首页期刊导航|传感器与微系统
期刊信息/Journal information
传感器与微系统
传感器与微系统

刘学林

月刊

1000-9787

st_chinasensor@vip.126.com

0451-82514848

150001

哈尔滨市南岗区一曼街29号（哈尔滨44信箱）

传感器与微系统/Journal Transducer and Microsystem TechnologiesCSCD北大核心CSTPCD
查看更多>>本刊由中国电子科技集团公司第四十九研究所主办，系高新技术与实用技术相结合的高科技期刊。侧重发表具有新结构、新功能、新用途、微型化、多功能化、智能化、系统化和网络化、能促进信息技术发展、更新换代的新型传感器与微系统制造方面的论文。
正式出版
收录年代

    动磁式直线电机定位误差检测与校正

    王玉龙任德均王淋楠盘龙...
    123-126页
    查看更多>>摘要：提出一种针对动磁式直线电机定位方案的误差检测及校正的方法.首先,通过相位检测算法检测传感器阵列的相位偏差是否符合要求;然后,通过幅值相位纠正算法实现对磁场数据归一化,并对小幅度相位偏差引起的位置误差进行校正;最后,对数据采集和处理过程中的延时误差进行补偿.对动子运动方向的磁栅尺寸误差补偿后,定位精度达到了±92μm.

    动磁式直线电机位置传感器误差检测校正

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进麻雀搜索算法优化的RSSI定位

    刘博李卓刘伟韦嘉恒...
    127-130页
    查看更多>>摘要：针对传统接收信号强度指示(RSSI)测距受环境中不同因素干扰,导致定位精度不高的问题,提出基于改进麻雀搜索算法(ISSA)优化的RSSI定位算法.首先,通过混合滤波对RSSI值优化处理,剔除异常值并消除波动,RSSI测距模型将滤波后可靠的信号值换算为距离.其次,对基础麻雀搜索算法(SSA)进行改进,得到未知节点的精确坐标.实验结果表明:与另一种ISSA及粒子群优化万有引力搜索算法(PSOGSA)混合定位算法相比,该算法具有更高的定位精度.

    无线传感器网络接收信号强度指示混合滤波麻雀搜索算法节点定位

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于YOLOv7和图像分块的车道线破损检测算法

    温王鹏罗文婷李林张德津...
    131-134,139页
    查看更多>>摘要：提出了一种结合YOLOv7和图像分块的车道线破损检测方法.首先,利用YOLOv7模型检测并提取车道线区域.其次,运用Otsu法计算每个子块的阈值及子块背景区域和目标区域的灰度均值差值,以此实现二值化.然后,采用双线性插值法平滑图像,实现车道线分割,并利用拓扑结构分析法提取车道线轮廓.最后,设计了像素统计、直线拟合、割断检测3种方法判断车道线是否破损.实验结果表明:在不同场景下,该算法在破损车道线检测中的精确率为91.79％,具有较好的检测效果和一定的应用价值.

    车道线破损检测深度学习YOLOv7算法分块分割最大类间方差法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    多尺度交叉注意力特征融合的语义分割网络

    张弘高月刘保洋
    135-139页
    查看更多>>摘要：针对DeepLabv3+语义分割模型在解码阶段仅融合单尺度低级特征,高级与低级特征融合效果差,导致目标分割精度低的问题,本文基于注意力特征融合(AFF)结构和DeepLabv3+网络,提出了CAAF-DeepLabv3+分割网络.首先,该网络引入不同阶段的多尺度浅层特征来优化空间位置信息.其次,采用交叉方式改进AFF,获得交叉注意力特征融合(CAFF)结构,提高特征间的信息交互,且通过学习高级和低级特征在通道上的重要程度,增强显著性特征,克服语义和尺度不一的特征融合问题,以获取高分辨率和高语义信息的融合特征.在道路标线数据集上进行训练和测试的结果表明,对于目标轮廓复杂、小尺寸分布较多的情况,该网络与UNet、PSPNet、DeepLabv3+、MobileNetv2-DeepLabv3+、AFF-DeepLabv3+网络相比较,平均交并比(MIoU)值和平均像素准确率(MPA)值达到最高,漏分割和错误分割明显降低.

    DeepLabv3+语义分割多尺度交叉注意力特征融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    结合双重注意力机制的遥感图像道路分割

    龚轩郭中华丁荣荣顾旭璐...
    140-143,148页
    查看更多>>摘要：为解决光学遥感图像道路分割所存在的漏判、误判等问题,提出了一种改进U型网络结构的语义分割模型,融入双重通道注意力机制和改进空间金字塔池化结构的残差特征提取U型网络(RSD-UNet).首先,编码模块采用具有残差结构的ResNet—34,避免神经网络出现梯度消失;其次,融入串行改进的SPPCSPC池化模块,提高网络的感受野、解决道路特征多尺度问题;最后,在上采样操作后融入多频谱通道和空间的维度的双重注意力机制(DAM).实验结果表明:在CHN6—CUG数据集上,对比基准网络UNet,指标IoU和F1分数提高了4.4％和3.07％.因此,RSD-UNet能够较好实现对于光学遥感图像道路分割.

    双重注意力机制遥感图像道路分割

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进OpenPose的行人关节点检测算法

    田雨刘红
    144-148页
    查看更多>>摘要：针对车载图像存在目标行人较小、携带信息较少、无法准确检测行人关节点的问题,提出一种基于改进OpenPose的行人关节点检测算法.首先,通过增大输入图像分辨率和增加图像缩放比例来捕获车载视角下行人关节点的特征信息;其次改进网络结构,卷积核大小以及采用深度可分离卷积代替标准卷积来降低网络模型的参数数量和计算量.实验结果表明:改进网络在检测行人关节点准确率提高了6％,改进网络模型的参数量和计算量比原OpenPose减少69％和39％,提高了检测行人节点的速度.

    卷积神经网络OpenPose深度可分离卷积关节点检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    适用于嵌入式控制器的电池状态辨识算法

    马智远王勇周凯
    149-152页
    查看更多>>摘要：蓄电池的荷电状态(SOC)估算问题是电池管理系统研究中的核心问题之一,提升SOC估算的准确性与快速性具有重要的工程实践意义.为解决现有全SOC域拟合的卡尔曼滤波(KF)算法在充放电末端存在的估算误差问题,提出了基于一阶RC模型的扩展KF(EKF)分段拟合优化算法,提高了SOC估算的准确性.最后,在MATLAB/Simulink环境下完成了相应的建模与仿真,并设计搭建了锂离子电池充放电实验平台进行了基于所提SOC估算算法的测试,仿真与实验结果验证了所提估算算法的准确性.

    蓄电池等效电路荷电状态估算卡尔曼滤波

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于斜三角形摆弧的中厚板多层单道焊接路径规划

    潘海鸿陈启龙李松莛陈琳...
    153-156页
    查看更多>>摘要：针对中厚板结构件焊接较为复杂的问题,研究应用于中厚板焊缝的摆弧路径,提出一种基于空间直线斜三角形摆弧的轨迹算法,实现中厚板焊缝的焊接.首先,研究空间直线斜三角形摆弧轨迹算法来计算摆弧路径各插补点位置信息.然后,由插补点位置信息结合焊缝特征进行焊枪位置规划、焊道速度规划.其次,将所得到的各焊接路径算法生成的插补点输入至MATLAB进行仿真验证.最后,搭建实验平台,进行摆弧生成实验、焊接实验.实验结果表明:该算法是可行的,可以应用于实际焊接工程中.

    中厚板斜三角形多层单道路径规划

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于语义信息的无监督单目深度估计

    李颀李煜哲
    157-160页
    查看更多>>摘要：随着深度学习的发展,无监督单目深度估计成为计算机视觉的研究热点.由于深度图存在轮廓不清晰、深度估计不准确等问题,以编—解码器结构为基础,提出一种基于语义信息的无监督单目深度估计网络,为了获取更为清晰的轮廓信息,本文在编解码器之间通过空洞空间卷积池化金字塔(ASPP)层进行语义信息的细化,提高生成的图像质量;该网络通过在编码器到解码器的跳层连接实现对多分辨率特征的提取,在编码器部分采用改进的高分辨率网络(HRNet)融合不同层的多分辨率特征,在解码前使用串联策略融合中间阶段的输出,提高深度估计的准确率.在KITTI数据集上的实验结果表明,本文方法的误差评价指标相较于目前的深度估计方法更低,在3个深度估计准确率评价指标上达到了89.4％,96.3％,98.1％,具有较好的准确性.

    深度估计无监督学习多分辨率特征语义信息编—解码结构

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向嵌入式平台的手势轨迹识别

    王绎茗高美凤
    161-164,168页
    查看更多>>摘要：针对大部分嵌入式平台计算能力较弱、无法实时运行基于神经网络的应用程序的情况,提出了一种基于Anchor-Free轻量化卷积神经网络(CNN)的手势交互方法.该方法缓解了Anchor-Based检测的弊端,通过神经网络实时检测人体手部,并利用动态时间规整(DTW)算法对手势轨迹进行分类.神经网络参数量仅有0.22 M,在自建手部检测数据集上的平均精度均值(mAP)交并比(IoU)=0.50:0.95可以达到68％.在RK3568嵌入式平台上,每帧推理和后处理时间仅有31 ms,轨迹分类耗时仅有43 ms,CPU使用率仅有34％,满足实时性要求.

    轻量化卷积神经网络无锚框目标检测手势分类嵌入式系统

      原文链接:
    • NETL
    • NSTL
    • 万方数据