课程文献中心 更多>>

关键词： 激光点云   自适应特征保留滤波   法向量估计   曲面重建   体积计算  

摘要： 空间非规则体,如地上建筑物、山坡及地下采空区等,其三维曲面重建与高精度体积计算在现代物流、仓储及矿山测量等领域具有重要应用价值。针对激光点云在真实采集环境中存在的噪声干扰、密度分布不均以及复杂曲面区域法向量估计不准确等问题,提出了一系列优化措施研究,有效提高了三维建模效果和体积计算精度。首先,在传统统计滤波基础上,引入局部密度与曲率特征,提出一种自适应特征保留滤波算法,在有效抑制离群噪声的同时显著降低稀疏区域及高曲率特征点的误删率;其次,针对点云密度分布不均导致法向量估计精度下降的问题,提出一种曲率自适应的法向量混合估计策略,在平坦区域采用主成分分析快速估计法向量,在曲率变化显著区域引入二次曲面拟合进行局部修正,从而在保证计算效率的同时提升复杂曲面区域法向量估计的稳定性与准确性;最后,利用平滑符号距离隐式函数实现水密曲面重建,并结合投影-四面体分解法完成体积计算。通过水桶模型、实验室空间及实验室-走廊结合体等多场景实验对所提方法进行验证,所得体积相对误差分别降低至1.63%、0.32%和0.25%。实验结果表明,所提方法在曲面重建连续性与体积计算精度方面均取得了较好效果,可为复杂空间物体的高精度三维曲面重建与体积测量提供一种稳定可靠的技术方案。

关键词： 文本分类   小样本学习   提示学习   外部知识   标签映射  

摘要： 针对提示学习在小样本文本分类任务中，标签映射器构建依赖单一标签扩展所导致的语义表达单一、覆盖范围有限及易受噪声干扰的问题，提出了一种基于外部知识引导的双维度标签映射器构建方法。首先，从文本实例语义与类别本体语义两个互补维度出发，结合多源外部知识库对候选标签空间进行协同扩展，获取高覆盖度的初始候选标签集；其次，构建“语义相关性-类别区分度”两阶段精细化筛选机制，第一阶段利用实例驱动与类别先验的联合约束剔除粗粒度语义噪声，第二阶段基于对数似然比计算候选标签在正负样本中的预测差异，以强化标签的类别指向性；最后，对筛选后的高质量标签词集的生成置信度进行集合级聚合，完成最终的类别判定。通过在THUCNews、Toutiao、SHNews和Onshop共4个主流中文分类数据集上进行随机采样，构建小样本数据集进行实验。实验结果表明，所提方法在1-shot、5-shot、10-shot和20-shot任务上的整体性能均有所提升，尤其在1-shot任务上效果突出，与知识增强提示学习基线方法 KPT相比，准确率分别提高了3.62、2.85、3.10和1.32个百分点，验证了所提双维度知识引导标签映射方法在少样本文本分类任务中的有效性。

关键词： 双馈型风力发电机   故障穿越   映射关系   结构辨识   响应形态  

摘要： 针对双馈感应发电机风力发电机组（DFIG）电磁暂态模型难以准确表征故障穿越（FRT）全过程响应、且封装控制器结构难以获取的问题，提出一种基于FRT响应与控制环节映射的控制器结构辨识方法。结合主流机组在低/高电压穿越过程中的典型响应特征，归纳FRT各阶段响应与控制环节动作之间的映射关系，并通过激励信号与工况组合，构建面向有功控制、无功控制及FRT控制环节的结构辨识判据；根据辨识结果建立DFIG白盒电磁暂态模型，并在硬件在环平台上，利用不同厂家的黑盒模型和实际控制器开展验证，结果表明所建模型能够较准确刻画不同机组的FRT全过程响应。

关键词： 测量设备无关   量子密钥分发   二阶关联   自同步  

摘要： 测量设备无关型量子密钥分发是构建广域量子保密通信网络的关键技术。然而，现有系统通常依赖额外的专用光纤链路进行时钟同步，这不仅增加了系统复杂性和部署成本，更会因同步链路与信号链路的长度失配引入时钟错位，导致误码率升高。本文提出并实验验证了一种基于量子信号本身二阶关联特性的共径时钟自同步方法。该方法将通信双方发送的伪随机位移光脉冲序列的二阶关联函数作为同步判据，直接从量子信号中实时提取信道延时信息，并通过可调光纤延时线进行闭环反馈补偿，从原理上消除了非共路径传输的固有漂移隐患。在100 km光纤链路上，本方案实现了长期同步精度优于77.7 ps，并能够有效跟踪补偿高达7.8 ps/s的环境温度致线性延时漂移。本工作为MDI型QKD系统提供了一种高精度、低复杂度的时钟同步方案，为推动其实用化部署提供了可行的技术路径。

关键词： 儿童肺炎   电阻抗断层成像   冠豪猪优化   自适应矩估计   径向基函数神经网络  

摘要： 在儿童肺炎诊断中，肺组织电导率差异微弱，导致电阻抗断层成像（EIT）图像分辨率受限。为提升图像重建质量，本文提出了一种基于冠豪猪优化与自适应矩估计的径向基函数神经网络（CPOA-RBFNN）方法，结合群体智能的全局搜索与梯度优化的自适应特性提高成像精度与鲁棒性。本文构建了23 000组儿童肺炎仿真数据用于训练与测试，并将所提方法与吉洪诺夫（Tikhonov）正则化及传统径向基函数神经网络（RBFNN）进行对比，并采用均方根误差（RMSE）、图像相关系数（ICC）、结构相似性（SSIM）和峰值信噪比（PSNR）等指标进行评估。结果显示，在50 dB噪声条件下，本文方法实现了最低的RMSE(0.098)、最高的ICC(0.922)及较高的SSIM(0.909)与PSNR(9.295)。临床验证进一步表明，CPOA-RBFNN在肺炎病灶重建方面具有更好的结构保真度与可辨识性。综上，本文所提方法为儿童肺炎的无创精准成像与床旁辅助诊断提供了一种有效方案。

关键词： 信号发生器   信号测量   MAX038   STM32F103C8T6  

摘要： 为了兼顾函数信号发生器的性能与成本，该设计以STM32F103C8T6为微控制器，采用MAX038专用芯片设计一款能够产生正弦波、矩形波和三角波信号的函数信号发生器。通过按键设置切换波形；通过拨码开关控制接入MAX038的COSC引脚电容调节信号频率；利用OPA690高速运算放大器进行信号峰峰值调节；使用滑动变阻器改变MAX038的DADJ引脚分压调节矩形波的占空比。利用TLV3501超高速比较器模块实现频率测量；利用AD637检测信号有效值，实现信号峰峰值测量；LMV358运算放大器用于矩形波占空比测量。实验结果表明，该装置能稳定输出频率（35 Hz～7 MHz）、峰峰值（2 ～7 V）、占空比（30%～75%）可调的信号；在可测量范围内（35 Hz～500 kHz），频率、峰峰值、矩形波占空比测量的最大相对误差分别不超过4%、2.5%、0.67%。该函数信号发生器具备较好的实用性及便携性，应用前景良好。

关键词： 散射成像   深度学习   显式表征   奇异值分解   逆映射  

摘要： 深度学习在散射成像领域展现出巨大应用潜力，但网络的“黑箱”特性严重阻碍了对其成像内在机制的解读及性能边界的定量评估。针对这一关键瓶颈，本文提出一种对网络隐式拟合关系进行显式表征与量化分析的新框架，打破了深度网络模型性能难以预测与定量评估的困境。该方案将训练完成的神经网络视为一个待解析的系统，联合利用探测散斑与重建图像，大规模提取表征网络映射特征的逆映射片段mi。利用奇异值分解，我们实现了对网络重建图像机制的解译：定量揭示了重建图像质量随奇异值阶数提升，依次经历低阶宏观轮廓、中阶结构增强及高阶纹理补充的演化规律。通过对MNIST手写数字、LFW人脸及自制散斑图三类数据集训练模型的对比，证实了网络拟合映射关系具有显著的数据依赖性。实验表明，满足空间均匀性要求的相干散斑图数据集，因其促使拟合的映射关系具有更均匀、覆盖范围更广的奇异值谱分布，从而在物理层面上有效拓宽了网络的性能边界。本研究不仅为深入解析神经网络在散射成像中的物理机理提供了理论依据，也为构建可解释、可定制的深度学习模型开辟了道路，有望推动深度学习驱动散射成像技术从经验驱动向机理驱动的转型，为其在复杂真实场景中的可靠部署提供理论依据与实验指导。

关键词： 单次测量   超快成像   光谱-时间映射   相位成像  

摘要： 单次测量超快成像是实时观测瞬态过程不可或缺的方法之一。面向光与物质相互作用中弱吸收特性瞬态变化场成像需求，本研究提出了一种基于光谱-时间映射与混合迭代相位恢复算法相结合的单次测量超快相位成像方法，利用色散元件对超快飞秒脉冲的线性展宽能力与窄带滤波结构的筛选分光能力，设计并搭建了单次测量多幅超快相位成像系统，实验表明该系统空间分辨率为7.81μm，最高可实现2.20万亿帧/秒的成像速度。实验结果初步验证了光谱-时间映射单次测量超快相位成像方法的可行性，为进一步发展单次测量超快相位成像方法提供了解决方案。

关键词： 二维剖面三维映射   井轨迹引导   地质建模  

摘要： 传统沉积相建模过程中难以直接利用地质专家手工绘制的二维剖面图进行三维建模，通常需借助繁琐的人机交互方式逐层赋值至三维网格，不仅效率低下，还容易因主观操作引入误差，导致剖面模型存在偏差，影响最终建模结果的可靠性与工程实用性。【目的】为了解决手绘剖面三维转化难题，实现高效精准自动建模。【方法】本文提出一种基于井轨迹引导的二维地质剖面图三维映射方法，通过建立图像像素与三维模型角点网格单元之间的空间映射关系，利用井轨迹的空间锚定功能，实现地质专家解释成果向三维模型的自动投影与属性赋值，有效嵌入专家知识并提升建模自动化程度。基于所提算法开发了配套软件系统，集成剖面图像中地层线与沉积相单元的识别预处理、空间定位与属性转换等关键功能模块，并在典型潮汐作用下的曲流河点坝建模实例中开展应用验证。【结论】结果表明该方法可准确高效地将二维解释成果映射至三维地质模型，为后续高精度建模提供稳定的先验约束和数据基础，在提升建模效率的同时，有效增强地质约束能力，降低模型的不确定性。

关键词： 载荷无人机   非线性抖振   模糊PID控制器   变增益积分函数   超螺旋滑模控制器  

摘要： 针对传统的固定增益在控制过程中会导致姿态角的非线性抖振问题，提出变增益积分函数下载荷无人机非线性抖振控制方法。构建长短期记忆网络载荷无人机姿态角估计模型，获取姿态角估计值作为控制器给定值。通过构造变增益积分复合STSMC控制器，利用变增益积分函数依据姿态角误差实时调整STSMC控制器增益，缓解控制器增益过大造成的载荷无人机非线性抖振问题。结果表明，姿态角估计误差保持在-0.05°～0.05°范围内，波动平稳，0.5s内快速响应且超调量小，复杂指令和干扰下超调量控制在-10%～10%、姿态角抖振在-5°～5°之间，具有更小的超调量和姿态角抖振。