基于多尺度特征编码和双重注意力融合的绝缘子缺陷检测

针对输电线路绝缘子缺陷检测准确率低和检测速度慢的问题,提出了一种基于多尺度特征编码和双重注意力融合的输电线路绝缘子缺陷检测方法。首先,为了使检测模型适应缺陷绝缘子特征尺度的多样性,编码网络采用Res2Net50提取更细粒度的特征,并在之后嵌入空洞空间金字塔池化模块实现多个尺度捕捉绝缘子及其缺陷的特征;其次,为了减少解码网络中特征信息的缺失,将主干网络的不同层特征与efficient channel attention注意力模块串联,并分别与经过squeeze and excitation注意力模块的各反卷积特征相加形成双重注意力融合。实验结果表明,所提方法的均值平均精度值约为95.35%,每秒传输帧数约为65.95,与其他方法相比,该方法对无人机绝缘子缺陷的准确检测具有一定的参考价值。     

OFDM系统中基于迭代和门限理论降低PAPR的改进PTS方法

传统的部分传输序列法（PTS）中,如果要得到最佳的相位旋转因子,需要遍历所有的可选相位,这样的计算量随分割的子序列数按指数增长。本文提出两种减少计算复杂度的改进PTS方法（经迭代的IPTS和经门限的IPTS）。这两种方法都利用快速傅立叶变换（FFT）的时域循环移位特性增加备选信号,改善PAPR降低的性能。首先提出了一种利用反复迭代移位的IPTS方法(经迭代的IPTS),该方法的计算量随子序列数按线性增长。接着提出了一种利用预先设定的门限值以降低计算复杂度的IPTS方法(经门限的IPTS)。最后理论分析、比较了PTS、PTS/CSS方法与本文方法的计算复杂度。Matlab软件仿真显示,当使用相同的分割子序列数和相位旋转因子时,两种IPTS方法能够以较小的运算量达到了PTS/CSS方法性能;两种IPTS方法降低PAPR的性能要优于PTS方法,但计算复杂度并没有增加。      

部分均匀环境中训练样本不足时的贝叶斯子空间检测器

为了解决部分均匀环境中训练数据不足时的子空间信号检测难题,采用贝叶斯理论,将噪声协方差矩阵建模为逆威沙特分布,并采用广义似然比准则（generalized likelihood ratio test,GLRT）、Rao准则和Wald准则设计自适应检测器,结果表明3种准则得到相同的结果。基于仿真及实测数据验证了所提检测器的有效性,并得出了影响检测性能的关键物理量。     

OFDM系统中峰均比降低的次优化循环移位序列方法

部分传输序列（PTS）方法需遍历所有的可选相位因子,这样的计算量随分割子序列数按指数增长。本文在对循环移位PTS方法 (PTS/CSS) 和次优PTS方法 (sub-OPTS) 进行研究的基础上,提出了一种减少计算复杂度的次优化时域循环移位序列方法（sub-OPTS/CSS）。该方法用快速傅立叶变换（FFT）的时域循环移位特性增加更多备选信号;且仅对变换后的部分备选信号进行相位优化。同时,将其与已有的一些方法的备选信号、冗余比特数、运算量进行了分析和比较。理论分析和仿真结果表明,当使用相同的分割子序列数和相位旋转因子时,sub-OPTS/CSS方法降低PAPR的性能稍次于PTS/CSS方法,但搜索最佳相位时的计算量减少了一半;sub-OPTS/CSS方法降低PAPR的性能要优于sub-OPTS方法。      

基于轻量化YOLOv4的复杂场景绝缘子缺陷检测算法北大核心CSCD

针对目前高压线路绝缘子缺陷检测速度慢,复杂场景下精度低的问题,提出一种基于轻量化YOLOv4(you only look once)的复杂场景绝缘子缺陷检测算法。首先利用轻量级的ECA-GhostNet(efficient channel attention GhostNet)作为骨干网络,以提升检测速度;然后在预测层引入分类-定位质量估计联合表示方法,并采用广义分布表示边界框的灵活分布,以提升复杂场景下的检测性能。训练阶段分别采用定位质量焦损失函数(quality focal loss,QFL)与分布焦损失函数(distribution focal loss,DFL)更好地监督联合表示与边框回归。将该算法在具有复杂背景的数据集上对正常与自爆缺陷绝缘子两类目标进行验证实验,结果表明,该算法在复杂场景下的检测精度均优于目前主流算法,且检测速度达49FPS,比YOLOv4原始算法检测速度提升了约40%。     

杂波背景下基于交替方向乘子法的低截获频控阵MIMO雷达收发联合优化方法

针对相控阵雷达无法有效实现特定区域能量控制的问题,该文提出一种杂波环境下基于交替方向乘子法(ADMM)的频控阵MIMO(FDA-MIMO)雷达低截获(LPI)优化设计方法.该方法的优化准则是在保证目标参数估计性能的条件下,通过联合设计发射波束和接收滤波器使FDA-MIMO雷达在目标2维(距离-方位)区域上辐射的能量尽量小,即尽可能地降低雷达被截获的概率;接着利用加权求和的方法将优化准则构造成多比例分式规划(FP)和的问题;然后利用循环迭代的方法,将优化问题转化成两个子优化问题;最后基于ADMM方法消除等式约束,并通过最小化2阶2次近似优化问题获得发射波束的闭合解.此外,也分析了该方法的计算复杂度.仿真部分通过输出信干燥比(SINR)、发射和接收方向图验证了该方法的有效性.     

基于多级特征选择的自然场景文本识别算法

针对现有场景文本识别方法只关注局部序列字符 分类,而忽略了整个单词全局信息的问题,提出 了一种多级特征选择的场景文本识别(multilevel feature selection scene text recogn ition,MFSSTR)算 法。该算法使用堆叠块体系结构,利用多级特征选择模块在视觉特征中分别捕获上下文特征 和语义特 征。在字符预测过程中提出一种新颖的多级注意力选择解码器(multilevel attention sele ction decoder, MASD),将视觉特征、上下文特征和语义特征拼接成一个新的特征空间,通过自注意力机制 将新的特征 空间重新加权,在关注特征序列的内部联系的同时,选择更有价值的特征并参与解码预测, 同时在训练 过程中引入中间监督,逐渐细化文本预测。实验结果表明,本文算法在多个公共场景文本 数据集上识 别准确率能达到较高水平,特别是在不规则文本数据集SVTP上准确率能达到87.1%,相比于当前热门算法提升了约2%。     

基于双重注意力融合和空洞残差特征增强的场景文本检测

针对自然场景中任意形状文本容易漏检、错检的问题,提出了一种基于双重注意力融合和空洞残差特征增强的场景文本检测方法.为了增强文本特征通道之间的潜在联系,提出了双重注意力融合(DAF)模块,采用双向特征金字塔与双重注意力融合模块相结合的方式进行多层的特征融合;另外针对深层特征图在降维的过程中可能造成语义丢失的现象,提出了空...     

基于FFT特性增加相位序列的变换选择性映射方法

本文提出了基于傅立叶变换(FFT)特性的变换选择性映射(T-SLM)方法.该方法利用已产生的相位序列和FFT的频域循环移位特性、线性特性及其联合特性构造出了T1、T2和T21三种变换以产生新的相位序列,增加更多交替的OFDM信号序列,而不是通过增加IFFT运算产生更多的备选信号序列;同时分析给出了反映文中各种SLM和T...     

基于ADMM改进的低截获FDA-MIMO雷达发射波束设计

针对信号依赖性杂波与目标位于同一方向上的低截获问题,结合交替方向乘子法（ADMM）,提出了一种改进的频控阵MIMO雷达发射波束设计方法。该方法在保证每个天线上发射能量恒定和信杂噪比限制下,最小化目标区域（距离-方位）的能量辐射。首先,利用广义瑞利熵获得接收滤波器;然后,为了解决分式规划不等式约束的二次规划问题,利用辅助变量,并结合ADMM通过并行处理获得发射波束的优化解;最后,进一步研究了收敛性和计算复杂度。仿真显示,与半正定规划方法相比,所提方法能有效控制发射功率恒定,且很好地在目标处能量聚焦;另外,所提方法在杂波和干扰处形成了-50 dB以上的零陷,有效抑制了杂波和干扰信号。