了近年来国内外原子磁强计的研究现状;其次阐述了全光法原子磁强计的基本原理;接着详细讲解了弱磁信号检测原理,并对不同的调制方法进行了比较;最后对弱磁信号高灵敏度的检测在今后的改进方向、应用领域和所面临的挑战进行了展望。

摘要：针对光栅光谱仪中高分辨率与宽光谱难以同时满足的问题,设计了一款基于旋转光栅的Czerny-Turner(C-T型)光路结构的高分辨率宽光谱拉曼光谱仪,激发波长为532 nm,光谱范围为80~3000cm^(-1),分辨率为1.2cm^(-1)。将光谱范围分为低(80~1450cm^(-1))、中(855~2225cm^(-1))、高(1630~3000cm^(-1))3个波段,以优化中波段为主,对全波段进行了优化。通过微调光栅的旋转角度,确保低、中、高波段均位于CCD的有效像面上。该光谱仪成像系统的点列图、均方根图和调制传递函数图均符合设计要求。

摘要：交通流预测的根本挑战是如何高效捕获复杂而又动态的时空相关性。大多数研究所采用的时空图神经网络以静态方式捕获道路节点间的时空相关性,忽视了交通状况在不同节点间传播具有时间延迟的特性,难以建模隐藏动态关联。为此,提出多图融合与延迟对齐动态图卷积网络(MGF-DA-DGCN),该网络设计了一个延迟对齐模块来捕获由于传播延迟而损失的空间信息。其次引入一种新的多图融合方法,在构造的多图基础上生成新的动态图结构,增强模型对空间异质性的捕获能力,模拟节点间动态关联。最后将多图融合动态图卷积嵌入到交互式学习结构中,在多个时间分辨率下同步捕获并共享时空相关性。三个公共交通流数据集与11种基线模型的实验结果表明,MGF-DA-DGCN具有最优的预测性能。

摘要：糖尿病视网膜病变(DR)是导致永久性失明的主要原因之一,尤其是在中老年人中。早期发现DR对于预防视力丧失至关重要。疾病严重程度分级可以看作是一个分类问题,只需要图像级的标注,而病变分割则需要更强的像素级标注。然而逐像素数据标注非常耗时,需要专家。本文提出了一种协同学习的方法来联结优化DR评级和病灶检测。首先利于小部分逐像素数据标注数据训练一个多病变标签语义分割模型,接着基于最初对大量图像级注释数据预测的病变图,设计了一个疾病注意力评级模型。同时,疾病注意力模型可以利用特定类的信息对病灶图进行细化,以半监督的方式对分割模型进行微调。生成对抗性架构也被应用在训练过程中。接着在三个公共数据集上对本文的方法进行验证,并与一些先进的模型进行对比,取得较好的性能。

摘要：针对不同屈光度人员使用穿戴式近眼眼球追踪设备无法自由更换镜片的问题,研发出一套插片式近眼眼球追踪系统设备。该系统是由近眼采集硬件平台和眼动特征提取算法两部分构成:硬件平台是根据插片验光试镜架结构设计的图像采集模块;眼动特征提取算法是通过机器学习训练眼睛检测器和眼部特征点检测器,再结合候选瞳孔拟合筛选策略得到瞳孔直径、中心点和眨眼频次。实验结果表明,系统算法中瞳孔检测正确率为97.24%,眨眼检测正确率为91.59%。该设备可满足屈光不正人群眼动追踪检测和研究的需求,同时提供准确可靠的眼动数据。

摘要：基于深度学习的高光谱(Hyperspectral Image,HSI)和多光谱图像(Multispectral Image,MSI)融合技术已经被广泛研究,以提高高光谱图像的分辨率。但大多数方法在融合时不能充分提取高光谱和多光谱图像的有效信息。针对这个问题,本文提出了一种基于动态卷积的高光谱图像融合网络DHIF,主要通过三个分支进行图像的特征提取和融合重构。首先,在特征提取阶段,引入动态卷积来提取高光谱和多光谱图像的串联信息,然后针对其他两个图像分支,设计高光谱动态卷积子网络HDCN和多光谱动态卷积子网络MDCN,分别提取HSI和MSI的光谱与空间信息。此外,提取到的信息一方面用于HR-HSI的重构,另一方面作为损失函数的一部分来约束网络的训练。本文在三个高光谱数据集Pavia University(PU)、Pavia Centre(PC)和Botswana上实现了DHIF,并和其他九种目前较好的融合算法进行比较,证明本文提出的模型不论是在数量上还是质量上,都实现了最好的融合效果。

摘要：针对传统直接转矩控制系统中的电磁转矩脉动问题,提出一种基于改进模型预测的永磁同步电机直接转矩控制策略。利用模型预测原理与直接转矩控制系统相结合的方法降低电机运行中的转矩脉动,设计了一种12扇区直接转矩控制方法优化模型预测,引入三段滞环控制器降低转矩脉动,并给出一种较为理想的备选电压矢量集合。采用MATLAB/Simulink仿真,并与优化电压矢量选择表后的模型预测控制、传统模型预测直接转矩控制进行对比。结果表明,所提方法使永磁同步电机在运行过程中保持良好动态响应能力的同时,有效降低了系统转矩脉动,使系统更加平稳。

摘要：推荐系统是一种根据用户历史行为、社交关系等信息去判断用户感兴趣的物品的智能系统,它可以有效的解决互联网信息过载的问题,因此具有重要的研究意义和广泛应用价值。为了解决推荐算法存在准确性有待提升和可扩展性不足的问题,本文提出了一种带有相似性选择和误差修正的用户坐标与评分距离推荐算法。该算法首先基于用户间相似性筛选出正相关的邻居,针对筛选后的邻居集合计算评分距离。然后建立用户间评分距离的合成坐标模型,与得到的用户坐标间距离进行评分预测。最后基于训练题设计误差修正算法,进一步提升预测准确度。通过本文算法与其他推荐算法在MovieLens数据集上进行对比,试验结果表明,该算法可以有效提高推荐算法的预测准确性和可扩展性。研究揭示了利用用户坐标距离进行预测的可行性,为进一步研究推荐系统的性能提升和运行机理提供了有效的依据。

摘要：早期息肉检查是防范结直肠癌发病的重要手段,针对现有基于深度学习方法依旧不能准确辨别息肉位置和边缘信息的问题,提出了一种利用傅里叶变换增强频率特征(FFENet)的息肉分割方法。具体地,在FFENet中设计了一个细节特征增强注意力模块和一个全局频率特征学习模块,前者重耦合不同深度的特征并计算三种显著性特征图来细化息肉区域及其边缘;后者在频域中引入可学习的滤波核,以增强息肉与其边缘间的连贯性并捕捉图像像素之间的长距离依赖关系。结合改善的部分解码器和自适应特征选择模块,大量实验结果表明所提出FFENet在五类息肉数据上更具优势。尤其是在ETIS数据集上,对比其他最先进的模型,大模型版本FFENet-L在Dice和IoU指标上分别提升了4%和5.5%,而小模型版本FFENet-S在保持精度相当的同时,仅仅使用了6.2M参数。

摘要：随着5G技术的发展和6G技术的研究,低轨卫星网络在卫星物联网中的地位越发重要,而作为网络核心技术的路由策略仍面临一些挑战。本文针对低轨卫星网络拓扑结构动态变化、链路的不连续性、卫星能量供应受限等问题,为了及时感知星间链路状态和卫星的能量并选择正确的路由,将卫星物联网中的路由选择问题转化为马尔可夫决策过程下的最优策略问题,提出一种基于Dueling DQN(Dueling Deep Q Network)的自适应节能路由算法。该算法通过改进DQN中神经网络的架构,大幅度地提升了学习的效果。仿真结果表明,与传统的DQN算法相比,该算法能有效降低系统能耗,均衡网络负载,提高网络吞吐量。