基于逆卷积神经网络的等离子体辐射分布断层重建方法

发展了一种基于逆卷积神经网络的图像级重建方法用于聚变等离子体辐射分布的断层反演.通过引入结构相似度(SSIM)作为损失函数,该方法在模拟数据实验中表现出了较好的重建效果.模拟实验结果表明,在弦积分信号噪声强度为10％、15％及20％时,该方法的重建结果依然具有良好的精确度和鲁棒性.     

空间R~m上分布的中性卷积

取定具下述性质的函数ｒ（ｘ）∈Ｃ∞（Ｒ）：（ｉ），τ（ｘ）＝τ（－ｘ），（ｉｉ）０≤τ（ｘ）≤１，（ｉｉｉ）τ（ｘ）＝１，当｜ｘ｜≤１／２，（ｉｖ）τ（ｘ）＝０，当｜ｘ｜≥１．单位序列｛τｎ（ｘ）｝，ｘ∈Ｒｍ和ｎ∈Ｉｍ，定义作τｍ（ｘ）＝τ（ｘ１／ｎ１）…τ（ｘｍ／ｎｍ），ｎ１，…，ｎｍ＝１，２，…．空间Ｄ’（Ｒｍ）中分布ｆ和ｇ的中性卷积ｆｇ定义作序列｛ｆｎ＊ｇ｝的极限，其中ｆｎ＝ｆ·τｎ．作者给出了一些新的卷积．     

增强小目标特征的多尺度光学遥感图像目标检测

针对光学遥感图像目标分布密集、尺度变化范围较大及小目标特征信息过少等造成目标检测精度不高、泛化能力差等问题,本文提出了一种增强小目标特征的多尺度神经网络（ESF-MNet）。首先在骨干网络中引入注意力模块构建出高效层注意力聚合结构,以增强特征提取能力;此外,在浅层特征图与颈部网络融合之前加入感受野增强模块,以捕获不同尺度的上下文信息。其次,使用GSConv构成颈部网络,减少网络层参数量,保持网络的特征提取能力,并通过基于内容感知的特征重组模块提高识别精度。最后,采用下采样率分别为4、8和16倍的三个下采样模块作为头部网络输入,来提高小目标的检测效果。为了证明该方法的有效性,在DOTA数据集和NWPU NHR-10数据集上进行实验,平均检测精度分别达78.6%和94.3%,计算复杂度为94.7 G,整体模型大小为26.2 M。该方法具备检测精度高、计算复杂度低、模型权重小等特点,能有效提高小目标的检测精度,进一步改善光学遥感图像小目标检测性能。     

基于拉曼光谱结合CNN-LSTM深度学习方法的铁皮石斛总黄酮含量快速检测研究

铁皮石斛具有很高的商业价值和营养价值,将云南文山、广西金秀、安徽霍山、浙江台州四个产地共130个样品作为研究样本,在785 nm激光下利用便携式拉曼光谱仪获得了铁皮石斛拉曼光谱,采用NaNO₂-Al(NO₃)₃-NaOH比色法测定铁皮石斛总黄酮含量。以每条经过归一化后的拉曼光谱数据作为输入,利用Savitzky-Golay卷积平滑(SG平滑)、标准正态变量变换(SNV)、多元散射校正(MSC)等不同预处理方法对光谱数据进行处理,以偏最小二乘(PLS)、支持向量机(SVM)和卷积神经网络-长短期记忆神经网络(CNN-LSTM)模型作为比较,竞争自适应重加权采样(CARS)作为波长选择方法,对不同的机器学习模型进行比较研究。采用以下预测质量指标：校正集、测试集相关系数(R_c、R_p),校正集、测试集均方根误差(RMSEC、 RMSEP),评价铁皮石斛总黄酮含量预测模型的性能。结果表明：光谱在经过SNV预处理之后,CNN-LSTM方法预测铁皮石斛总黄酮含量准确率最高,R_c     

卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。     

基于U-Net的盐体识别方法

卷积神经网络在计算机视觉领域取得重大突破，利用其强大的图像处理能力，将地下沉积盐体的识别问题转化为图像语义分割问题，应用深度卷积神经网络实现盐体地震图像的像素级语义分割.本文在U-Net基础上，增加网络深度并同时引入批归一化和Dropout处理，使得神经网络模型具有更高的可信度和更强的泛化能力.通过实验发现，在卷积层之后引入批归一化处理，并在池化层和叠加层之后引入Dropout可以稳定提升模型对盐体图像的分割性能.     

一种基于序贯估计的直达声区水面舰船被动测距方法

该文利用基于射线的盲解卷积方法,从直达声区的水面舰船噪声中提取出船和锚系于海底的垂直接收阵之间的时域信道响应,并利用直达波在不同阵元相对于参考阵元的到达时间差,通过序贯方法,利用射线模型和声速剖面信息,对水面舰船距接收阵的距离进行了估计。通过处理海深约为580 m的2016年美国圣巴巴拉海峡的实验数据,对1.6～3.5 km直达声区范围内Anna Maersk商船与垂直阵之间的距离进行了估计,验证了测距方法的有效性,并将结果与系统测量值和几何方法的估计值进行了比较。由于该方法不需要对海底参数进行估计,所以在海底参数未知时要优于传统匹配场方法;在声速剖面存在跃层且海底为多层分布的复杂信道条件下,该方法仍能对距离进行有效估计,且与测量值的相对误差在6%以内,小于几何方法的估计误差,测距结果精度较高。     

SAW器件在扩展频谱通信中的应用

扩展频谱(以下简称“扩频”)通信在现代通信中是一种很重要的技术,具有抗干扰性强和保密性好的能力;在测距中可以改善测距精度,因为测距精度与扩展带宽有关;利用具有相同谱的码分多址,多个用户可以共用一个信道。 SAW器件在通信系统中有很多应用。本文主要是介绍SAW-MSK信号调制器/产生器和SAW卷积器在扩频通信系统中的应用并报道某些实验结果。     

傅里叶自重卷积解谱技术中一种新的变迹函数

傅里叶自重卷积解谱技术可以有效地提高实验谱的分辨率,然而解谱后的信噪比明显下降。本文提出一种新的变迹函数(动态变迹函数),它可以在提高分辨率的同时使信噪比基本保持不变,用它来处理由软X射线弯品谱仪得到的Fe的Lα和Lβ实验谱线获得了十分满意的结果,解谱后得到了Lα和Lβ之间的许多短波伴线,跟理论计算值符合很符合。     

Dynamic thermal modeling and parameter identification for a monolithic laser diode module

We improved the thermal equivalent-circuit model of the laser diode module(LDM) to evaluate its thermal dynamic properties and calculate the junction temperature of the laser diode with a high accuracy.The thermal parameters and the transient junction temperature of the LDM are modeled and obtained according to the temperature of the thermistor integrated in the module.Our improved thermal model is verified indirectly by monitoring the emission wavelength of the laser diode against gas absorption lines,and several thermal parameters are obtained with the temperature uncertainty of 0.01 K in the thermal dynamic process.