遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法

特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声原时域信号,获得抑制噪声后的舰船噪声重构信号,进而有效提取了舰船目标噪声幅度调制特征线谱。该方法首先采用遗传算法优化变分模态分解的两个关键输入参数(分解所取模态个数和惩罚因子),对变分模态分解得到的各阶固有模态分量加以判别,去除噪声主导分量,保留信号主导分量,使重构舰船噪声信号显著抑制了干扰噪声,然后对降噪后的重构信号进行频谱分析,获得目标噪声调制特征线谱。理论分析、仿真和实验数据处理结果表明,相比传统DEMON谱分析法,基于遗传算法优化变分模态分解的舰船噪声特征线谱提取方法具有更好的噪声抑制能力,所获取的舰船噪声幅度调制特征线谱信噪比明显高于传统DEMON方法,具有一定优势,前景良好。     

高频聚焦超声声场和温度场的仿真研究*

为探究临床常用的7 MHz高频聚焦超声在多层生物组织中的声传播以及毫秒级时间内的生物传热规律问题,基于Westervelt方程和Pennes传热方程,使用有限元方法建立高频聚焦超声辐照多层组织的非线性热黏性声传播及传热模型。首先分析了线性模型和非线性模型之间的差异,然后在非线性模型下探究换能器的参数对声场和温度场的影响。仿真结果显示：在7 MHz频率下,当换能器输出声功率超过5 W时,声波传播的非线性效应不可忽视(p <0.05);当声功率从5 W增大到15 W时,非线性模型与线性模型预测的温度偏差从20%增加到34.703%;高频聚焦超声波的非线性行为比低频更加显著,基频能量向高次谐波转移的程度增大,声功率为10 W和15 W时4次谐波与基波之比分别达到7.33%和12.12%;高频换能器参数的改变对组织中声场和温度场分布的影响较大,换能器焦距从12 mm减小到11.2 mm,焦点处最高温度增加了77%。结果表明,7 MHz聚焦超声的非线性声传播需要考虑到4次谐波的影响。该文提出的多层组织非线性仿真模型可为高频聚焦超声换能器参数优化及制定安全、有效的术前治疗方案提供理论参考。     

基于四水听器的充水弹性管声速测量方法*

实验室中水声材料声学参数的测量主要在水声声管中进行。管内平面波声速是正确测量这些参数的基础。该文提出一种基于四水听器结合不同边界的测量充水弹性管中声速的新方法。该方法利用4个固定位置处的水听器,采用最小二乘的方法,使得两组水听器分别得到的声管末端入射波声压差值的平方最小的声速即为管内平面波声速。该方法利用单频信号,在每一频率点均可测得声速,可以在任一种声管末端边界下进行测量,同时无需知道各水听器到边界的精确距离,在文中的3种边界下声速测量结果具有很好的一致性,实验操作简单、误差很小。该方法的仿真结果与管内声速的理论值吻合得很好,同时实验测量结果与仿真值之间的误差很小,证明了方法的准确性以及鲁棒性,为声管声速测量提供一个很好的思路。     

圆柱类构件超声相控阵聚焦模型

在利用平面相控阵超声换能器对圆柱类构件检测时,受曲界面结构引起的入射波和回波时延的影响,扫描声束的波阵面产生弯曲,在利用传统迭代遍历算法计算延迟时间时效率低,无法发挥相控阵换能器检测优势。针对上述问题,建立了一种基于圆柱类构件特征和耦合介质特性的超声相控阵扫描成像的聚焦模型。该模型基于换能器、耦合介质、圆柱类构件材料特性和几何关系以及声线模型和折射定律,建立了耦合介质及被检构件的声速、曲面曲率半径、阵列与曲面间的距离等关联的延迟时间聚焦控制模型。利用该模型计算出的延时时间,对各阵元发射时间进行控制,从而实现扫描声束的聚焦。该文以液体和有机玻璃制介质楔块为例,对圆柱钢曲面的相控阵声束聚焦进行了仿真实验,结果表明该文方法计算效率显著提升,同时声束可以在预设位置实现聚焦,验证了该模型在计算效率上的优势与有效性。     

声纹信号-图形差分场增强和多头自注意力机制的变压器工作状态辨识方法*

为提升电力变压器工作状态的智能监测水平,提出声纹信号-图形差分场增强和多头自注意力机制的变压器工作状态辨识方法。基于图形差分场技术将声纹信号映射为二维图像,再借助多头注意力机制的视觉转换器实现图像信息的深层挖掘与状态辨识,采用梯度加权类激活映射实现分类结果的可解释性分析。搭建了包含变压器4种典型工作状态下的实验模拟测试系统平台,实验结果表明：所提方法不仅能够有效表征变压器声纹信号的状态特征,且分类辨识精度相较于“时频图+引入多头注意力机制的变换网络”与“图形差分场+引入残差模块的卷积神经网络”的常规方法有显著提升,提升约6%,同时也具备较好的鲁棒性,可为电气设备的故障检测研究提供一定参考。     

一种沟槽-场限环复合终端结构的设计

为了改善硅功率器件击穿电压性能以及改善IGBT电流的流动方向,提出了一种沟槽-场限环复合终端结构。分别在主结处引入浮空多晶硅沟槽,在场限环的左侧引入带介质的沟槽,沟槽右侧与场限环左侧横向扩展界面刚好交接。结果表明,这一结构改善了IGBT主结电流丝分布,将一部分电流路径改为纵向流动,改变了碰撞电离路径,在提高主结电势的同时也提高器件终端结构的可靠性;带介质槽的场限环结构进一步缩短了终端长度,其横纵耗尽比为3.79,较传统设计的场限环结构横纵耗尽比减少了1.48%,硅片利用率提高,进而减小芯片面积,节约制造成本。此方法在场限环终端设计中非常有效。     

基于知识蒸馏与改进ViT网络的花卉图像细粒度分类

由于自然条件下拍摄的花卉图像背景复杂,而且其存在类内差异性大和类间相似性高的问题,现有主流方法仅依靠卷积模块提取花卉的局部特征难以实现准确的细粒度分类。针对上述问题,本文提出了1种高精度、轻量化的花卉分类方法(ConvTrans-ResMLP),通过结合Transformer模块和残差MLP(multi-layer perceptron)模块实现对花卉图像的全局特征提取,并在Transformer模块中加入卷积计算使得模型仍保留提取局部特征的能力;同时,为了进一步将花卉分类模型部署到边缘设备中,本研究基于知识蒸馏技术实现对模型的压缩与优化。实验结果表明,本文所提出的方法在Oxford 17、Oxford 102和自制的Flowers 32数据集上的准确率分别达98.62%、97.61%和98.40%;知识蒸馏后本文的轻量化模型的大小约为原来的1/18,而准确率仅下降2%左右。因此,本研究能较好地提升边缘设备下花卉细粒度分类的效率,对促进花卉培育的自动化发展具有切实意义。     

基于石墨烯的布洛赫表面波调控特性研究

布洛赫表面波(Bloch surface wave,BSW) 具有传输损耗低、显著表面局域场增强、环境敏感等特性,因而被视为研究近场光和物质相互作用的关键技术。其主要在截断的一维光子晶体与外界介质的界面激发并沿此界面传播,通过传播界面微纳结构的设计,可在纳米尺度实现对BSW的有效调控。本文从BSW的模式特性出发,提出了石墨烯加载的一维光子晶体BSW传感器件结构。通过改变石墨烯层的结构参数,调节激发模式在光子带隙中的位置,研究激发模式的光场传输特性,实现对BSW激发波长、振幅和相位的调控。进一步利用其对外界介质折射率变化非常敏感的特性,对其传感检测能力进行研究。结果表明,该器件有望实现高灵敏度的生化传感检测应用。该研究为新型BSW集成光子器件的设计与发展提供了新思路。     

基于LSDANet的手机芯片屏蔽壳表面缺陷检测方法

为了解决手机芯片屏蔽壳表面白印缺陷微小、尺度各异等因素影响检测快速性和准确性的问题,本文提出一种基于长短连接通路和双注意力网络(long short link and double attention network, LSDANet)的手机芯片屏蔽壳表面缺陷检测方法。首先,通过构建基于编码和解码的语义分割模型和利用长短距离连接通路,提高网络模型对尺度各异缺陷的特征提取能力。其次,分别设计基于通道和空间的注意力机制,增大5—10 pixel尺寸的白印缺陷在空间和通道上的特征权重。最后,融合双注意力机制和长短距离连接通路分割模型,构建LSDANet缺陷检测网络,应用于手机芯片屏蔽壳表面缺陷检测。实验数据表明,LSDANet网络能够达到96.21%的平均像素精度、66.13%的平均交并比和39.03的每秒检测帧数,相比多种语义分割算法均具有更高的检测精度和速度。     

基于通道注意力机制和多尺度卷积的行人重识别

针对真实环境中由于复杂背景和物体遮挡、角度变换、行人姿态变化带来的行人重识别(person re-identification,person re-ID) 问题,设计了基于通道注意力(efficient channel attention,ECA) 机制和多尺度卷积(poly-scale convolution,PSConv) 的行人重识别模型。首先利用残差网络提取全局特征,在网络末端加入基于ECA机制及PSConv的特征融合模块,将全局特征和该模块提取的全局特征进行融合,之后将新的全局特征进行分割得到局部特征,最后将新的全局特征和分割得到的局部特征融合得到最终特征,并计算损失函数。模型在Market1501和DukeMTMC-reID 数据集上进行实验验证。在Market1501数据集中,Rank-1和平均精度均值分别达到94.3%和85.2%,在DukeMTMC-reID数据集中,上述两参数分别达到86.3%和75.4%。实验结果可知,该模型可应对实际环境中的复杂情况,增强行人特征的辨别力,有效提高行人重识别的准确率和精度。