一种低栅瓣大瞬时带宽相控阵天线的设计方法

宽带相控阵天线一般利用时延补偿技术来实现.首先分析了波束指向的偏移对相控阵天线带宽的限制.接着对子阵均匀划分、不均匀划分、部分相位加权等方法进行了全面分析和阐述.相位的确定是通过遗传算法实现的.证明了采用这些方法,阵列的栅瓣、波束指向偏移都有较大抑制,带宽相应增加,为宽带相控阵天线的设计提供了参考价值.     

一种基于嵌入式平台的非接触式心率监测系统研究

心率的长期监测对心血管疾病的预防和治疗具有重要意义。当前心率检测常用的监护仪、心电图机、智能手表和运动手环等均属于接触式测量装置,长期佩戴易产生压痕,甚至给使用者带来不适。在非接触测量方面,远程光电容积脉搏波描记法(remote photoplethysmography, rPPG)可以通过分析面部视频获取心率,是一种很有潜力的心率长期监测方法。目前,绝大多数对于rPPG的研究都在使用电脑做数据分析,体积过大不易摆放,难以满足医学临床和家庭日常使用的需求。针对这一问题,本文尝试在嵌入式平台上依据rPPG原理实现心率监测。监测系统主要由树莓派4B开发板、相机和触摸屏组成。采用AdaBoost算法实现人脸识别与追踪,选取额头和脸颊作为感兴趣区域(range of interest, ROI),利用巴特沃斯带通滤波去噪,根据POS模型提取BVP波形,对来自不同ROI的BVP波形做盲源分离得到最终的脉搏波,最后利用能谱分析计算心率。实验结果表明本文所研究的系统具有与PC端相同的心率检测准确性和鲁棒性。本文的研究成果可以为心率长期监测设备的小型化和普及做出自己的贡献,也可以为智慧医疗中的远程监测...     

基于改进VGG网络的单体热电池X光图像无损检测方法研究

为解决单体热电池生产中出现的安装错误、人工检测耗时耗力的问题,提出一个结合迁移学习和卷积 神 经网络(convolutional neural network,CNN) 的单体热电池缺陷检测模型。首先,对数据集图像进行裁剪、加噪等预处理,以VGG16(visual geometry group 16) 网络作为 模型的骨干架构,在瓶颈层后增添选择性核(selective kernel,SK) 卷积;然后,增添全局平均池化(global average pooling,GAP) 层, 增加Dropout层及添加 L2 正则化等微调操作,得到单体热电池缺陷检测模型Q-VGGNet;最后,在大型公开数据集ImageNet上进 行预训练学习,将获得的权重参数迁移到单体热电池图像识别模型Q-VGGNet上。测试实验表明:6种 网络模型对数据集缺陷图像的总体识别准确率分别达到了98.39%、94.44%、97.27%、96.34%、93.71%、 95.61%,Q-VGGNet网 络模型 对合格图像和 漏装负极、极耳断裂、漏装集流片3种缺陷图像 识别准确率 分别达到了99.6%,95.9%,99.6%和98.4%。检测结果表明:该方法能够更准确、快速地检测热电池缺陷, 拥有良好的缺陷诊断能力,较传统方法提高近3%,为人工检测单体热电池缺陷提供了良好的解决途径。     

改进的MEA-WNN图像复原方法

模糊图像复原是计算机视觉和图像处理领域的重要任务。针对思维进化算法(mind evolutionary algorithm,MEA)和小波神经网络(wavelet neural network,WNN)相结合的图像复原模型中,MEA的得分函数相对差别小、选优功能较弱等问题,提出了一种改进的MEA-WNN图像复原方法。该方法采用逻辑回归函数进行幂律变换,增加得分之间的差别,从而增强MEA的选优功能。将改进的模型与传统的基于WNN和MEA-WNN的图像复原模型进行对比,改进的模型把复原图像峰值信噪比(peak signal-to-noise ratio,PSNR)分别提高15%和6.5%、结构相似性(structural similarity,SSIM)提高了6.1%和5%,实验结果证明改进模型的有效性和优越性。     

透镜球差对拉盖尔-高斯涡旋光束聚焦特性的影响及改善方法

涡旋光场调控对涡旋光在激光通信、生物操控等领域的应用研究具有重要意义。为了揭示透镜球差对拉盖尔-高斯(Laguerre-Gaussian,LG)涡旋光束传输特性的影响,本文基于菲涅尔衍射理论,模拟研究了不同透镜球差系数下的LG光束聚焦场的强度、相位以及螺旋谱分布。结果表明:光学系统初级球差系数的增大恶化了LG光束聚焦场的强度分布和螺旋相位,弥散了轨道角动量(orbital angular momentum,OAM) 。由此,本文提出了一种光阑补偿方案,通过在透镜前添加大小合适的圆孔光阑,以消除透镜像差。光阑补偿后的LG光束聚焦场由星芒状空心分布恢复为空心圆环分布,OAM态保持单一稳定。本研究工作为改善透镜像差对涡旋光的传输影响提供了解决方案。     

基于RGBD数据与深度权重的压缩光场显示

使用多层空间光调制器的压缩光场(compressive light field,CLF) 显示技术具有空间带宽利用率高、图像分辨率好等优势,是一种很有前景的光场显示技术。传统的方法将光场分解视为超定问题并使用优化算法求解。随着重建光场的分辨率、深度、视角等性能参数的提升,优化算法的计算效率低、内存消耗大的缺陷被放大,难以实现快速计算。为此,本文提出了一种新型CLF分解算法,该算法将原始光场分解为物点进行存储,仅占用少量内存;利用深度权重和加权平均代替了优化算法,大幅提高了运算效率。在同等条件下,所提出的算法占用内存仅是传统方法的38.8%,计算时间缩短了93.7%,图像质量提高约1 dB。最后通过仿真和实验两种方式对比了该方法和传统方法的显示效果,验证了算法的有效性。     

基于SOANet的圆锥角膜辅助诊断

亚临床期圆锥角膜(subclinical keratoconus, subkc)发病隐匿,现有医疗设备诊断存在局限性,所以提出一种诊断亚临床期圆锥角膜的检测方法是十分必要的。有研究发现圆锥角膜(Keratoconus, kc)力学性能的改变早于形态学,因此从角膜生物力学的角度筛查亚临床期的圆锥角膜更加符合临床实际。本文运用角膜生物力学特征,以点云数据作为网络输入数据,将SO-Net (self-organizing network)和自注意力(self-attention, SA)机制结合构建SOANet,对圆锥角膜、亚临床期圆锥角膜和正常角膜进行分类。首先,利用可视化生物力学分析仪(corneal visualization Scheimpflug technology, Corvis ST)拍摄角膜受力形变视频,对其进行处理得到点云数据集,接着对点云数据进行增强处理,使3种类型的角膜数据量分布均衡。然后按照3∶1的比例划分训练集和测试集,分别对角膜进行二分类和三分类。最终模型在二分类和三分类测试集上的准确率分别达到98.3%和91.26%,即有效识别亚临床期圆锥角膜和圆锥角膜。实验...     

基于注意力机制的通信辐射源个体识别方法

日益复杂的电磁环境对通信辐射源个体识别提出了更高挑战,而传统的特征提取方法难以满足需求.深度学习因其在特征表示方面的优势,在多个领域的识别任务中获得了巨大成功.针对辐射源个体识别任务,利用深度神经网络,结合自然语言处理与计算机视觉领域的注意力机制思想,将双注意力机制引入预处理层与特征提取层实现对神经网络的优化,并针对同...     

一种探测巡航导弹的雷达能力评估方法

根据巡航导弹航迹规划特点和作战环境实际,估算面分布无源杂波的雷达散射截面（RCS,radarcrosssection）;然后计算某巡航导弹各方位角的RCS值,从而得出探测强杂波中巡航导弹所需的改善因子。通过比较雷达性能指标,优选适合探测巡航导弹的雷达,为装备部署雷达网和改进雷达参数提供评估依据。     

一种自适应MIMO信号发射与检测方法研究

无线通信中的多天线(MIMO)技术是提高系统容量的主要方法,在慢衰落信道下可以将接收端获得的信道信息(CSI)反馈到发送端以提高系统的性能.传统的反馈-预编码方案奇异值分解(SVD)法但受空间相关特性和传统VBLAST系统对收、发天线数目要求的影响而限制了它在实际系统中的应用.该文提出一种自适应多天线传输方案,其采用了统一信道参数反馈模型和空时分组编码(STBC),实现了一种可以用于各种空间相关特性和各种收、发天线数的多天线传输方案可以克服SVD方案的以上缺点.文中仿真也验证了该系统的接收天线可以比发射天线少,并且能够在高相关性信道下工作.