融合隐向量对齐和Swin Transformer的OCTA血管分割

目的 光学相干断层扫描血管造影（optical coherence tomography angiography,OCTA）是一种非侵入式的新兴技术,越来越多地应用于视网膜血管成像。与传统眼底彩照相比,OCTA技术能够显示黄斑周围的微血管信息,在视网膜血管成像邻域具有显著优势。临床实践中,医生可以通过OCTA图像观察不同层的血管结构,并通过分析血管结构的变化来判断是否存在相关疾病。大量研究表明,血管结构的任何异常变化通常都意味着存在某种眼科疾病。因此,对OCTA图像中的视网膜血管结构进行自动分割提取,对众多眼部相关疾病量化分析和临床决策具有重大意义。然而,OCTA图像存在视网膜血管结构复杂、图像整体对比度低等问题,给自动分割带来极大挑战。为此,提出了一种新颖的融合隐向量对齐和Swin Transformer的视网膜血管结构的分割方法,能够实现血管结构的精准分割。方法 以ResU-Net为主干网络,通过Swin Transformer编码器获取丰富的血管特征信息。此外,设计了一种基于隐向量的特征对齐损失函数,能够在隐空间层次对网络进行优化,提升分割性能。结果 在3个OCTA图像数据集上的...     

基 ＡＤ９３６１的北斗接收机终端性能评估方法研究

为满足北斗定位导航系统中接收机基带信号处理算法研究的需要,设计了一种运行于软件无线电平台、输出数据全面多样的北斗接收机平台,并对其进行了详细的指标评估和定位验证。该接收机运行于由ARM、FPGA和AD9361组成的软件无线电平台上,利用AD9361射频前端得到北斗B1信号的中频采样数据,通过FPGA和ARM实现北斗卫星的快速捕获、跟踪及位置解算等信号处理流程。利用已知参数的模拟导航信号对接收机进行了性能指标评估,并进行了实际场景的定位实验。实验测试表明,该接收机捕获、跟踪等过程性能表现良好,导航定位精度及动态定位精度较高,可输出标准原始观测量数据,满足一般的北斗接收机基带信号处理及定位算法研究的需要。     

基于节点紧密度中继转发的移动延迟容忍传感网传输算法

为解决移动延迟容忍传感网存在的时延突出、超宽带传输性能不佳等问题,提出了一种基于节点紧密度中继转发的移动延迟容忍传感网传输算法。引入邻域节点数量作为指标,以评估节点相遇概率,将节点相遇过程优化为邻域节点覆盖问题,以提升网络对节点相遇过程的感知能力。采用邻域节点重复覆盖数量作为判定依据,以评估节点运动性能,设计了基于紧密度的节点相遇感知机制,对节点运动活跃程度进行感知,增强节点对相遇过程的感知能力,有效提高下一跳目标节点的链接质量。基于马尔科夫评估机制,采用连接状态转移矩阵来评估节点链接概率,优选链接性能较高的节点作为下一跳节点,以优化源节点与目的节点间链路,增强链路对高带宽传输环境的适应能力。仿真结果表明,与基于分簇机制的传感网节能传输算法和基于低时延机制的传感网传输编码算法相比,所提算法具有更低的平均端对端时延和链路累计中断次数,以及更高的全网传输带宽。     

基于分层的一体化通信电台数据采集系统设计

摘 要：为满足通信对抗装备对抗效能评估或通信对抗训练演习效果评估需求,提出了一种基于分层的通信电台数据采集统设计方案,通过采集通信电台物理层、链路层、网络层的工作参数和状态参数,能够实现电台数据采集存储,并依据不同层次的采集数据实现不同层级的评估功能,该系统以车载多通道通信电台为采集对象,采用了实装电台与采集存储系统一体化集成设计思路,详细给出了采集系统软硬件设计方案,试验结果表明：该系统能够采集不同类型自组网电台数据,并为通信对抗装备效能评估提供不同类型和不同层次的数据,采用一体化设计思路提高了通信电台数据采集的便捷性和采集效率。     

贪心与回溯算法在城市马拉松路线规划中的实践

针对目前城市马拉松路线人工规划效率低下的问题, 本文采用贪心和回溯算法进行城市马拉松路线智能规划, 具体方法是: 通过城市路网信息构建由经纬度坐标点拓扑关系连接而成的路网, 采用贪心和回溯算法对坐标点进行遍历搜索, 结合城市马拉松路线特殊要求, 运用直接逼近、启发式远离、启发式靠近和方向预估等策略实现路线的智能规划. 在此基础上, 提出一种综合POI热度值、道路宽度适宜度、路线畅通指数、过弯舒适度以及POI密集度5个维度的马拉松路线评估方法. 最后, 开展了北京、合肥马拉松人工和智能规划路线对比分析, 结果表明所采用的方法可快速高效实现马拉松路线规划.     

PCA-VQ融合降维的SMO-SVM说话人识别研究

针对说话人语音原始梅尔频率倒谱系数(MFCC)特征参数维数较高造成的模型计算效率低以及不稳定的问题,基于序列最小优化(SMO)高效算法求解支持向量机(SVM)基本型的对偶问题,开展主成分分析-矢量量化((PCA-VQ)融合降维的SMO-SVM说话人识别算法研究。改进后的算法在MATLAB平台上仿真通过。仿真结果表明:通过PCA-VQ融合算法对MFCC特征参数进行优化降维后,SMO-SVM说话人识别模型的正确率提高3.77%,训练时间节省1.24 s,具有较好推广应用价值。     

改进果蝇算法求解混合流水车间调度问题

针对混合流水车间调度问题(HFSP),本文提出了一种新的基于果蝇算法和变邻域搜索的混合优化方法.首先,将关键块内的工序与同阶段其他机器上的工序进行交换,提出了一种基于关键路径的HFSP新邻域结构.其次,针对HFSP的阶段式解码特性,提出了一种邻域解的快速评估方法,并验证了快速评估方法的高效性.然后,基于提出的新邻域结构,并将N7和K-insertion邻域结构引入HFSP,设计了基于上述3种邻域结构的变邻域搜索方法,以此为基础提出了一种针对HFSP的混合优化方法.最后,通过对Carlier和Liao等经典测试集进行测试,验证了所提新邻域结构的可行性和有效性,并将该方法与其他文献的方法进行了对比,验证了所提方法的优越性.     

神经网络结构搜索方法综述

如今,深度学习广泛地应用于生活、工作中的各个方面,给我们带来了极大的便利.在此背景下,需要设计针对不同任务的神经网络结构,满足不同的需求.但是,人工设计神经网络结构需要专业的知识,进行大量的实验.因此,神经网络结构搜索算法的研究显得极为重要.神经网络结构搜索(NAS)是自动深度学习(AutoDL)过程中的一个基本步骤,对深度学习的发展与应用有着重要的影响.早期,一些神经网络结构搜索算法虽然搜索到了性能优越的神经网络结构,但是需要大量的计算资源且搜索效率低下.因此,研究人员探索了多种设计神经网络结构的算法,也提出了许多减少计算资源、提高搜索效率的方法.本文首先简要介绍了神经网络结构的搜索空间,其次对神经网络结构搜索算法进行了全面的分类汇总、分析,主要包括随机搜索算法、进化算法、强化学习、基于梯度下降的方法、基于顺序模型的优化算法,再其次探索并总结了提高神经网络结构搜索效率的方法,最后探讨了目前神经网络结构搜索工作中存在的问题以及未来的研究方向.     

基于深度学习的电网安全态势感知方法

为了提高电力网络的安全性,实现电力网络的可持续运行,引入深度学习神经网络,开展对电力网络安全态势感知方法的设计研究,以此提出一种全新的安全态势感知方法。本文采用电力网络安全态势评估指标,结合各类电力网络环境因素,对未来可能发生的电力网络变化趋势进行预测;明确电力网络安全态势评估指标及其相关表述含义后,对电力网络安全态势风险进行综合量化,通过划分电力网络安全态势风险量化及等级,构建基于深度学习的电力网络安全态势预测模型,验证模拟安全态势感知预测结果。通过真实电力网络算例的方式,得出新的安全态势感知方法应用在现实电力网络运行环境中时,能够实现对其安全等级的精准预测,可以为电力网络的可持续运行提供安全保障条件,具有一定的实用性。     

通信芯片电压故障注入测试与功能安全评估方法

芯片是现代信息技术的核心和基础,芯片的功能安全在确保电子技术的可靠性方面发挥着重要作用。本研究以CAN通信芯片为对象,提出了一种基于电压故障注入的芯片功能安全评估方法。通过基于原型系统的自动化硬件故障注入测试,并结合自动触发信号与控制模块的设计,完善了目前CAN芯片安全性测试技术和功能实现上的不足。另外,基于该CAN芯片测试结果,提出了芯片对故障因素敏感的功能安全评估依据。结果表明,该电路通信芯片的某些管脚对标准工作电压范围下输入电压的幅值、脉宽和延迟毛刺较敏感。测试电路系统能够自动实现1.5~5.5 V大范围工作电压下的随机错误注入,以及错误要素敏感度分析,为提高通信芯片安全性提供更高效的评估依据。