全部分类/
科学普及/
现代电子技术

现代电子技术

2025年23期

本刊以电子技术为主体，探讨和报道信息产业及电子行业中新技术，新器件，新应用的学术论文及成果；提供国内外最新的电子技术发展动态及产品市场信息；为企业的新产品，新技术，新成果在产业及行业内的推广架起一座金桥。

扫码免费借阅

目录

快速导航

信号分析与图像处理 | 基于聚合像素特征提取的Transformer图像去雾算法

信号分析与图像处理 | 基于聚合像素特征提取的Transformer图像去雾算法

摘要：针对现有的图像去雾算法存在图像细节纹理特征恢复不彻底、场景的边缘信息被忽略以及图像泛化能力差的问题,文中提出一种聚合像素特征提取的Transformer图像去雾算法。首先，提出双路径聚合像素特征提取模块，分别关注图像的细粒度和粗粒度特征，旨在提升雾霾环境下图像信息的提取能力;其次，基于特征粒度和注意力机制的特点，对双路径模块进行深度优化设计，聚合像素特征提取，以增强图像细节的恢复能力和通道特征的融合效果；最后，为了进一步综合利用不同尺度的信息，使网络更好地理解和表示输入数据，提出自适应特征融合模块，移除冗余的残差连接，有效提高了去雾模型的泛化能力，重建精细纹理细节。为了验证提出方法的有效性，在RESIDE-IN、RESIDE-OUT和RESIDE-6k三个公开数据集上与8种现有去雾算法进行了定性和定量对比，实验结果表明，所提模型在去雾效果、细节纹理特征恢复和泛化能力方面均表现出色，可适用于图像去雾领域。
信号分析与图像处理 | 基于双路特征图差分的无参考视频质量评价

信号分析与图像处理 | 基于双路特征图差分的无参考视频质量评价

摘要：针对现有无参考视频质量评价方法在特征提取阶段强调静态内容信息，容易丢失局部细节和忽视语义运动信息等问题，文中提出一种基于双路特征图差分的无参考视频质量评价方法，该方法分为特征提取阶段和时域质量聚合阶段。首先设计双路级联结构，提取全局与局部信息，其中语义路径利用ResNet50网络获取视频全局内容感知信息，细节路径采用多尺度卷积注意力网络同时获取不同尺度局部细节信息，缓解特征局部信息不足问题;其次构建时空特征图差分模块，捕获时域维度的语义运动信息，并利用时空融合模块进行特征增强；最后通过Transformer与视觉记忆的双重时间池化进行视频时域质量聚合。实验结果表明：该方法在LIVE-Qualcomm和LIVE-VQC数据集中相较于最优基线方法,PLCC分别提升 1.4% 和 1.6% ；在CVD2014数据集中PLCC提升 2% ,SROCC提升 2.4% ；在KoNViD-1k数据集中整体表现次优，与主观评价之间有更高的一致性和准确性。
信号分析与图像处理 | 基于改进SegFormer的超声影像分割方法研究

信号分析与图像处理 | 基于改进SegFormer的超声影像分割方法研究

摘要：针对SegFormer网络分层的Transformer编码器逐级递减图像分辨率，提取图像多尺度特征的特点，文中提出一种边缘提取模块(EEM),该模块能更好地注意到超声影像的边界信息。为了解决超声图像中出现的复杂边界问题，在SegFormer编码层和解码层之间加入空洞空间卷积金字塔池化(ASPP)模块，确保其在获取较大感受野的同时不会发生网格效应。结合EEM和ASPP模块的SegFormer能够在保持低级边缘细节特征的同时进一步提取抽象特征，使得超声影像分割的精度进一步提升。将EEM连接在SegFormer编码器之前，再和解码器进行特征融合之后，与ASPP模块的输出特征做拼接并预测分割掩码，在甲状腺结节超声影像、乳腺结节超声影像和白细胞数据集上取得了较好的效果。经实验验证，该模型的mIoU分别提高了 1.25%.2.2% 和 0.13% ，证明了改进方法的有效性。
信号分析与图像处理 | 基于特征描述和注意力机制的层理构造分类

信号分析与图像处理 | 基于特征描述和注意力机制的层理构造分类

摘要：对沉积岩层理构造图像的识别是石油地质勘探领域的关注重点，由于层理特征的复杂性和专业性，文中提出一种基于纹理特征描述和并行注意力机制的层理构造识别模型(LC-ResNeXt)。选择ResNeXt50作为主干网络，使用改进的LBP特征描述算子对RGB图像进行描述，凸显层理构造图像的纹理特征,将LBP图像输入特征提取网络,引入SoftPool改进网络的池化层，保留特征图中的关键信息，将改进的并行CBAM融入ResNeXt50网络,提升模型对层理关键特征的学习效果和融合能力。实验结果表明，相比RGB图像,LBP图像包含更丰富的纹理特征，与其他模型相比，LC-ResNeXt模型能够进一步提高沉积岩层理构造图像识别分类的准确率，对石油地质领域相关研究具有一定的帮助。
信号分析与图像处理 | 关键帧定位下人体异常动作多视角识别

信号分析与图像处理 | 关键帧定位下人体异常动作多视角识别

摘要：为高效筛选人体异常动作关键信息，实现人体异常动作多视角识别，文中提出关键帧定位下人体异常动作多视角识别方法。该方法首先构建了人体骨架序列的全局与分区空间模型，通过关节点三维坐标及相邻帧位置变化公式，精准描述人体动作的空间特征；然后依据人体运动特性，计算关节点的速度与加速度，设定阈值筛选异常关键帧，实现人体异常动作关键帧定位;最后将异常动作关键帧定位后的人体动作视频图像帧序列输入到嵌入三维残差网络的LSTM模型内，该模型利用三维残差网络捕捉人体异常动作多视角时空局部特征后，使用LSTM神经网络模型对人体异常动作多视角时空局部特征进行遗忘、筛选，并输出人体异常动作多视角识别结果。实验结果表明：该方法能够准确获取关节点空间变化信息，为多视角识别提供关键基础；可有效定位到人体动作视频图像序列内的异常动作关键帧，并在不同视角下有效识别人体异常动作，应用效果较为显著。
信号分析与图像处理 | FDD-YOLO多尺度特征融合航拍目标检测算法

信号分析与图像处理 | FDD-YOLO多尺度特征融合航拍目标检测算法

摘要：针对无人机航拍小目标检测任务中因多尺度和遮挡现象导致的漏检问题，文中提出一种改进的YOLOv8n检测算法FDD-YOLO。首先，在骨干网络中引入了感受野注意力卷积(RFCAConv)模块来提取深层特征，显著提升了特征提取的有效性和准确性;其次，在颈部设计了一种跨尺度加权特征融合模块(FBGM)，克服了因目标尺度悬殊致使小目标特征易丢失的难题，在精简网络结构的同时，显著提升了复杂场景下对小目标的精准检测能力;最后，引入了任务对齐动态检测头(TADDH)，解决了任务间缺乏有效交互的问题，减少了误检和漏检的情况。通过实验，验证了FDD-YOLO在VisDrone2019数据集上的性能表现，并与最初的YOLOv8n基线模型相比，参数量上升 2.7% 的同时，精确率 (P) 提高了 4.9% 、召回率 (R) 提升了 4.0%,mAPQ0.5 增加了 4.9%,mAP@0.5:0.95 提高了 3.3% ，取得了更好的效果，在无人机航拍目标检测领域更具优势。
信号分析与图像处理 | 基于改进RepVGG网络的图像畸变矫正算法研究

信号分析与图像处理 | 基于改进RepVGG网络的图像畸变矫正算法研究

摘要：当前的畸变矫正技术都是在有参照物的基础上进行的，比如直线、人脸等，应用范围有限。一些深度学习方法也只聚焦于单一的畸变矫正问题，其矫正效果不够好。为了有效解决生活中广泛存在的多种畸变问题，文中提出一种基于RepVGG网络架构的图像混合畸变矫正方法。该方法对于提取到的特征，分别采用预测模型和分类模型获取预测数据和畸变类型数据，通过这两组数据训练出畸变矫正模型，实现畸变图像的预测、分类以及矫正过程。网络还引入空间注意力机制来关注变形严重区域。同时，为了降低模型训练复杂度，引入线性缩放层代替 RepVGG 块中的非线性结构，使训练时可以合并块中的操作。再通过压缩块的方式将多分支结构转换为单个卷积层，既加速训练过程，同时又保持了多分支结构的表达优势。通过实验证明该模型在6种类型的畸变图像上都有出色的矫正能力。与现有算法相比，该算法的矫正率均可以达到98% 以上，模型训练速度提升了约1.53倍，该方法在图像畸变矫正领域具有一定的适用性。
信号分析与图像处理 | 基于改进SwinTransformer的遥感图像建筑物变化检测

信号分析与图像处理 | 基于改进SwinTransformer的遥感图像建筑物变化检测

摘要：针对遥感图像建筑物变化检测中变化对象和背景之间边界模糊、特征损失严重以及错检、漏检等问题，文中提出基于改进Swin Transformer的遥感图像建筑物变化检测方法。该方法在4个Swin Transformer block之后嵌入全局通道空间注意力(GCSA)模块，来捕捉通道与空间维度的依赖关系，降低在特征提取中的信息损失，从而对全局特征的利用更加充分,提升边界划分的检测能力。将方法在公开数据集LEVIR-CD和WHU-CD上进行训练和测试，与原Swin Transformer相比，新网络在两个数据集上的总体精度(Acc)分别提高了 0.51% 和 0.49% ，交并比(IoU)分别提高了 6.79% 和 6.40% ，有效提高了建筑物变化区域的识别精度。
信号分析与图像处理 | 实时视频监控中复杂背景人脸识别研究

信号分析与图像处理 | 实时视频监控中复杂背景人脸识别研究

摘要：为了提升实时视频监控中背景复杂、光照多变、遮挡和姿态变化等严峻环境下的人脸识别性能，文中提出一种基于自组织映射(SOM)的识别方法。首先，采用AdaBoost算法从复杂背景中精准定位人脸区域，减少背景干扰；其次，通过局部二值法(LBP)对人脸区域进行校正，消除姿态偏差;最后，利用SOM将高维LBP特征映射到低维空间，通过无监督学习实现快速、准确的人脸识别。实验结果表明，所提方法在正常光照、低光照、遮挡、姿态变化和复杂背景等场景下的误识率均显著低于对比方法，尤其在低光照和遮挡场景中，误识率分别降低至0.06和0.08，展现出更强的鲁棒性和适应性。所提方法有效解决了复杂背景下人脸识别的难题，为高校智能化管理提供了可靠的技术支持。
通信与信息工程 | 基于时序数据动态分析的舆情感知与演进监测技术

通信与信息工程 | 基于时序数据动态分析的舆情感知与演进监测技术

摘要：针对现有舆情监督方法在上下文语义理解、时序动态建模以及早期预警方面的不足，文中提出一种融合改进语言识别与时序推演的动态分析模型。在舆情感知方面，该模型设计提出了一种BERT-TextCNN混合情感识别算法，通过改进BERT深度捕捉全局上下文语义，并结合TextCNN提取局部关键情感特征，从而为精准感知奠定基础。对于时间序列的分析，设计构建了一种引入注意力机制的长短期记忆（At-LSTM)网络模型，用于对情感时序序列进行建模，该机制能够动态加权关键历史信息，从而精确捕捉舆情演变的拐点与趋势。实验结果表明，所提模型的情感分类准确率可达 94.9% ，显著优于传统基线模型。在时序预测任务中，对未来3步预测的均方根误差低至0.084，相较于ARIMA模型的性能提升明显，充分验证了所提技术方案在舆情感知敏感性、演进趋势预测准确性以及敏感信息早期预警方面的优越性与实用价值。
通信与信息工程 | 低时延层次编码结构的联合率失真优化

通信与信息工程 | 低时延层次编码结构的联合率失真优化

摘要：针对传统的RDO方法一般基于帧间编码单元相互独立的假设，未能充分挖掘帧间图像编码的相互依赖性，而低延迟(LD)编码配置架构中帧间依赖性紧密，通过考虑帧间依赖性可较大程度提升编码效率。基于LD帧架构，文中提出一种考虑帧间依赖的联合RDO框架。将拉格朗日乘数作为待优化参数之一，设计交替迭代优化量化参数(QP)和拉格朗日乘数的方法，以率失真代价为准绳寻找更优化的拉格朗日乘数与量化参数间的优化关系。同时，基于交替选代方法获得的结构，提出优化的拉格朗日乘数和QP模型。实验结果表明：在低延迟(LD)层次编码结构下，该算法通过2次迭代达到收敛，尽管编码时间有所增加，但节省了 3.49% 的码率；采用所提出的拉格朗日乘数和QP模型，实现了 2.46% 的码率节省，相比于原始编码器，编码时间有所节省，为实际应用中的视频压缩提供了一种有效方法。
通信与信息工程 | 基于先验位置信息辅助的毫米波车载信道估计研究

通信与信息工程 | 基于先验位置信息辅助的毫米波车载信道估计研究

摘要：针对毫米波车载通信中信道估计和波束成形面临的实时性和可靠性挑战，文中提出一种基于先验位置信息辅助的信道估计方法。采用数模混合结构的单用户毫米波大规模MIMO信道对不同时隙中的波束成形矢量和测量矢量进行信道估计；在车载接收端设计了两种波束搜索方法，通过将车载先验位置信息置换为先验角度信息，加快了波束成形速度，缩短了信道估计时间。仿真结果表明，与无先验位置信息相比，在具有先验位置信息辅助的情况下能够显著降低信道估计的时间，同时，结合等增益分布波束搜索方法，可进一步提高接收信噪比，有效提高了毫米波车载通信的实时性和鲁棒性。
通信与信息工程 | 融合深度学习框架的通信安全态势感知技术

通信与信息工程 | 融合深度学习框架的通信安全态势感知技术

摘要：针对当前通信网络安全态势感知技术方案存在的实时性差、准确率低、鲁棒性不足等问题，文中基于改进卷积神经网络与长短时记忆网络（CNN-LSTM)融合架构，设计了一种安全态势感知与预测方法。该方法首先建立了多维度信道参数实时采集体系来获取信噪比、误码率、响应延迟以及丢包率等关键指标，采用自适应特征提取机制进行预处理，以改进CNN提取空间特征并结合LSTM捕获时序依赖。同时，引入了注意力机制来优化特征权重分配，提出基于深度强化学习的动态阈值调整策略，有效提升了异常检测自适应能力，并通过分层级联的安全策略影响框架实现了从底层参数监测到顶层态势评估的全链路覆盖。在公开数据集和实际通信网络环境中进行的测试结果表明，所提方法的安全态势识别准确率达97.8% 误报率降至 0.83% 响应延迟缩短至 23.5ms ，综合性能相比于当前的主流方法有明显提升，且具有良好的鲁棒性，可实现对通信网络安全态势的高效、精准感知与快速响应。
网络与信息安全 | 基于离散小波变换和时空特征的无线网络链路及信号预测

网络与信息安全 | 基于离散小波变换和时空特征的无线网络链路及信号预测

摘要：针对当前研究对无线网络的链路和信号预测时空特征考虑不足的问题，文中将其建模为加权时序网络的链路预测任务,提出一种基于离散小波变换(DWT)和时空特征的无线网络链路预测方法(ET-GAN)。首先，运用离散小波变换将信号分解为低频与高频信号，并重构为趋势与细节子序列;然后，将趋势与细节子序列分别输入结合边特征的图注意力网络(EGAT)与堆叠时间卷积网络(TCN)组成的时空交织块，以捕捉节点间空间关系及多尺度时间依赖关系；接着，将两路输出合并，输入到多层感知机得到预测值；最后，通过生成对抗网络(GAN)框架对抗训练提升链路及信号的预测精度。实验结果显示，ET-GAN在MeshNet数据集上相比现有方法性能提升显著，MSE、 KL 和MR分别降低了 1.4%～38.3%.9.5%～62.9% 和7.8%～95.9% ，证明了所提模型应对动态不稳定无线网络时空数据的有效性。
网络与信息安全 | 基于运动-时空网络的视频异常事件检测方法

网络与信息安全 | 基于运动-时空网络的视频异常事件检测方法

摘要：针对现有视频异常检测中基于预测的方法将短序列作为输入，导致序列中部分异常运动被代入到预测的下一帧，削弱了对异常运动模式的检测，文中提出一种双分支结构，每个分支专注于视频的不同维度来增强检测的准确性。第一个分支通过增强空间注意力模块和时序移位注意力模块深度挖掘视频的空间和时间特征来预测未来帧;第二个分支基于对象的光流信息挖掘视频的运动特征。最终根据时空和运动特征综合评估，以此来确定每一帧的异常情况。使用3个标准的基准数据集进行系统评估，在UCSDPed2、CUHKAvenue和ShanghaiTech上，AUC达到 99.5%.89.9% 和 78.6% ，说明该算法在监控视频检测中具有较好的效果。
网络与信息安全 | 基于改进SM4和Elgamal的民航数据链混合加密算法研究

网络与信息安全 | 基于改进SM4和Elgamal的民航数据链混合加密算法研究

摘要：针对民用飞机数据链通信中单一模式的加密算法难以满足安全需求，普遍存在频率分析攻击和加密模型处理能力下降等问题，文中提出一种基于ECB-CBC混合加密模式的SM4加密算法(AT-HCSL）。该算法结合ECB和CBC模式，以增强通信数据的隐藏性和安全性，并将其与Elgamal算法相结合，利用Elgamal的同态特性进一步提高安全性并减少计算开销。实验结果证明，改进后的算法扩散性提高了 175%～181.9% ，混淆性提高了 94%～110% ，混合加密算法在开销时间上减少了 7.59% 。结果表明，文中提出的混合加密算法显著提升了民航数据链的安全性和处理效率，可有效进行加密数据链通信，保障空地通信的安全。
网络与信息安全 | 基于深度学习算法的网络传输数据智能检测研究

网络与信息安全 | 基于深度学习算法的网络传输数据智能检测研究

摘要：在大规模、高复杂度的网络环境下，数据传输受到噪声、多径效应等因素干扰，导致网络传输数据质量下降，从而降低检测性能。对此，文中提出基于深度学习算法的网络传输数据智能检测方法。首先，基于高斯噪声、掩码及Dropout构造网络传输数据视图，以增强网络传输数据;然后，将增强后的网络传输数据输入至深度变分自编码器，对网络传输数据实施编码与解码转换，以降低高复杂度网络传输数据维度;最后，设置网络传输数据降维结果作为长短期记忆网络的输入，通过学习网络传输数据时间序列的相关性，智能检测网络传输数据。实验结果表明，该方法能够精准检测网络传输数据中的乱序数据、缺失数据、攻击数据等异常网络传输数据。
网络与信息安全 | 链路失衡下机房网络流量异常监测

网络与信息安全 | 链路失衡下机房网络流量异常监测

摘要：为解决链路失衡状态下对流量监测造成的干扰，文中提出一种链路失衡下机房网络流量异常监测方法。通过分析确定通常状态下的链路失衡是由噪声干扰导致的，为了防止噪声干扰，使用提升小波变换算法，通过分解、预测、更新和重构四步将信号高频和低频分离，实现网络信号降噪。对降噪后的网络流量通过矢量量化和主题模型的流量方法将网络流量矢量化排序，并使用吉布斯重演计算网络流量的主题分布概率，实现特征提取,对提取到的网络流量特征计算马氏距离，将马氏距离倒数作为阈值判断是否为异常流量。实验结果表明：提升小波变换降噪后的网络流量分布明显变得比较稀疏，数据线条清晰，且该方法进行流量监测与真实流量数据更为贴合，能够更准确地监测流量是否异常，在不同攻击导致链路失衡状态下的异常流量均可以被检测到，用于提醒运维人员。
测控与自动化技术 | 一种多尺度融合与门控跨层连接的工业异常检测方法研究

测控与自动化技术 | 一种多尺度融合与门控跨层连接的工业异常检测方法研究

摘要：针对工业控制系统多变量时序异常检测中面临的标注稀缺、维度复杂和硬件受限等挑战，文中提出一种自适应轻量化的异常检测模型（MAGiC-AD)。模型设计动态局部特征蒸馏和多尺度全局感知的协同机制，采用通道注意力增强的深度可分离卷积层自适应捕获传感器数据的短时依赖特征，通过并行化的膨胀卷积金字塔结构融合多粒度时序模式，识别跨设备的长程关联异常。引入动态反馈回路架构，通过门控式跨层连接将初级特征与解码器输出进行非线性耦合,从而实现对时空动态信息的递归式提纯与更新。通过参数共享机制，将Transformer编码器压缩为单层，结合双向特征蒸馏策略来增强异常敏感度。实验结果表明，MAGiC-AD在三个公开的工控系统数据集上的性能优于现有大多数基准方法，在SMD数据集上的 F₁ 指标达到0.9981，尤其在 20% 训练数据的稀缺场景下，模型在维度最高123维的WADI数据集上依然取得了所有对比方法中最高的 F₁^* 分数。所提方法为工业物理信息控制系统提供了一种自适应、易于部署的实时数据安全保障解决方案。
测控与自动化技术 | 改进VGG-16的轻量级手势识别研究

测控与自动化技术 | 改进VGG-16的轻量级手势识别研究

摘要：针对基于射频识别(RFID)的手势识别精度不高以及不够轻量化等问题，文中提出一种手势识别的改进方法。该模型基于VGG-16网络模型，在对其轻量化改进的同时加入CBAM，旨在提高模型的识别精度和实时性。首先，该方法通过马尔可夫转移场将一维相位信号转化为二维特征图像，将特征图像作为改进VGG-16模型的输入，进而将手势识别技术与深度学习模型融合以提高识别的精确率;其次，通过对VGG-16网络模型的改进大大降低模型的参数和计算复杂度，进而提高模型识别手势的实时性;最后，将改进的CBAM加入VGG-16网络模型中，通过自适应地强调与手势特征有关的重要区域并抑制无关信息，增强模型对重要手势特征的关注，使识别过程更加精确可靠。该方法与传统VGG-16模型相比，模型参数量仅为原模型的 2.3% ,GFLOPs减少约 92% ，同时准确率（ Acc) 提高 2.75% 。实验结果表明，该方法能够提升系统在复杂背景下的识别性能，有效提高手势识别的精确性和实时性。
测控与自动化技术 | 基于多模态数据融合分析的情感感知与分类算法设计

测控与自动化技术 | 基于多模态数据融合分析的情感感知与分类算法设计

摘要：针对多模态数据融合分析场景中的智能化情感感知问题，文中提出一种深度多模态的融合分析算法，通过集成多种模态信息源的互补性，提升了情感感知与分类的精准度。该算法的框架设计采用三阶段融合策略，利用Bi-LSTM-Transformer捕捉文本时序依赖，并设计了多模态门控自注意力机制，实现模态间情感信息特征的自适应加权。在加权结果上构建了门控分类机制，在模态独立层与融合层分别进行情感预测。基于多模态融合的情感识别架构，在一定程度上缓解了多模态数据难以融合的问题，而自适应门控策略则有效提升了平衡模态特异性表达与全局一致的稳定性。在CMU-MOSI及其拓展数据集上进行的算法训练和测试结果表明，所提算法的综合性能良好，在二分类任务中，其准确率可达 93.14% ，较目前的先进方法(TCMCL)提升了 6.44% ，在七分类场景下的准确率也可达 59.26% ，显著提升了情感分类的准确性与鲁棒性。
测控与自动化技术 | 考虑光流匹配的人机交互动态手势识别方法

测控与自动化技术 | 考虑光流匹配的人机交互动态手势识别方法

摘要：为增强对真实交互场景的适应性，解决人机交互过程中手势速度变化、部分遮挡等带来的识别难题，文中提出考虑光流匹配的人机交互动态手势识别方法。该方法利用Gaussian金字塔多分辨率结构改进的光流算法追踪手势运动轨迹，生成手势轨迹光流特征序列，并利用动态时间规整(DTW)算法使其与手势光流模型序列在时间轴上对齐，通过计算失真度并与设定阈值比较，实现动态手势识别。实验结果表明：该方法可实现不同动态手势的准确识别， F₁ score、FPS指标分别为 0.91,40.8f/s ，综合性能优于对比方法，为数字艺术创作与体验提供了一种优质交互方案。
电子技术与应用 | 基于压电可程控滤波放大电路的线阵列流量测量

电子技术与应用 | 基于压电可程控滤波放大电路的线阵列流量测量

摘要：为了更好地实现线阵列流量测量，采用均匀线阵列压电传感器测量管道流量信号，通过分析介质湍流漩涡的频率滤波和幅值放大要求，文中提出一种使用数字电位器和模拟开关调节电阻、电容值，以实现动态调理的可程控滤波放大电路。首先，介绍了T型电阻反馈网络电荷转换电路的优点；其次，阐述了Salln-key二阶低通滤波电路的调节过程；同时，说明了CR一阶高通滤波电路的滤波放大调整过程；然后，应用Multisim软件进行仿真，证明了电路设计的正确性；最后，水流量标准装置的比较实验验证了使用可程控滤波放大电路实现流量测量的可行性，说明该系统在压电传感器流量测量领域具有一定的适用性。
电子技术与应用 | 基于数字李生的机械设备运行异常数据识别方法

电子技术与应用 | 基于数字李生的机械设备运行异常数据识别方法

摘要：针对传统方法在进行异常数据识别过程中耗时长、效率低的问题，文中提出一种基于数字孪生的机械设备运行异常数据识别方法，旨在构建一个高效、智能的异常识别体系，为机械设备的安全运维与智能化管理提供坚实的技术支撑。该方法运用AutoCAD软件建立机械设备三维模型后，利用由几何、行为和物理过程三个部分信息组成的数字孪生拟态模型,对机械设备三维模型进行虚实映射处理,得到机械设备数字孪生模型，该模型与物理实体同步运行获取物理实体机械设备实时运行数据，将该数据输入到对抗双编码器网络内，通过对抗双编码器选代，输出机械设备运行异常数据识别结果。实验结果表明：该方法具备较强的机械设备数字孪生模型构建能力和虚实映射能力，可有效获取机械设备运行过程中的温度数据，且识别机械设备运行异常数据KL散射数值较高，识别结果较为准确。
电子技术与应用 | 基于Transformer与SNN的WGAN-GP癫痫脑电数据增强方法

电子技术与应用 | 基于Transformer与SNN的WGAN-GP癫痫脑电数据增强方法

摘要：针对癫痫发作检测中的高质量EEG样本不足导致模型性能受限的问题，文中提出一种融合Transformer、脉冲神经网络(SNN)和带梯度惩罚GAN（WGAN-GP)的癫痫EEG数据增强方法。生成器利用Tansformer建模EEG信号的长程依赖，融合SNN模拟神经元脉冲机制，提高生成数据的生物合理性。判别器采用基于卷积神经网络与Transformer的结构增强对生成数据与真实数据差异的辨别能力，并通过WGAN-GP提高模型训练的稳定性。在CHB-MIT和Kagle两个数据集上进行数据增强实验，并利用多种分类模型验证了真实、生成和混合数据集的可分类性。结果表明，生成的EEG数据具有较高的真实性和多样性，将其与真实数据融合训练可显著提升癫痫发作检测性能，其中LSTM模型在CHB-MIT数据集上的准确率由 91.52% 提升至 96.21% ，在Kaggle数据集上由 95.13% 提升至 97.70% 。综上所述，该方法可有效缓解癫痫EEG数据不足问题，具有良好的应用前景。
电子技术与应用 | 自然语言处理技术下文本信息语义抽取方法

电子技术与应用 | 自然语言处理技术下文本信息语义抽取方法

摘要：在多任务变换和扩充下，对文本信息理解和分析能力要求较高，存在复杂文本结构可扩展性差、标注数据稀缺的问题，对此，文中提出自然语言处理技术下文本信息语义抽取方法。对原始文本进行严格的清洗与净化、实体位置定位、实体邻近词截取、序列长度标准化、Token(分词)化以及特殊标记添加等预处理后，利用BERT模型的多层双向Transformer结构映射为语义词向量序列，有效提取和表示文本中的语义信息和实体关系，扩展复杂文本结构。采用BiGRU(双向门控循环单元)模型对BERT输出的向量序列进行处理后，引入多头注意力机制，并行计算多个注意力权重集合，捕捉句子内部词与词之间的复杂依赖关系，通过Softmax分类器对多头注意力机制的输出进行分类，反复标注实体之间的关系类型，实现下文本信息的语义抽取。实现结果表明：经文中方法处理后的文本数据质量显著提升，对于文本信息的语义抽取 F₁ 高达0.99；且更细致地刻画了输入与输出之间的多种相关性，从而有效捕捉句子内部词与词之间的复杂依赖关系，文本信息语义抽取效果较优。
智能交通与导航 | 基于MC-MIP的交通信号灯配时研究

智能交通与导航 | 基于MC-MIP的交通信号灯配时研究

摘要：现有交通信号配时方法在处理合用车道和大量右转车辆的场景时存在合用车道利用率低、信号灯路口通行效率低下等不足，也限制了其在其他实际复杂交通环境中的应用。因此，文中基于城市交通的特有属性及车辆在交通信号灯路口进行变道时所涉及的多重因素，提出一种交通信号灯配时混合整数规划模型(MIP)。该模型以最小化均匀相位延误与随机平均延误之和为目标，综合考虑了直行、左转和右转车辆在合用车道的行驶特性，特别关注了右转车辆在红灯期间持续行驶的现象以及直行车辆如何有效利用这一共享车道的情况。在此基础上，还引入了蒙特卡洛(MC)法模拟车流量的随机性,以求解实际车流分布下的信号灯配时问题。通过Gurobi求解器获得最优的信号灯配时方案，再利用Visim仿真验证了最优方案的正确性和高效性。实验结果表明：与现有的信号灯配时方法相比，所提方法不仅能够适应车流量稳定的环境，还能够有效应对车流量随机波动的复杂场景。其中，在车流量稳定的情况下，总平均延误降低了 24.09% ，总平均停车次数降低了 2.58% 。同时，针对实际交通中普遍存在的车流量随机波动场景，文中方法仍展现出良好的适配性，可精准求解最优信号灯周期。上述多场景实验结果为城市交通管理策略的优化提供了有力支撑。

过往期刊

更多

猜你喜欢

沧州师范学院图书馆电子阅览室