准确的FPGA互连长度和通道宽度估计

提出了一种新的FPGA互连预测算法,包括互连长度估计算法和通道宽度估计算法.实验结果表明,与现有算法相比,该估计算法能获得更准确的估计结果.     

全像素双核成像技术及应用研究综述

全像素双核(dual-pixel, DP)自动对焦(dual-pixel CMOS auto focus, DP CMOS AF)采用混合检测自动对焦,其在每个像素配备两个光电二极管,使每个像素既参与对焦又参与成像,克服了传统相位检测自动对焦和反差检测自动对焦技术的缺点。根据离焦视差估计图像合焦镜头所需移动的距离,DP自动对焦具有更快的对焦速度和更高的对焦精度,因此广泛应用在手持设备中(如手机相机、单反相机等)。由于全像素双核传感器将每个像素分成两半,该传感器一次拍摄即可得到两幅图像。这两幅图像(全像素双核图像对)可以看做一个具有相同曝光时间和严格校正的小基线立体图像对。该图像对的视差与图像模糊程度相对应,只在离焦区域存在视差。全像素双核传感器不仅用于自动对焦,而且可以用于深度估计、散焦去模糊和反射去除等方面。本文系统地综述了全像素双核传感器的自动对焦、成像原理及研究现状,并进一步展望其未来发展。1)对自动对焦技术进行介绍,对比了传统对焦与全像素双核对焦;2)详细分析了全像素双核传感器的成像原理、成像模型及特点;3)系统地介绍了全像素双核在计算机视觉领域应用的最新进展,从深度估计、反射去除和离焦模糊去除等方面进行全面阐述及分析; 4)适当的数据集是基于深度学习方法的基础,对目前的全像素双核数据集进行了介绍;5)分析了全像素双核在计算机视觉领域面临的挑战与机遇,对未来的全像素双核应用方向进行了讨论与展望。     

双分支特征融合网络的步态识别算法

目的 在步态识别算法中,基于外观的方法准确率高且易于实施,但对外观变化敏感;基于模型的方法对外观变化更加鲁棒,但建模困难且准确率较低。为了使步态识别算法在获得高准确率的同时对外观变化具有更好的鲁棒性,提出了一种双分支网络融合外观特征和姿态特征,以结合两种方法的优点。方法 双分支网络模型包含外观和姿态两条分支,外观分支采用GaitSet网络从轮廓图像中提取外观特征;姿态分支采用5层卷积网络从姿态骨架中提取姿态特征。在此基础上构建特征融合模块,融合外观特征和姿态特征,并引入通道注意力机制实现任意尺寸的特征融合,设计的模块结构使其能够在融合过程中抑制特征中的噪声。最后将融合后的步态特征应用于识别行人身份。结果 实验在CASIA-B （Institute of Automation,Chinese Academy of Sciences,Gait Dataset B）数据集上通过跨视角和不同行走状态两种实验设置与目前主流的步态识别算法进行对比,并以Rank-1准确率作为评价指标。在跨视角实验设置的MT （medium-sample training）划分中,该算法在3种行走状态下的准确率分别为93.4%、84.8%和70.9%,相比性能第2的算法分别提升了1.4%、0.5%和8.4%;在不同行走状态实验设置中,该算法在两种行走状态下的准确率分别为94.9%和90.0%,获得了最佳性能。结论 在能够同时获取外观数据和姿态数据的场景下,该算法能够有效地融合外观信息和姿态信息,在获得更丰富的步态特征的同时降低了外观变化对步态特征的影响,提高了步态识别的性能。     

多尺度相似性迭代查找的可靠双目视差估计

目的 双目视差估计可以实现稠密的深度估计,因而具有重要研究价值。而视差估计和光流估计两个任务之间具有相似性,在两种任务之间可以互相借鉴并启迪新算法。受光流估计高效算法RAFT （recurrent all-pairs field transforms）的启发,本文提出采用单、双边多尺度相似性迭代查找的方法实现高精度的双目视差估计。针对方法在不同区域估计精度和置信度不一致的问题,提出了左右图像视差估计一致性检测提取可靠估计区域的方法。方法 采用金字塔池化模块、跳层连接和残差结构的特征网络提取具有强表征能力的表示向量,采用向量内积表示像素间的相似性,通过平均池化得到多尺度的相似量,第0次迭代集成初始视差量,根据初始视差单方向向左查找多尺度的相似性得到的大视野相似量和上下文3种信息,而其他次迭代集成更新的视差估计量,根据估计视差双向查找多尺度的相似性得到的大视野相似量和上下文3种信息,集成信息通过第0次更新的卷积循环神经网络和其他次更新共享的卷积循环神经网络迭代输出视差的更新量,多次迭代得到最终的视差估计值。之后,通过对输入左、右图像反序和左右翻转估计右图视差,对比左、右图匹配点视差差值的绝对值和给定阈值之差判断视差估计置信度,从而实现可靠区域提取。结果 本文方法在Sceneflow数据集上得到了与先进方法相当的精度,平均误差只有0.84像素,并且推理时间有相对优势,可以和精度之间通过控制迭代次数灵活平衡。可靠区域提取后,Sceneflow数据集上误差进一步减小到了历史最佳值0.21像素,在KITTI （Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago）双目测试数据集上,估计区域评估指标最优。结论 本文方法对于双目视差估计具有优越性能,可靠区域提取方法能高效提取高精度估计区域,极大地提升了估计区域的可靠性。     

基于改进鲁棒自适应UKF的配电网动态状态估计方法

配电网动态状态估计中状态方程的过程噪声统计参数是未知而且时变的,因此在状态估计过程中需要在线对过程噪声统计参数进行实时估计,而且不准确的噪声参数将会导致无迹卡尔曼滤波器的滤波性能下降甚至滤波发散。文中研究了基于改进鲁棒自适应无迹卡尔曼滤波器的配电网动态状态估计方法,其噪声参数统计估值器由一个有偏的和一个无偏的估值器组成,可以提高在状态估计过程中噪声参数估计的准确性,同时确保过程噪声方差矩阵的半正定性,从而保证算法的鲁棒性。通过对IEEE 33节点系统进行仿真验证,结果表明所提方法在系统平稳运行、负荷发生剧烈变动或者初始噪声参数值设置不当的情况下,均能保证较高的状态估计精度。     

基于欠采样的载频与二维到达角联合估计方法

针对阵列参数估计中传统奈奎斯特采样定理给采样和存储设备带来的巨大压力,提出了一种基于随机解调(RD)阵列结构的信号载频与二维到达角(2D-DOA)联合估计方法。利用不同天线阵列之间的互相关矩阵构造协方差矩阵,基于旋转不变子空间(ESPRIT)方法求解载频和2D-DOA参数,同时克服了载频和2D-DOA之间的配对问题。仿真实验结果证明了该方法能较好地从较少的欠奈奎斯特样本中估计目标信号的载波频率和2D-DOA,并恢复原信号的时域波形。     

波动载荷和电流作用下的弓网摩擦力模型研究

电气化铁路中接触网与受电弓良好的接触是列车安全可靠运行的前提条件,而弓网的接触是载流条件下的摩擦接触,因此有必要对其摩擦接触进行深入研究。文中通过滑动电接触实验机,开展不同工况(压力波动幅度、压力波动频率、接触电流、滑动速度)条件下的弓网滑动电接触摩擦力研究。研究表明:作用于滑板上的接触电流增大时,弓网间的滑动摩擦力随之减小;压力波动幅度和滑动速度增大时,弓网间的摩擦力也随之增大;压力波动频率对弓网摩擦力的影响极小。利用曲线估计的基本思想,优选出最能表达压力波动幅度、接触电流、滑动速度各参量对弓网间滑动摩擦力影响的单一因素数学模型;在此基础上,通过多元回归方法建立压力波动载荷和电流作用下的弓网摩擦力模型并验证模型的有效性。     

基于数据驱动与多变量状态估计的汽动引风机故障预警

汽动引风机是新建电厂的重要设备之一,对其采用数据驱动的故障预警时,存在监测参数多、设备故障试验代价高、运行数据少的问题。为此,本文采用多变量状态估计（MSET）方法对汽动引风机相关测点进行状态监测,构造合理的记忆矩阵,使用奇异值分解法计算广义逆矩阵,从而提高计算效率;并以江苏某电厂为研究对象,提取现场包含喘振故障的数据,采用本文方案对实时数据进行状态预警。结果表明,该方案能够合理反映设备的运行状态,对喘振故障能够提前约5 h预警。     

基于新健康指标的锂离子电池容量估计研究

最大可释放容量和内阻常用于锂离子电池的健康状态估计,由于操作条件复杂,在线应用的容量通常难以估计。此外,测量内阻成本高,无法在线测量。通过对NASA PCoE的数据进行分析,提出了一种新的健康指标(HI)用于锂离子电池容量估计。通过对原始健康指标的提取,利用Box-Cox变换对提取的HI序列进行优化,提高健康指标与容量的相关性。实验结果表明,新建立的健康指标对锂离子电池容量估计具有较高的精确度,为锂离子电池健康状态估计提供了理论基础。     

基于稳健状态估计的设备状态预警研究

针对发电机组设备的状态监测问题,采用改进的自联想回归（AAKR）算法建立设备的状态预警模型。将稳健距离算子代替马氏距离算子,提高自回归模型的稳健性和抗污染能力。将聚类思想应用于距离划分,提出一种基于聚类的变间隔状态矩阵提取方法,并给出具体的实施步骤。采用四重交叉验证学习机制,在训练过程中对模型参数进行优化,获得最优的状态监测模型。以某600 MW机组一次风机为例建立状态参数估计模型,DCS实际运行数据和仿真计算结果表明,改进后的稳健状态估计方法在维持较高准确性的前提下,能够大幅提高模型的稳健性,具有较强的抗污染能力。这样在设备故障早期就能给出相关预警信号,为设备的状态检修提供理论依据。