首页期刊导航|传感技术学报
期刊信息/Journal information
传感技术学报
东南大学 中国微米纳米技术学会
传感技术学报

东南大学 中国微米纳米技术学会

黄庆安

月刊

1004-1699

dzcg-bjb@seu.edu.cn;dzcg-bjb@163.com

025-83794925

210096

南京市四牌楼2号东南大学

传感技术学报/Journal Chinese Journal of Sensors and ActuatorsCSCD北大核心CSTPCD
查看更多>>《传感技术学报》杂志的编委委员均来自国内各著名高校的教授和博士生导师,他们是我国传感器领域方面的专家、学者和权威人士。《传感技术学报》稿源来自全国各高等院校,,中国科学院所属的有关专业研究机构以及国内大型工矿企业设置的专业研究所。《传感技术学报》刊登的论文均有2名国内同行专家审稿通过。 《传感技术学报》的作者有院士、教授、博士生导师、研究员、博士研究生、和硕士研究生以及从事该研究领域的工作人员、专家和学者。 《传感技术学报》主要面向广大的科技工作者、高等院校、各公共图书馆、情报所(室)、研究所以及厂矿,它对科技工作者、科学研究人员、广大教师、研究生、博士生都具有极为重要的参考价值。
正式出版
收录年代

    基于改进Forword-Backword Spliting算法的ECT图像重建算法

    马敏刘萌
    639-644页
    查看更多>>摘要:针对电容层析成像技术图像重建问题的不适定性和实时性要求,提出了一种基于改进前后向分裂(Forword-Backword Spliting,FBS)算法的ECT图像重建算法.首先,建立基于FBS算法的ECT逆问题求解模型,提升ECT图像重建的速度;其次将GMC惩罚项代替L1 范数应用于ECT图像重建中,提高重建解的稀疏度以获得更准确的特征信号;最后建立基于GMC惩罚项的FBS图像重建模型并求解.采用COMSOL5.3 和MATLAB2014 软件搭建联合仿真平台,仿真结果显示,改进的算法最高将核心流模型成像相关系数提升至 0.934 5,成像时间最快达到0.094 5 s,相较于Tikhonov正则化算法和Landweber算法,在成像速度和质量两方面均有明显提高.并通过实际实验验证了改进算法具有更好的可靠性和实时性.

    电容层析成像图像重建改进FBS算法非凸惩罚函数

    改进MSRCR的透明物体逆光图像增强算法

    郭成胡小平彭向前黄泓...
    645-651页
    查看更多>>摘要:针对透明物体逆光图像对比度低、可视质量差、部分区域过度曝光、边缘信息模糊等问题,提出了一种改进MSRCR(Multi-Scale Retinex with Color Restoration)的透明物体逆光图像增强算法.首先,在MSRCR算法的基础上添加最小可觉差的倒数作为光照分量的调节因子,解决图像的色偏问题,得到准确清晰的透明物体边缘信息;然后,利用自适应对比度增强算法对原图像进行处理,得到亮度适中,对比度高的图像;最后,将两幅图像按亮度均值比例进行拉普拉斯金字塔融合,并进行线性拉伸.将该算法应用于安瓿瓶视觉尺寸测量,结果表明:改进MSRCR的透明物体逆光图像增强算法,能有效解决MSRCR算法的色偏问题,突显透明物体边缘细节信息,并保留亮度增强效果,将安瓿瓶的尺寸误差由 0.35 mm降低到 0.1mm,提高了透明物体尺寸测量精度.

    图像增强MSRCR算法最小可觉差图像融合透明物体逆光图像

    考虑多尺度纹理特征的红外传感图像频域增强

    曾琪杨真
    652-657页
    查看更多>>摘要:红外传感图像质量容易受探测器和传输距离影响,导致图像亮度和对比度较低、轮廓细节模糊等问题.为此,提出了考虑多尺度纹理特征的红外传感图像频域增强方法.引入残差学习策略,基于多尺度纹理特征搭建多尺度卷积神经网络模型,进行图像去噪.对去噪后图像进行傅里叶变换,获取红外传感图像的低频图像和高频图像.针对低频图像部分,调节图像灰度和对比度以增强低频分量.针对高频图像部分,利用Log算子和Laplace算子增强图像细节及边缘.加权融合两者处理结果,选取Gamma校正调节对比度,增强高频分量.融合两种增强后图像,实现红外传感图像频域增强.实验结果表明,该方法峰值信噪比高于 43,信息熵大于 8,边缘强度超过 82,对比度熵大于 8.1,平均梯度大于 8.

    多尺度纹理特征红外传感图像图像频域增强卷积神经网络Gamma校正

    基于特征融合与注意力机制的CNN抑郁症识别

    尚照岩乔晓艳
    658-664页
    查看更多>>摘要:快速准确识别、筛查和预警轻度抑郁症具有重要现实意义,利用脑电数据和深度学习算法可以对精神心理疾病进行机器识别.提出一种基于特征融合的卷积神经网络(CNN)模型,实现抑郁症的有效识别.将注意力机制引入CNN模型,提取高效的时空特征图,增强特征的多样性,降低个体差异性的影响.结果表明:采用脑电gamma节律,模型对抑郁症平均识别准确率达到(99.39±0.14)%.此外,通过对卷积层特征图的可视化分析,获得了抑郁症和正常被试脑电差异性电极,并进行少电极抑郁症分类,识别准确率达到(91.41±1.11)%.由此可见,该深度学习模型能够对轻度抑郁症进行有效识别和筛查.

    机器学习抑郁症识别卷积神经网络注意力机制特征融合

    视觉传感器提取面部运动特征的抑郁症检测算法研究

    周卫元姚海峰张闰哲陈锐霆...
    665-674页
    查看更多>>摘要:尽管抑郁症自动诊断系统已经取得了重大进展,但大部分工作集中在结合多种模态的特征来提高分类精度,这会产生大量的时空开销和特征同步问题.提出了一种基于面部表情和面部运动特征的单模态抑郁症检测框架.提出了一种基于面部标志比的鲁棒特征提取方法,并从理论上证明了该特征具有上下、左右平移、深度平移、旋转和翻转不变性.基于该方法提取的特征保持了面部标志点在空间上的拓扑结构关系,并保持了面部标志点前后帧的时间相关性.然后,提出了一种新颖的思路来解决大单元抑郁症视频的分类任务,将大单元视频的抑郁症分类任务分解为多个短序列单元的评分任务,然后通过定义的评分聚合函数得到最终的抑郁症分类结果.在 DAIC-WOZ 数据集上,所提出的检测框架提高了分类性能,F1 得分为0.85,优于当前其他基于单模态的抑郁症检测模型.

    抑郁症检测情感计算视频处理面部标志点浅层CNN

    基于传感信号采集的电控发动机振动故障监测方法

    马晓郑晅柴艳娜
    675-681页
    查看更多>>摘要:通过调理振动信号可以更高效地监测振动故障.为此,提出基于传感信号采集的电控发动机振动故障监测方法.首先,搭建电控发电机传感信号采集与处理架构,通过放大传感信号增益、滤波和转换信号模数的方式处理待监测信号,为提高监测准确性奠定可靠的数据基础.通过小波包分解与重构,获取信号的时域参数和小波能谱熵,并构建三维特征量.然后,利用"一对一"分解策略优化孪生支持向量机,构造多元分类器,使其更适用于振动故障监测这一多类别分类问题,再输入待监测信号的特征量,通过确定故障类别实现持续性监测.仿真结果表明:该方法训练耗时的最大值仅为 897 ms,对于转子摩擦振动、不平衡振动等 5 种类型故障的监测准确率始终在 97%以上,在缩减训练样本后准确率仍保持在 90%以上.

    信号与信息处理振动故障监测传感信号采集电控发动机信号调理信号转换小波能谱熵孪生支持向量机

    基于PCSF算法的扭矩测量过程导致的角度测量误差补偿

    许鹏飞李昊于振安琪...
    682-689页
    查看更多>>摘要:基于立式桶状精密减速器高精度检测仪现有结构,研究了测量扭矩引起仪器形变进而导致角度测量误差的现象及其规律.提出了扭矩、刚度和角度三结合标定方法,设计了基于加载扭矩变化的仪器刚度在线校准装置.基于PCSF算法实现了仪器刚度导致角度测量误差的实时专项补偿.解决了加载的测量扭矩变化影响仪器角度测量精度的难题.实验结果表明,补偿后扭矩变化导致的角度测量误差在±2″以内.

    角度测量技术角度测量误差补偿PCSF算法扭转刚度工业机器人

    多路音频传感信号低功耗实时采集方法设计

    汤敏顾炜江
    690-695页
    查看更多>>摘要:由于多路音频存在信号混合噪声干扰,以单路无线传感器网络(Wireless Sensor Networks,WSN)节点为基础的采集过程,淡化了不同路线上的噪声特征,以单一阈值为基础降噪,存在采集偏差大、丢包率高等问题,提出基于WSN节点的多路音频信号低功耗实时采集方法.利用五元麦克风声源定位模型,确定音频信号声源的方位、距离和角度等信息,引入传感器节点,引入静音区检测的多路降噪法,通过调整静音区幅度值为0 达到对音频信号不同线路的降噪目的;通过计算合适的采样时间点和平均采样频率,实现多路音频信号低功耗采集.在对比实验测试中,所提方法取得的音频信号值最接近实际值,并且丢包率最高仅为 2.5%,最高功耗仅为 0.62 W,该方法有效提高了信号的准确性.

    WSN节点多路音频信号低功耗采集声源定位平均采样频率噪声干扰

    基于三维并行多视野卷积神经网络的脑电信号情感识别

    韩新龙高云园马玉良
    696-703页
    查看更多>>摘要:利用脑电信号识别情感状态已经成为当前的研究热门.现有的情感识别方法通常提取二维信息作样本,却忽略了包含大脑不同区域重要特征的空间信息.针对这个问题,结合脑电通道间布局和原始脑电信号中的频率相关特征,提出了基于三维并行多视野卷积神经网络(Three-dimensional Parallel Multi-field Convolutional Neural Network,TPMCNN)的脑电情感识别新方法.首先将原始脑电信号划分成多频带,并提取每个频带的微分熵(DE)特征.接着将数据按照电极传感器的位置转变成三维特征矩阵.最后采用TPMCNN网络处理所得到的矩阵.实验结果表明,利用不同频带的微分熵特征构造的三维特征矩阵,能够有效地提取多通道脑电信号中与情感识别有关的特征,所提出的并行多视野卷积神经网络能够充分发挥出深度学习的优势.实验在公开数据集DEAP上进行二分类,在唤醒和效价的准确率分别达到了 97.31%和 96.72%,四分类的准确率达到了 97.17%,证实了所提出的方法对脑电信号情感识别的优越性能.

    情感识别三维特征多视野卷积神经网络并行网络

    基于改进蝙蝠算法的无线传感器网络动态任务调度

    翟羽婷王欣白蕾
    704-708页
    查看更多>>摘要:无线传感器网络是一种处理感知信息的无线网络,在处理过程中因节点分配不均,导致网络资源利用率较低、任务调度中节点能量消耗较高.为此,提出了基于改进蝙蝠算法的无线传感器网络动态任务调度方法.通过增加权值系数改进蝙蝠算法,降低无线传感器网络节点密度,定义二进制变量,确定任务分配节点.采用可分负载理论,计算两种分群结构网络环境下任务运行时间与传输时间,得到群内和群间阶段无线传感器网络节点动态任务调度方案.仿真结果表明:所提算法在迭代次数为 200 次时即可获取目标函数值,当虚拟机数量为 1 200 时,所需无线传感器网络节点数量为 38 个,网络资源利用率始终高于 68%,说明所提方法能够有效降低调度过程中节点的能量消耗,提高网络资源利用率.

    无线传感器网络动态任务调度改进蝙蝠算法二进制变量可分负载理论权值系数