摘要:针对现存深度模型修复壁画时，未兼顾像素级特征与语义级特征，而导致纹理精细度欠缺、结构扭曲等问题，提出一种联合核预测和特征推理的渐进式壁画修复算法.首先，设计区域渐进模块，通过部分卷积实现壁画特征渐进式映射.然后，提出双分支修复模块，其中核预测卷积分支实现破损区域的像素级修复；而语义特征推理分支中引入门控可变形卷积，并结合语义一致性注意力机制实现特征推理，完成破损壁画的语义级修复.最后，将双分支修复结果融合输出，最大限度地减少重构误差，提升修复精度.通过对敦煌壁画进行数字化修复实验，结果表明所提方法修复后的壁画具备较好的结构纹理特征，在评价指标上优于比较算法.

摘要:针对卷积神经网络去雾算法中模型复杂度高、特征提取性能差等问题，本文提出了一种基于双支特征联合映射的端到端图像去雾算法.首先对大气散射模型进行变形转换，分离出模型中的双支特征；然后根据双支特点设计了两个特征提取网络MPFEM和SPFEM，分别使用两种注意力机制对其输出特征进行加权；最后将提取到的双支特征输入复原模块恢复清晰图像，并对其进行色彩增强得到最终复原效果.在模型训练过程中为避免使用单一损失函数导致纹理细节丢失等问题，采用多尺度结构相似度和平均绝对误差加权作为损失函数.实验表明，本文所提算法网络结构简单，去雾效果明显，复原图像色彩亮度保真，边缘保持性强.

摘要:为了解决生成对抗网络（Generative Adversarial Network，GAN）在生成探地雷达（Ground Penetrating Radar，GPR）图像时存在训练不稳定的问题，提出利用带有梯度惩罚的Wasserstein距离生成对抗网络（WGAN-GP）生成GPR图像，并结合时域有限差分法和实地采集图像提出了一种构建GPR图像数据集的方法.相较于原始GAN与Wasserstein GAN等方法，WGAN-GP具有更好的稳定性，而且生成的GPR图像更接近真实图像.在此基础之上，将密集残差块和U-Net相结合提出了一种适合于GPR图像的密集残差去噪U-Net方法.该方法利用U-Net中编码-解码结构提高了GPR图像的去噪性能；同时，密集残差块的引入加强了GPR图像的特征复用，且使U-Net训练更加稳定.最后，利用仿真实验验证了所提去噪方法的性能，并与三维块匹配（BM3D）和U-Net方法进行了对比.结果表明：所提方法与BM3D以及U-Net去噪方法相比，具有更好的去噪效果.当σ等于20时，在模拟和实测数据上取平均值，其峰值信噪比分别提升了约6.5 dB和2.4 dB；结构相似性分别提升了约0.09和0.04.

摘要:针对自动驾驶场景下车载鱼眼相机采集到的图像存在畸变严重、场景复杂、尺度变化剧烈、小目标多以及传统的目标检测模型的检测精度不高的问题，提出了一种基于YOLOv5s改进的鱼眼图像检测模型YOLOv5s-R.首先，为解决小目标难识别的问题，提出随机裁剪多尺度训练的数据增强方法，该方法优于消融实验所得的最优数据增强方法.其次，为了提高模型的检测精度，在网络头部添加置换注意力机制与轻量化解耦头，增强模型对特征的提取能力与识别能力，并抑制噪声干扰.最后，模型额外增加角度预测项，实现旋转框目标检测.通过构建环形标签并用高斯函数对标签平滑，解决了旋转框角度的周期性问题；又对损失函数进行了优化，提出了RIOU，在CIOU的基础上增加角度惩罚项，提高了回归精度并加快了模型的收敛.实验结果表明，提出的YOLOv5s-R模型在WoodScape数据集上取得良好的检测效果，相比于原始的YOLOv5s模型，mAP@0.5、mAP@0.5∶0.95分别提升了6.8%、5.6%，达到82.6%、49.5%.

摘要:由于息肉图像的自动分割病灶区域大小不一和边界模糊，从而导致分割精度较低.针对这两个问题，本文提出先定位后逐步精细的渐进式消减网络（Progressive Reduction Network，PRNet）.该网络采用Res2Net提取病灶区域特征，利用多尺度跨级融合模块将注意融合机制与跨级特征结合，有效应对病灶区域多尺度问题，提升定位准确度.在自上而下恢复图像分辨率的过程中，引入不确定区域处理模块和多尺度上下文感知模块.前者通过设定递减的阈值逐步挖掘息肉边缘信息，增强边缘细节特征的识别能力；后者则进一步探索病灶区域周围潜在的上下文语义，提升模型的整体表征能力.此外，本算法还设计了一个简单的特征过滤模块，用于筛选编码器特征中的有效信息.在Kvasir-SEG、CVC-Clinic和ETIS数据集上的实验结果表明，所提算法的Dice系数分别达到了92.09%、93.05%和74.19%，优于现有的息肉分割算法，展示出了较好的鲁棒性和泛化性.

摘要:及时且准确捕获井壁出现的微小裂缝，对于井筒安全意义重大.轻量化检测模型是推动井壁裂缝自动检测的关键，打破现有方法聚焦于提取深层语义信息的局限，重视浅层特征表征的几何结构信息的应用，针对井壁裂缝提出轻量化检测模型E-YOLOv5s.首先融合普通卷积、深度可分离卷积和ECA注意力机制设计轻量化卷积模块ECAConv，再引入跳跃链接构建特征综合提取单元E-C3，得到骨干网络ECSP-Darknet53，它负责显著降低网络参数，同时增强对裂缝深层特征的提取能力.然后设计特征融合模块ECACSP，利用多组ECAConv和ECACSP模块组建细颈部特征融合模块E-Neck，旨在充分融合裂缝小目标的几何信息和表征裂缝开裂程度的语义信息，同时加快网络推理速度.实验表明，E-YOLOv5s在自制井壁数据集上的检测精度相较YOLOv5s提升了4.0%，同时模型参数量和GFLOPs分别降低了44.9%、43.7%.E-YOLOv5s有助于推动井壁裂缝自动检测的应用.

摘要:为解决目前现有的图像分割算法存在检测精度低、对裂缝检测缺乏针对性等问题，采用多尺度特征融合方法，提出一种扩展LG Block模块Extend-LG Block，其由多个并行不同膨胀率的空洞卷积组成.通过参数可调节分支数量和空洞卷积膨胀率，从而改变其感受野大小，进而提取和融合不同尺度的裂缝特征.对比在深层使用多尺度特征融合模块的网络以及使用固定尺度结构进行多尺度特征融合的网络的优劣，提出一种变尺度结构的UNet模型VS-UNet，使用多个不同参数的Extend-LG Block替换UNet网络中的基本卷积块.该结构在网络浅层进行多尺度特征融合，多尺度特征融合模块提取的尺度随网络层加深逐渐减少.此结构在加强图像的细节特征提取能力的同时保持原有的抽象特征提取能力，还可避免网络参数的增加.在DeepCrack数据集以及CFD数据集上进行实验验证，结果表明，相较于其他两种结构和方法，提出的变尺度结构的网络在有更高检测精度的同时，在可视化实验对比上对各种大小的裂缝有更好的分割效果.最后与其他图像分割算法进行对比，各项指标与UNet相比均有一定程度提升，证明了网络改进的有效性.研究结果可为进一步提升道路裂缝检测效果提供参考.

摘要:为解决已有基于深度强化学习的边缘计算任务调度面临的动作空间探索度固定不变、样本效率低、内存需求量大、稳定性差等问题，更好地在计算资源相对有限的边缘计算系统中进行有效的任务调度，在改进深度强化学习模型D3DQN（Dueling Double DQN）的基础上，提出了自适应边缘计算任务调度方法D3DQN-CAA.在任务卸载决策时，将任务与处理器的对应关系看作一个多维背包问题，根据当前调度任务与计算节点的状态信息，为任务选择与其匹配度最高的计算节点进行任务处理；为提高评估网络的参数更新效率，降低过估计的影响，提出一种综合性Q值计算方法；为进一步加快神经网络的收敛速度，提出了一种自适应动作空间动态探索度调整策略；为减少系统所需的存储资源，提高样本效率，提出一种自适应轻量优先级回放机制.实验结果表明，和多种基准算法相比，D3DQN-CAA方法能够有效地降低深度强化学习网络的训练步数，能充分利用边缘计算资源提升任务处理的实时性，降低系统能耗.

摘要:针对无人机（Unmanned Aerial Vehicle，UAV）辅助非正交多址（Non-Orthogonal Multiple Access，NOMA）下行通信系统，提出了最大化和速率的用户动态分簇与功率分配方案.考虑用户服务质量与UAV位置约束，建立了和速率最大化的优化问题.由于目标函数的非凸性，将原问题解耦为三个子问题，分别优化UAV位置部署与用户连接、用户动态分簇、功率分配以提高系统性能.首先，基于K-means算法设计了UAV位置部署与用户连接方案，以减小路损为目的确定UAV最佳部署位置，同时选择其服务的最优用户群；其次，改进多密度流聚类（Multi-Density Stream Clustering， MDSC）算法，提出了单UAV下用户静态与动态分簇方案，静态分簇方案可自适应平衡簇数与簇用户数，并获得较大的簇内用户信道增益差异，动态分簇方案则针对用户移动属性，制定了即时更新策略；最后，使用分式规划（Fractional Programming，FP）二次变换的方法，引入辅助变量将原非凸问题变换为凸问题，交替优化辅助变量与功率分配因子，获得原非凸问题的次优解.仿真结果表明，与其他算法相比，本文分簇方案能获得更大的簇内信道差异与更小的簇内用户数标准差，同时用户系统性能也获得了显著提升.

摘要:网络流量识别是网络管理和安全服务的基础.随着互联网的不断扩展及其复杂性的增加，传统基于规则的识别方法或流行为特征的方法正在面临着巨大挑战.受自然语言处理（Nature Language Processing， NLP）启发，本文提出了一种多特征融合的加密流量快速分类方法.该方法通过融合数据包和字节序列特征来完成网络流的特征表示，采用双元字节编码将所选特征扩展为双字节序列，增加了字节的上下文语义特征；通过与数据包特征处理相适应的池化方法来最大限度保留数据包的特征信息，从而使所提模型具有更强的抗噪能力和更精确的分类能力.本文方法分别在ISCX-2016和一个包含66个热门应用程序的私有数据集（ETD66）上进行验证，并与其他模型展开比较.结果表明：本文所提方法在ISCX-2016及ETD66上的测试精度和性能都明显优于其他流量分类模型，分别取得了98.2%和98.6%的识别准确率，从而证明了所提方法的特征提取能力和强泛化能力.

摘要:知识图谱作为一个巨大的知识网络图，其中包含着实体概念、关系等信息.基于深度学习的语义表示虽然泛化性强，但对于一些专有知识的敏感度不高，所以许多研究尝试将知识图谱与神经网络结合.目前大部分知识图谱语义表示的方法是围绕通用领域知识图谱展开的，没有针对学术领域的知识图谱语义表示方法的研究.本文以学术文献的全文本数据为研究对象，从基于学术知识图谱的语义表示方法切入研究，在构建学术知识图谱的基础上，对通用领域的研究方法（K-BERT）进行领域化改进（KEBERT），进一步使用实体知识增强文本的语义信息.通过开展下游任务的对比实验，在学术检索数据集上验证KEBERT、K-BERT和ERNIE的性能.实验采用检索任务中常用的NDCG评价指标对结果进行评价，实验结果表明改进后的KEBERT在检索任务上的效果优于其他模型.

摘要:异构片上系统具有定制化满足应用的特异性需求特点，成为多个领域内的主流解决方案.但用户在异构片上系统上进行开发需要面对多种计算资源带来的程序错误，而不同异构片上系统构建统一的调试器框架也面临巨大的挑战.针对上述问题，本文提出了一种面向异构片上系统的调试器框架，该调试器框架设计了异构处理器调试器框架通用接口，开发者可以通过框架功能接口快速构建异构调试器.该框架功能丰富，通过线程切换实现了对异构多核程序的调试，也实现了异构程序性能分析等功能.该框架生成的调试器与传统硬件调试器相比，加载异构程序速度快，是读内存速率的5.5倍，是写内存速率的16.5倍，调试速度大大提高.

摘要:依据FFT→优化窗→IFFT思路，突破线性时频变换的窗函数积分性能桎梏，实现高性能优化窗函数的线性时频变换应用，建立新型时频变换算法——K-S变换.对信号x（t）的FFT频谱向量进行频移处理后，与该频移点下Kaiser优化窗的频谱向量进行Hadamard乘积，再将乘积结果进行FFT逆变换（IFFT），构造出K-S变换复时频矩阵，由此获得x（t）的时间-频率-幅值、时间-频率-相位三维信息；给出逆变换的数学推导与局部性质、线性性质和变分辨率特性；0~150 kHz电网的稳态与时变超谐波信号仿真实验表明，K-S变换的时域、频域分辨能力均优于流行的短时傅里叶变换、S变换，具有优良的变分辨率性能；0~40 kHz超谐波信号的实测证明，基于K-S变换的超谐波电压幅值测量绝对误差均小于0.032 3 V.

摘要:电容器组等无功补偿装置的优化调整不仅可以减小电力系统网损，还会对电力系统的谐波潮流与谐波网损产生影响.风电不仅存在出力不确定性，而且会产生谐波污染，影响谐波潮流与谐波网损.然而，传统无功优化方法没有同时考虑风电的谐波特性与出力不确定性对谐波潮流和谐波网损的影响，可能导致谐波超标问题，不利于电力系统降低网损.因此，本文首先构建计及风电谐波影响的电力系统无功随机优化模型.该模型通过场景法对风电出力随机性进行建模，目标函数同时考虑基波和谐波网损，约束条件包括基波和谐波潮流约束、电压谐波总畸变率约束等.然后，针对该谐波约束的无功随机优化模型，本文提出了融合驱动力可调粒子群算法和全连接型深度神经网络的高效求解方法.最后，通过三个修改后的IEEE测试系统对所提模型与方法的有效性进行了验证.

摘要:交直流互联电网中逆变侧交流输电线路故障特征与纯交流系统具有较大的差异性，传统交流输电线路的保护方案已经不再适用于逆变侧交流输电线路.首先，基于逆变侧交流输电线路发生区内、外故障时拓扑结构的不同，分别推导了两种情况下线模故障分量电流首行波的表达式，理论上明确了交流输电线路在发生区内、外故障时首行波波形特征的差异性.其次，采用小波变换模极大值法和Levenberg-Marquardt算法提取首行波曲率半径，构造了利用首行波曲率半径进行故障区域识别的高可靠性单端量保护方案.最后，在PSCAD/EMTDC中搭建交直流互联电网模型，使用MATLAB对保护方案进行验证.仿真结果表明：所提保护方案快速有效，可靠性高，耐受过渡电阻的能力较强，具有良好的抗噪声能力.

摘要:针对传统同步相量算法受电网间谐波影响较大的问题，本文提出了一种基于新型改进矩阵束的电网同步相量测量算法.将电网信号构建成Hankel矩阵，对其进行奇异值分解并使用自适应定阶方法滤除其中的噪声干扰分量，通过矩阵运算得到准确的电压幅值、频率及相角.经过仿真验证，本算法对含有间谐波分量的电网信号测量结果优于流行的傅里叶变换测量算法.并根据此算法设计了一款便携式电网同步相量测量装置，可解决传统同步相量测量设备体积庞大、成本较高的问题，利用高精度卫星同步信号监测晶振实际频率，动态调整采样控制参数降低采样时间误差，将同步采样的电网波形参数与时间标签等无线传输至移动终端，完成电网信号幅值、频率及相角计算.实际测试表明，本装置具有较高的测量精度，其中电压幅值、频率和相角测量误差分别为0.038 5%、0.000 51 Hz和0.053 7°，满足《电力系统同步相量测量装置检测规范》（GB/T 26862—2011），具有较强的实际应用价值.

摘要:基于90 nm SOI CMOS工艺实现的应用于无线局域网的2.4 GHz集成的单刀三掷（SP3T）射频开关和低噪声放大器.射频开关采用了一种低功耗的等效负压偏置方法，该方法能够在不使用负电压的前提下使关断状态晶体管获得等效的负压偏置，从而提高射频开关的线性度.低噪声放大器采用了负反馈技术和导数叠加技术提高线性度，利用导数叠加技术减小低噪声放大器的三阶非线性，进一步提高了负反馈低噪声放大器的线性度.低噪声放大器与射频开关集成，并带有Bypass衰减通路.测试结果表明，射频开关的发射支路实现了0.95 dB的插入损耗和34 dBm的输入1 dB压缩点，蓝牙支路具有1.68 dB的插入损耗和30 dBm的输入1 dB压缩点.在2 V供电下，接收支路在高增益模式下具有15.8 dB的增益，1.7 dB的噪声系数和7.6 dBm的输入三阶交调点，功耗28.6 mW，在Bypass模式下具有7.2 dB的插入损耗和22 dBm的输入三阶交调点.

摘要:基准电压对模拟系统的性能与精度有着至关重要的影响.一般的曲率补偿仅能消除与温度相关的二阶项，难以满足某些电路对高精度的要求.现有的电路存在温度系数较高的问题，亟须对更高阶进行补偿.本文提出了一种新的高阶曲率补偿方法，通过利用CMOS晶体管亚阈值特性设计，成功实现了一种低温度系数电压基准电路.该方法首先利用两个不同温度系数的电流流过相同的亚阈值区CMOS晶体管，产生两个具有不同温度特性的栅源电压.然后，通过对这两个不同温度特性的栅源电压进行相减，产生对数电压，并与一阶补偿电压进行加权叠加，从而实现高阶补偿.为了提高电源抑制比（PSRR），该电路采用了高增益负反馈回路，避免了传统电压基准电路中放大器的使用，进一步地降低了功耗.本设计基于0.18 μm CMOS工艺，在Cadence软件下完成电路设计、版图设计与仿真验证.仿真结果显示，该电路正常工作电压范围为1.6~3 V，在2 V的工作电压下，基准电压输出295 mV，在-45~125 ℃范围内温度系数为1.26 ppm/℃，PSRR为51.1 dB@1 kHz，最大静态电流为8.9 μA.结果表明，该基准电压电路能够满足高精度集成电路系统的需求.

摘要:在半导体技术受到管控的背景下，实现芯片的完全自主可控已成为现今半导体技术发展的重点.由于RISC-V具有开源、应用广泛的特性，研究RISC-V架构对于我国微处理器的自主可控具有重要研究意义.在微处理器系统中，由于物理资源的有限性和直接访问存储可能潜在危害， DMA访问I/O设备时将会受到诸多限制，从而影响访问性能.目前主流的方法是通过将I/O事务虚拟化，可以很好地解决这一问题.本文首次提出了一种基于RISC-V的I/O虚拟化架构，极大地加速了I/O访问进程，仅花费几个时钟周期就可快速完成I/O设备对内存的DMA请求.本设计将来可以作为IP，集成到RISC-V架构的处理器中，加速I/O设备对内存的访问.

摘要:针对高铁大型永磁同步牵引电机转子区域散热困难、内部温升分布不均匀的问题，在机壳水冷电机结构基础上的定子铁芯外表面处增设轴向矩形风道，并结合气隙、转子减重孔形成内外双循环散热结构，探究降低定子、绕组部位温升和提升电机内部散热均匀性的影响规律.首先通过Ansoft Maxwell平台仿真得到双循环散热结构在额定工况下各部件损耗值，同时为了更好模拟转子旋转带动气隙中的空气流动，对气隙进行分层处理，采用流-固耦合的有限元分析法模拟研究单、双循环散热结构下电机内部空气流动特性以及温升规律.结果表明，内循环风冷结构使电机内部空气流速显著提高，表面平均换热系数也显著提升，转子区域的热量会随着空气的流动更多地传给温度相对较低的定子区域及机壳，同时减少热量向转子部位传递，从而使转子和永磁体的温升降低.在此基础上，采用正交分析法对矩形通风孔的截面积、数量、高宽比进行结构参数优化，并采用温升分布均匀性系数对电机进行温升评价，得到最优方案下电机最高温升相比单循环散热结构降低12.1K，电机整体温升分布均匀性提升16.54%.

摘要:本文提出了一种斜极化雷达辐射发射指标的测量与计算方法.采用接收天线正交的两次组合测量，可快速测量与计算得到任意未知角度斜极化雷达各频点的信号真实幅值，进而计算得到斜极化雷达的谐波和乱真抑制度.分别采用接收天线一组X轴对称角度和0°三个极化方向的三次频域组合测量可快速测量与计算得到任意斜极化雷达每个频点的准确极化角度.提出的测量与计算方法可有效避免目前国军标中雷达辐射发射指标测量方法针对斜极化雷达时的不足，且测量效率高，误差小，试验结果证明了提出方法的正确性和准确性.

摘要:针对电网公司获取有标签数据成本高、难度大，而获取的无标签数据难以训练有效窃电检测模型的问题，提出了在少量有窃电标签数据场景下基于联合训练生成对抗网络（Co-training Generative Adversarial Networks， CT-GAN）的半监督窃电检测方法.首先，探究了生成对抗网络及半监督生成对抗网络的原理与结构.其次，提出了采用Wasserstein距离取代JS（Jensen-Shannon）散度和KL（Kullback-Leibler）散度距离以解决生成对抗网络因梯度消失和模式崩溃原因导致的模型训练不稳定和生成数据质量低的问题，并构建了多判别器联合训练模型，避免了单个判别器分布误差高的问题，同时增强了GAN生成标签样本数据的能力，通过扩充标签样本数据集，提升了模型检测准确度和泛化能力.最后，采用爱尔兰电网数据集验证了该方法的准确性和有效性.