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。     

基于改进CenterNet的输电线路电力器件及异常目标检测

为实现输电线路电力器件及异常目标的快速准确检测,提出了一种基于改进CenterNet的目标检测算法。首先,使用轻量级Mobile NetV2作为CenterNet的特征提取网络,同时对解码网络的通道数进行缩减,提高检测速度;其次,构建多通道特征增强结构,并引入底层细节信息,解决CenterNet因仅利用单一特征而造成检测精度低的问题;然后,设计同尺度残差注意力特征融合模块,取代上采样过程中特征直接相加的融合方式,以此拟合来自不同支路的同级特征;最后,引入椭圆高斯散射核优化标签编码,提升边界框回归的质量。对改进的CenterNet算法进行了实验,结果表明：该算法在构建的数据集上得到的均值平均精度达96%,前向推理速度为13 ms/帧,模型参数量约为5.9 MB,各项指标均优于FCOS、YOLOX等主流检测算法。该方法与无人机结合可为电网智能巡检提供参考。     

基于模式空间算法的声源二维DOA估计

针对传统高分辨率谱估计法估计远场声源波达方向（direction of arrival, DOA）时计算量大、对相干信号估计失准的问题,本文提出一种改进的基于圆形麦克风阵列和四阶累积量的声源二维DOA估计算法。该算法结合了圆阵定位无死角的优势和矩阵虚拟扩展获得更多声源定位信息的长处。首先利用模式空间变换将均匀圆形阵列（UCA）虚拟化成2K+1个均匀线性阵列（ULA）,并应用空间平滑技术将虚拟线性阵列划分成L个子阵;接着利用四阶累积构造方法提取有效阵元信息并去掉冗余数据,通过重构矩阵得到新的接收数据;最后通过Music-like算法搜索谱峰获得声源信号的方位角和俯仰角。仿真结果表明,在信噪比较低时,相比传统的高分辨谱估计算法,本文算法可实现对远场相干信号的高精度估计;同时本文算法也具有更低的均方根误差性能,且能有效减少运行时间。     

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。     

基于像素注意力特征融合的城市街景语义分割算法研究

针对城市街景数据集中存在小目标和大量长条形状物体,分割难度大,虽然目前编码解码结构的网络能细化分割结果,但大多数都没有充分利用空间和上下文信息,因此本文提出一种基于像素注意力特征融合的语义分割算法。首先以ResNet50作为骨干网络,利用空洞空间卷积池化金字塔和条状池化进行初步特征融合,获得多尺度特征的同时规避无用信息;然后利用像素融合注意力模块,聚合上下文信息并恢复空间信息,最后利用注意力特征细化模块消除冗余信息。该算法在CamVid数据集上进行实验,结果表明该算法在验证集上能达到75.22%的mIoU,在测试集上也能达到67.21%。相比于DeepLabv3+网络分别提升了2.51%和2.86%。     

基于迭代加权L1范数的稀疏阵列综合

针对阵列天线在相控阵雷达、卫星通信以及MIMO雷达系统等实际应用中重量、尺寸和成本受限的问题,提出了一种基于迭代加权[L1]范数的稀疏阵列综合方法。通过对稀疏阵列综合理论的分析,提出使用加权[L1]范数代替[L0]范数,避免了NP问题的求解;通过复数求导结合启发式近似方法对阵列激励进行优化选择,即可得到一个其辐射波形逼近给定的期望值的稀疏阵列。仿真结果表明,与现有的稀疏阵列综合方法相比,该方法可以在满足辐射特性的前提下得到阵元数目更少同时孔径更短的阵列。     

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%。     

联合协方差矩阵重构和ADMM的鲁棒波束形成

为解决传统波束形成器在干扰位置发生扰动和导向矢量失配时,造成自适应权重的不匹配,从而导致算法性能急剧下降,甚至期望信号相消的问题,提出一种联合协方差矩阵重构和交替方向乘子法(Alternating direction method of multipliers, ADMM)的鲁棒波束形成方法。对此,首先基于波束形成器最大输出功率准则,设计了求解最优导向矢量的优化模型。接着,根据Capon算法空间功率谱函数,利用定义的干扰范围对协方差矩阵进行重构,以展宽零陷并增强系统抗运动干扰能力。最后,关于导向矢量的二次不等式约束问题,本质为估计导向矢量和期望导向矢量间的差异,该方法利用ADMM对该二次规划问题进行迭代求解,并在每次迭代中获得导向矢量的具体解。另外,也分析了算法的复杂度。实验结果表明：对比现有的波束形成算法,在干扰处加宽了零陷,提高了波束的抗干扰性;结合复杂度也证明了其计算速度优于现有的算法,并且能够很好地校正失配导向矢量。本方法也为求解二次不等式约束问题和提高波束形成算法性能提供了一种思路和途径。