摘要：针对不确定系统测量输出矩阵含有不确定参数的问题,提出一种基于新龙伯格(Luenberger)类型观测器的鲁棒状态反馈设计方法.首先,针对实践中状态变量难以测量的问题,通过观测状态的反馈来进行观测器设计,考虑不确定系统中测量输出矩阵含有不确定参数的情况,设计一种新龙伯格类型观测器;其次,在新龙伯格类型观测器基础上,结合多仿射表示和松弛变量框架,得到与李亚普诺夫函数相关的凸线性矩阵不等式(LMI)条件,进而对闭环系统进行基于线性矩阵不等式组的鲁棒稳定性分析;最后,通过实验检验上述条件的可行性,证明该方法的实用性和有效性.

摘要：浮点运算是高性能计算(HPC)领域的基础运算。在大数据与云计算的背景下,高性能计算平台需要处理的数据量与日俱增,而且浮点数的舍入误差在大规模、长时程的运算中会产生累积,因此,在提升浮点运算性能的同时保证计算结果的可靠性非常重要。利用现场可编程门阵列(FPGA)可编程、低功耗、灵活性强的特点,针对含复杂单项运算的浮点多项式设计一种浮点运算加速器。基于无误差变换的思想,通过计算得出舍入误差值,将其补偿到浮点数值上,从而实现误差可控。采用异步并行的方式实现运算加速,并通过构建CPU-FPGA平台最大化地利用计算资源,保证计算任务执行的高效性。数据测试结果表明:在不限制对称性下的数值相对论模拟运算中,该加速器在200 MHz的主频下可达到91.85 MFLOPs的峰值性能;与Intel i76700K CPU运行最大线程数的性能相比,该加速器实现了50.54的加速比,并在该条件下获得了平均53.6%的精确结果百分比以及更低的相对误差,表明其具备较高的可靠性。

摘要：以学生为中心,兴趣为导向,解决问题为目标,采取基于问题的教学方法,以基于局部二值模式及其变形特征的场景分类为例,设计与教学大纲紧密结合、有效支撑课程目标的综合实验。在教师的主导下,学生以团队协作方式完成综合实验,串联计算机视觉与图像处理课程的重点知识,训练分析问题、解决问题的能力,切身感受解决问题的过程,提升实践与创业创新能力。

摘要：针对现有深度学习图像融合方法依赖卷积提取特征,并未考虑源图像全局特征,融合结果容易产生纹理模糊、对比度低等问题,本文提出一种基于三分支对抗学习和补偿注意力的红外和可见光图像融合方法。首先,生成器网络采用密集块和补偿注意力机制构建局部-全局三分支提取特征信息。然后,利用通道特征和空间特征变化构建补偿注意力机制提取全局信息,更进一步提取红外目标和可见光细节表征。其次,设计聚焦双对抗鉴别器,以确定融合结果和源图像之间的相似分布。最后,选用公开数据集TNO和RoadScene进行实验并与其他9种具有代表性的图像融合方法进行对比,本文提出的方法不仅获得纹理细节更清晰、对比度更好的融合结果,而且客观度量指标优于其他先进方法。

摘要：为提升海底地形测量精度和效率,聚焦复杂海域多波束测深技术测线规划应用,建立了一种顾及先验海底地形信息的测线设计模型。联合几何推导和遗传算法,构建了二维和三维情形下的覆盖宽度模型和重叠率模型,通过引入蒙特卡罗法,实现了复杂海域顾及先验海底地形信息的多波束测线优化设计。试验结果表明,该算法能有效提高多波束测深效率,可为多波束测深技术测线设计提供技术支持。

摘要：为解决多场景复杂内河背景下水面目标检测存在环境噪声大、水面目标分布情况繁杂、特征微小模糊等问题,提出一种融合多尺度特征和注意力机制,增强类激活映射的水面目标检测算法,称UltraWS水面目标检测算法。在典型检测网络上设计空间注意力模块与多头策略,融合多尺度特征,提高对微小目标的检测能力。其次,提出UltraLU模块增强类激活映射,减小环境因素与分布因素对检测目标的影响。最后,设计对模型进行Tucker张量分解,实现模型轻量化,增强模型的可解释性与推理速度。实验结果表明,所提出的UltraWS算法提高了对背景噪声的抗干扰能力,更好捕捉微小目标,满足边缘化部署的检测速度和准确率均衡性需求。在WSODD数据集上,算法的mAP值取得了最高的84.5%,相较于其他主流方法存在较大提升。基于提出的算法建立航道安全巡检体系与评估方法,有利于推动内河智慧航运的发展。

摘要：机密计算自提出以来,已成为云计算安全问题的重要解决方案。其凭借为云用户提供一个隔离的可信执行环境(TEE),来保证代码和数据的机密性和完整性。但目前主流的机密计算技术存在I/O较慢等性能瓶颈,因此,如何提高机密计算的性能成为了研究热点。现有研究未从数据本身出发进行优化,并不适用于大数据的真实环境。在TEE中设计并实现了一种能够高效组织管理数据的跳表数据结构,以优化机密计算的运行效率,降低TEE中数据处理的开销。最后,通过在国产机密计算框架secGear中进行了对比实验,证明所提方法相比红黑树在数据顺序插入、删除、查找的时间开销方面分别获得了13.5%,10.5%以及1.9%的提升,相比链表在随机插入时性能也得到了明显的提升,能有效提高机密计算的运行效率,具有更好的实际应用意义。

摘要：模型未知的冗余机器人执行任务的过程中会产生较大的控制误差,其末端执行器的位置与姿态也需要针对不同任务进行修正.为解决该问题,提出一种基于数据驱动的冗余机器人末端执行器位置与姿态控制方案.该方案使用在线学习技术,能够应用于模型未知的冗余机器人控制.同时引入四元数表示法将控制机器人末端执行器姿态问题转化为基于四元数表示的控制方法.随后,设计一种神经动力学求解器对所提方案进行求解.相关的理论分析、仿真及对比体现了所提方案的可行性、有效性与新颖性.

摘要：为了改善采用低密度奇偶校验(LDPC)码和高阶调制的无线通信系统在相关噪声下的译码性能,提出了一种联合优化降噪和译码的深度学习算法。降噪器中采用了残余收缩模块(RSBU),译码器采用了基于循环神经网络的神经网络最小和译码算法。在提出的联合降噪译码(JDD)算法中,利用复数神经网络在处理复信号方面比实数神经网络更有优势的特点,提出了一个复数RSCNN(CRSCNN),接收的复信号直接输入CRSCNN并利用新颖的联合优化降噪损失函数和译码损失函数的多任务学习策略来改善译码性能。仿真结果显示基于CRSCNN的JDD算法获得了比基于循环神经网络的神经网络最小和译码算法更好的译码性能。

摘要：记忆器件的出现为电路设计提供了新的方法,由于目前尚无法获得实际的记忆器件,所以研究人员通常通过搭建电路模拟器的方法对其进行研究。本文直接从忆感器的定义出发,建立了一种磁控忆感器的数学模型,采用通用电路元器件设计了一种不包含忆阻器的磁控忆感"浮地"电路模拟器,并采用Matlab和Multisim混合仿真的方法,给出了在不同交变信号激励以及不同参数下磁控忆感电路模拟器的系统级仿真实验,结果表明:所设计的磁控忆感器具有磁通-电流之间的自收缩磁滞回线特性,是一种具有记忆特性的非线性电感,这与理论概念上的忆感器特性相吻合,从而为忆感器在电子学领域产生新的应用电路提供了器件模拟实体。