Please wait a minute...

当期目录

2023年 第36卷 第7期 刊出日期:2023-07-15
  
    基于LDL算法的大规模矩阵求逆加速器设计及其FPGA实现
    余浩然,肖昊
    2023, 36(7):  1-7.  doi:10.16180/j.cnki.issn1007-7820.2023.07.001
    摘要 ( 431 )   HTML ( 496 )   PDF (1252KB) ( 285 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    矩阵求逆是工程计算中的基本问题,在大规模MIMO系统、阵列信号处理以及图像信号处理等应用中,大规模矩阵求逆的处理速度对系统性能至关重要,但传统矩阵求逆方法运算复杂度高、并行性低且消耗大量存储空间,不利于硬件加速。针对大规模矩阵求逆硬件加速问题,文中研究了基于LDL分解的矩阵求逆算法,并提出了一种基于该算法的大规模矩阵求逆加速架构。利用LDL分解后三角矩阵对角线元素全为1的特点,对矩阵进行分块迭代设计,减少了求逆运算的计算量,提高了计算速度。文中基于Xilinx Virtex7 FPGA设计实现了该加速器,实验结果表明,在128阶矩阵下,吞吐量达105.2 Inv·s-1,最高时钟频率达200 MHz。与现有矩阵求逆加速方案相比,该设计占用的硬件资源更少,且具有更高的性能。

    基于图像处理的轨旁组合信号灯识别方法
    郭齐成,沈拓,张轩雄
    2023, 36(7):  8-15.  doi:10.16180/j.cnki.issn1007-7820.2023.07.002
    摘要 ( 89 )   HTML ( 7 )   PDF (5287KB) ( 41 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    对列车轨旁信号灯进行准确辨识是保障列车安全运行的重要措施。然而,对于轨道系统而言,除了通常的单色信号灯外,还有组合(两种颜色)信号灯的指示方式。针对轨旁组合信号灯的识别问题,文中提出了一种基于图像处理技术对位于列车前方150 m内的轨旁组合信号灯的识别方法。根据组合信号灯的颜色和形状特征,采用颜色分割、形态学处理、霍夫变换等手段提取组合信号灯的候选区域。同时利用组合信号灯位于当前轨道右侧的位置特征以及组合信号灯之间圆心距的距离特征,定位其位置并识别组合灯颜色。实验结果表明,该方法能准确定位和识别轨旁组合信号灯,对绿与黄、两绿和两黄这3种组合灯的识别率分别为94.14%、96.21%、86.67%。

    基于SOGI的MMC环流抑制策略研究
    韦圣辉,郝正航,陈卓
    2023, 36(7):  16-23.  doi:10.16180/j.cnki.issn1007-7820.2023.07.003
    摘要 ( 88 )   HTML ( 5 )   PDF (1012KB) ( 25 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    MMC(Modular Multilevel Converter)具有高度对称的子模块级联结构,输出波形质量好,被广泛应用于高压直流输电等场合。MMC环流的存在会加剧桥臂损耗,使桥臂电流发生畸变,产生高次谐波分量,严重破坏电能质量。针对该问题,文中采用基于SOGI和直流积分器相互配合的多谐波滤波器提取环流的交流成分的方法,通过3个准PR(Proportional Resonant)控制器并联组成的新环流抑制器对环流进行抑制。在MATLAB/Simulink中搭建了11电平的MMC逆变仿真模型进行仿真实验,结果表明文中所提控制策略能够有效地完成对系统的控制。与传统环流抑制方法对比,文中所提方法的环流抑制效果更加明显,电容电压波动范围降低大约60%,证明了文中所提控制环流控制策略的正确性和有效性。

    基于遗传算法的平面麦克风阵列构型优化方法
    张大桂,周志峰,张怡
    2023, 36(7):  24-31.  doi:10.16180/j.cnki.issn1007-7820.2023.07.004
    摘要 ( 106 )   HTML ( 10 )   PDF (1993KB) ( 36 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    在有限平面范围内使用较少的麦克风数量设计阵列构型,使得阵列具有更好的性能是声源定位系统中需解决的首要问题。文中提出了一种基于遗传算法的阵列优化方法,该方法以阵列波束方向图的主瓣宽度和旁瓣级为基础,兼顾麦克风的数量设计了遗传算法的适应度目标函数,通过改进遗传算法,使其在麦克风阵列优化的应用中得到实现。仿真结果表明,与传统的十字形和矩形平面均匀阵列相比,优化后的阵列构型在保证阵列性能的同时,可以减少麦克风的使用数量。相比于粒子群优化算法,改进遗传算法优化后的阵列具有更优异的性能。

    基于多尺度梯度的轻量级生成对抗网络
    孙红,赵迎志
    2023, 36(7):  32-38.  doi:10.16180/j.cnki.issn1007-7820.2023.07.005
    摘要 ( 95 )   HTML ( 3 )   PDF (1562KB) ( 43 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    随着生成对抗网络研究的推进,网络模型的计算量急剧增加,其自身的训练不稳定问题依然存在,生成图像的质量也有待提升。为解决以上问题,文中提出一种轻量级生成对抗网络模型,引入多尺度梯度结构解决训练不稳定的问题。通过融合自注意力机制和动态卷积的思想,利用循环模块和图像增强模块,在保持较少参数的前提下提高模型的学习能力。对文中所提算法进行验证,实验结果表明该算法在CelebA数据集上的IS(Inception Score)值为2.75,FID(Fréchet Inception Distance)值为70.1,在LSUN数据集上的IS值为2.61, FID值为73.2,相比SAGANDCGAN等经典模型性有所提高,验证了该算法可行性和性能。

    基于队形变化的多无人机航迹规划算法
    王杨斌,章伟,胡陟
    2023, 36(7):  39-48.  doi:10.16180/j.cnki.issn1007-7820.2023.07.006
    摘要 ( 89 )   HTML ( 2 )   PDF (4822KB) ( 23 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    针对多无人机在复杂环境下的航迹规划问题,文中提出基于队形变化的多无人机航迹规划算法。利用领航-跟随的无人机拓扑结构,设计了一种以时间与航程作为衡量指标的代价函数,求解出最优的编队集结点。采用改进的Informed-RRT*算法求解出领航者的渐近最优航迹,结合队形变化策略实现了跟随者的航迹规划与避障。在定义队形变化量、路径长度比、航向稳定性性能指标的基础上,文中进行了仿真实验并对生成航迹进行评价与对比。仿真结果表明,无人机编队实现了在复杂环境下航迹规划与避障,同时为跟随者规划出最优航迹,与领航者最优航迹长度相差不到1%,验证了该算法的实用性与有效性。

    基于迁移BN-CNN框架的小样本工业过程故障诊断
    欧敬逸,田颖,向鑫,宋启哲
    2023, 36(7):  49-55.  doi:10.16180/j.cnki.issn1007-7820.2023.07.007
    摘要 ( 130 )   HTML ( 7 )   PDF (912KB) ( 37 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    针对工业故障诊断过程中训练样本不足导致的诊断性能低下问题,文中以迁移学习和深度学习方法为基础,提出一种迁移BN-CNN(Batch Normalization-Convolutional Neural Network)框架。为了减少网络对初始化方法的依赖,在卷积神经网络中引入批归一化层,对网络的隐藏层进行归一化处理。针对目标域标签数据不充足问题,通过基于样本的迁移学习方法扩充目标域的标记数据量,引入基于模型的迁移学习方法,通过充足的源域数据预训练BN-CNN网络,并利用数据量扩充后的目标域微调该网络部分参数,降低了少量样本训练深度神经网络的难度,得到了更适合目标域的故障诊断模型。采用TE工业数据集对该方法进行对比验证,实验结果表明,文中所提方法对于小样本工业过程故障具有较好的诊断性能,其平均精度值为0.804。

    动态感受野特征选择去雾网络
    查俊伟,张洪艳
    2023, 36(7):  56-63.  doi:10.16180/j.cnki.issn1007-7820.2023.07.008
    摘要 ( 72 )   HTML ( 1 )   PDF (2512KB) ( 30 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    基于深度学习的去雾模型大多在网络参数固定后,感受野也就随之固定。这导致去雾网络无法针对每个具体的场景采用最优的模式进行去雾,从而造成结果中存在模糊和失真。针对这些问题,文中提出动态感受野特征选择去雾网络。该网络以带有空洞卷积的特征注意力空洞模块为基础组件,并行使用多个空洞率不同的特征注意力空洞模块来提取多尺度特征,并进行动态特征融合,构成动态感受野模块。文中将多个动态感受野模块搭配残差连接组成深度网络,对不同层次的特征进行动态混合,最终解码得到去雾图像。实验结果表明,文中所提算法对室内和室外的合成雾图以及真实含雾图像均具有良好的去雾效果,可以生成清晰、自然的去雾图像。

    车载超短波电台电波传播预测模型研究
    李敏,张光硕,徐至江,谢红星,路宏敏
    2023, 36(7):  64-69.  doi:10.16180/j.cnki.issn1007-7820.2023.07.009
    摘要 ( 142 )   HTML ( 6 )   PDF (1434KB) ( 29 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    针对实战环境中车载超短波电台通信距离和质量受地面附着物和地形地貌影响的问题,文中基于射线追踪和机器学习,建立了车载超短波电台电波传播预测模型。采用装甲车辆与车载天线的一体化建模获得车载天线辐射方向图,融合电子地图,建立了基于射线追踪技术的电波传播仿真模型。利用随机森林机器学习算法和仿真模型的数据结果,建立了基于随机森林的电波传播预测模型,并与经典电波传播模型如Egli模型和Okumura-Hata模型进行对比。结果显示,基于随机森林的电波传播模型预测精度更高,均方根误差达到2.190 1 dB,决定系数达到0.960 1,可准确预测战术通信环境中的电波传播情况。

    基于多尺度语义信息增强的农田地块提取网络
    曾薪鑫,张洪艳
    2023, 36(7):  70-74.  doi:10.16180/j.cnki.issn1007-7820.2023.07.010
    摘要 ( 121 )   HTML ( 6 )   PDF (2273KB) ( 45 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    针对因农田类间异质性高、相邻地块之间间隔小而出现的相邻地块黏连、地块提取不完整等问题,文中提出了一种基于多尺度语义信息增强的农田地块提取网络。采用并行的多尺度特征提取模块,通过保持特征图的高分辨率保留高精度的边缘信息,降低由下采样带来的细节损耗,缓解地块之间的黏连。使用基于注意力机制的全局语义信息增强模块,通过获取全局语义信息增强网络的类别判断能力减少地块提取不完整的现象。实验结果表明,在IoU、OA、F1-score评价指标上,文中方法比现有研究中具有代表性的4种算法提高了1%~13%。

    基于自适应 t分布与随机游走的麻雀搜索算法
    聂方鑫,王宇嘉
    2023, 36(7):  75-80.  doi:10.16180/j.cnki.issn1007-7820.2023.07.011
    摘要 ( 90 )   HTML ( 3 )   PDF (699KB) ( 26 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    针对麻雀搜索算法在解决复杂问题时存在的收敛精度降低以及陷入局部最优等问题,文中提出了一种基于自适应t分布与随机游走的麻雀搜索算法。该算法在初始化过程中使用反向学习来生成反向解,从中选择优秀的个体组成初始化种群。在原始麻雀搜索算法上采用自适应t分布策略和高斯随机游走策略可以提高麻雀个体的寻优能力,同时防止算法早熟。仿真结果表明,相较于对比算法,文中所提算法的收敛精度和收敛速度都有所提升。

    车辆电驱动系统电磁干扰源建模及仿真
    任永达,徐强,谢红星,张嘉海,路宏敏
    2023, 36(7):  81-86.  doi:10.16180/j.cnki.issn1007-7820.2023.07.012
    摘要 ( 85 )   HTML ( 5 )   PDF (1422KB) ( 27 )  
    数据和表 | 参考文献 | 相关文章 | 多维度评价

    针对电驱动系统引起的车辆电磁干扰问题,文中采用分模块的精确建模方式构建了电驱动系统电磁干扰(Electromagnetic Interference, EMI)预测模型。该模型由电机高频等效电路模型和逆变器模型两部分构成。基于矢量匹配法对电机阻抗幅频特性曲线进行拟合,建立了电机高频等效电路模型。在逆变器模型中考虑了绝缘栅极双晶体管(Insulated Gate Bipolar Transistor,IGBT)与散热片间的寄生参数对系统电磁干扰的影响。利用所构建EMI模型对车辆电驱动系统共模干扰电压进行了预测,结果表明在0.1~100 MHz范围内,仿真与实测结果误差不超过10 dB

月刊,1987年9月创刊
主管单位:中华人民共和国教育部
主办单位:西安电子科技大学
主  编:廖桂生
副  主  编:万连城
责任编辑:黑 蕾
编辑出版:电子科技编辑部
发行范围:国内外公开发行
国内发行:中国邮政集团陕西省报刊发行局(52-246)
国外发行:中国国际图书贸易集团有限公司(M8969)
通信地址:西安市太白南路2号375信箱
邮政编码:710071
电话/传真:029-88202440
网  址:http://journal.xidian.edu.cn/dzkj
电子邮箱:dzkj@mail.xidian.edu.cn
国际刊号:ISSN 1007-7820
国内刊号:CN 61-1291/TN