摘要：目前的视听语音分离模型基本是将视频特征和音频特征进行简单拼接,没有充分考虑各个模态的相互关系,导致视觉信息未被充分利用,分离效果不理想。该文充分考虑视觉特征、音频特征之间的相互联系,采用多头注意力机制,结合卷积时域分离模型(Conv-TasNet)和双路径递归神经网络(DPRNN),提出多头注意力机制时域视听语音分离(MHATD-AVSS)模型。通过音频编码器与视觉编码器获得音频特征与视频的唇部特征,并采用多头注意力机制将音频特征与视觉特征进行跨模态融合,得到融合视听特征,将其经DPRNN分离网络,获得不同说话者的分离语音。利用客观语音质量评估(PESQ)、短时客观可懂度(STOI)及信噪比(SNR)评价指标,在VoxCeleb2数据集进行实验测试。研究表明,当分离两位、3位或4位说话者的混合语音时,该文方法与传统分离网络相比,SDR提高量均在1.87 dB以上,最高可达2.29 dB。由此可见,该文方法能考虑音频信号的相位信息,更好地利用视觉信息与音频信息的相关性,提取更为准确的音视频特性,获得更好的分离效果。

摘要：为了解决动态约束下的无人船鲁棒包容控制问题,以固定时间稳定性理论为基础,结合预设性能函数和滑模控制技术,提出一种固定时间非奇异滑模鲁棒包容控制律。首先,设计固定时间扩张观测器,对速度不可测以及集总不变项进行估计。然后,通过设计性能函数实现对包容跟踪偏差的约束,结合转换函数转换成无约束问题对包容控制偏差进行约束控制。进一步,构造非奇异滑模面并设计固定时间趋近律,实现跟随船在固定时间内收敛至虚拟领导船张成的凸包内。最后,利用固定时间稳定性理论证明系统误差在固定时间内收敛于平衡点。仿真结果说明,所提控制律可以使多无人船在固定时间内形成高精度且稳定的编队形式并且在设置的预设性能下实现包容控制偏差的收敛。

摘要：利用三端压电陶瓷片设计的结冰传感器测量值受温度的影响较大,为了提高传感器测量的准确度,提出了一种自适应模拟退火粒子群优化算法进行温度补偿。该算法将模拟退火算法和粒子群优化算法进行融合,采用非线性双曲正切函数来控制惯性权重系数的变化,利用线性变化策略来控制社会学习因子和自我学习因子的值,使寻优重点在不同阶段有所变化,自适应地改变惯性权重系数、社会学习因子和自我学习因子,并解决了算法容易陷入局部优解的问题。实验结果表明,经该算法温度补偿后,结冰状态下测量的误差减少3%左右,测量精度提高0.1 mm,说明该补偿算法能有效地减小-5℃~-55℃的低温环境对传感器测量结果的影响,提高了测量精度。

摘要：为了解决传统深度卷积神经网络在舰船图像细粒度分类中的局限性,本文设计了细粒度遥感舰船开集识别模型。首先,引入了基于注意力机制的STN模块,加在特征提取网络前用来过滤背景信息;然后在STN模块后接一个多尺度的并行的卷积结构,强化网络对不同尺度的局部区域的特征提取能力;接着将提取到的特征分别输入基分支和元嵌入分支,用来增大类间方差和减小类内方差,同时强化模型对尾类小样本的学习;最后对两个分支的分类结果进行决策融合,根据设定的阈值判别已知类和未知类进一步对已知类进行细分。在平衡与不平衡分布的FGSCR-42数据集上进行了4种开放度实验,结果表明:在平衡分布的数据集上4种开放度的平均准确率为90.5%,86.3%,85.7%,85.1%,不平衡分布数据集的平均准确率为90.0%,85.1%,84.3%,84.1%。与当前主流的舰船识别方法相比,本文方法分类具有更高的识别准确率和更好的泛化能力。

摘要：情感作为人脑的高级功能,对人们的个性特征和心理健康有很大的影响,利用网上公开的脑电情感数据库(DEAP(Database for emotion analysis using physiological signals)数据库),根据心理效价和激励唤醒度等级进行情感划分,对压力和平静等5种情感进行研究分析.针对脑电信号时空特征结合的特点,把深度学习中的卷积神经网络(Convolutional neural network,CNN)和长短期记忆网络(Long short term memory,LSTM)两者作为基本前提,并在此基础之上设计了一个RCNN-LSTM的脑电情感信号分类模型.利用循环卷积神经网络(Recurrent convolutional neural network,RCNN)自动提取脑电信号中的抽象特征,省去了人工选择与降维的过程,然后结合LSTM网络对脑电情感信号进行分类识别.实验结果表明,利用该方法对5种情感类别的平均分类识别率达到了96.63%,证明了该方法的有效性.

摘要：针对外界干扰下的欠驱动无人船包容控制问题,提出一种新型非奇异固定时间滑模控制策略.整个控制器设计过程分为运动学回路设计和动力学回路设计.在运动学回路设计中,利用图论知识和固定时间稳定性理论设计非奇异固定时间分布式虚拟控制律,使得所有跟随船在固定时间内收敛于领导船张成的凸包内;在动力学回路设计中,为实现对虚拟控制律的跟踪控制,利用固定时间滑模控制法设计鲁棒包容控制律.最后,证明系统跟踪误差在固定时间收敛于平衡点,且与船舶的初始状态无关.仿真结果验证了所提出控制策略的有效性.

摘要：在对高光谱图像采样重构的研究中,整体采样和固定分块采样没有考虑到高光谱图像复杂的纹理特征分布,使用了相同的测量矩阵导致图像的重构质量较差。针对此问题,该文提出基于2维图像熵自适应分块压缩感知重构方法(ABCS-IE),该方法以图像2维熵作为高光谱图像纹理细节的度量,根据图像的纹理细节分布自适应改变图像子块的大小,然后为不同的图像块分配特定的采样值,根据分配的采样值设计专有的测量矩阵对图像块进行压缩测量,将采样测量值代入重构算法中进行重构。实验结果表明,与整体采样重构和固定分块采样重构相比,将该方法应用到压缩感知重构算法中对高光谱图像进行采样重构后,重构的图像在视觉效果上有明显的提高,取得的峰值信噪比(PSNR)和结构相似度(SSIM)最大,采样率为0.4时,PSNR提高了2~4 dB,SSIM最大提高了0.27,均方根误差(RMSE)和信息熵差值(ΔH)也有所降低,说明重构的图像更加接近原始图像。而且运算时间也减少了1~1.5 s。可见,该方法能充分利用高光谱图像的纹理特征,有效提高图像的重构质量,同时减少重构的运算时间。

摘要：目前多数的视听分离模型,大多是基于视频特征和音频特征简单拼接,没有充分考虑各个模态的相互关系,导致视觉信息未被充分利用,该文针对此问题提出了新的模型。该文充分考虑视觉特征、音频特征之间的相互联系,采用多头注意力机制,结合稠密光流(Farneback)算法和U-Net网络,提出跨模态融合的光流-视听语音分离(Flow-AVSS)模型。该模型通过Farneback算法和轻量级网络ShuffleNet v2分别提取运动特征和唇部特征,然后将运动特征与唇部特征进行仿射变换,经过时间卷积模块(TCN)得到视觉特征。为充分利用到视觉信息,在进行特征融合时采用多头注意力机制,将视觉特征与音频特征进行跨模态融合,得到融合视听特征,最后融合视听特征经过U-Net分离网络得到分离语音。利用客观语音质量评估(PESQ)、短时客观可懂度(STOI)及源失真比(SDR)评价指标,在AVspeech数据集进行实验测试。研究表明,该文所提方法与纯语音分离网络和仅采用特征拼接的视听分离网络相比,性能上分别提高了2.23 dB和1.68 dB。由此表明,采用跨模态注意力进行特征融合,能更加充分利用各个模态相关性,增加的唇部运动特征,能有效提高视频特征的鲁棒性,提高分离效果。

摘要：由于动态手势数据具有时间复杂性以及空间复杂性,传统的机器学习算法难以提取准确的手势特征;现有的动态手势识别算法网络设计复杂、参数量大、手势特征提取不充分。为解决以上问题,该文提出一种基于卷积视觉自注意力模型(CvT)的多尺度时空特征融合网络。首先,将图片分类领域的CvT网络引入动态手势分类领域,用于提取单张手势图片的空间特征,将不同空间尺度的浅层特征与深层特征融合。其次,设计一种多时间尺度聚合模块,提取动态手势的时空特征,将CvT网络与多时间尺度聚合模块结合,抑制无效特征。最后为了弥补CvT网络中dropout层的不足,将R-Drop模型应用于多尺度时空特征融合网络。在Jester数据集上进行实验验证,与多种基于深度学习的动态手势识别方法进行对比,实验结果表明,该文方法在识别率上优于现有动态手势识别方法,在动态手势数据集Jester上识别率达到92.26%。

摘要：为了解决智能停车场的反向寻车问题,给出了基于PC客户端和移动客户端APP智能停车场或车库的反向寻车方法。采用超声探测手段进行车位车辆有无检测、设置监控设备与车位一对多方式完成车位图像采集,利用STM32单片机系统通过Zigbee无线通信组网方式将监测到的车牌号码及其车位编号等信息传输至服务器。利用ArcGIS进行场内地图的设计制作,通过文中提出的改进A*寻车路径规划算法实现搜素范围约束和冗余点的剔除,实现路径规划,完成寻车指引。对比不同环境下的路径优化仿真分析结果,改进的A*算法较广度优先算法减少了60%~80%的搜索节点数目。