首页期刊导航|国外电子测量技术
期刊信息/Journal information
国外电子测量技术
国外电子测量技术

陈光衤禹

月刊

1002-8978

fedit@vip.163.com

010-64005190

100009

北京东城区北河沿大街79号2楼

国外电子测量技术/Journal Foreign Electronic Measurement Technology北大核心CSTPCD
正式出版
收录年代

    基于增强全局-局部特征融合的视频描述生成方法

    黄飞燕曾上游邱泓语
    1-9页
    查看更多>>摘要：现有的视频描述生成方法提取的特征及特征组合的方式较为简单,导致模型丢失了部分与视频描述相关的重要语义信息,限制了对视频内容的准确描述和理解.分析存在的不足,提出了一种基于增强全局-局部特征融合的视频描述生成方法.首先采用不同特征提取器分别对视频片段提取局部特征和全局特征,为了建模不同级别特征(局部和全局)的相关性,利用特征融合增强网络进行特征融合,丰富模型的特征信息.解码器使用的双向长短期记忆网络,并在其后加入重构网络,重构经编码器处理得到的视频特征序列,最终经过长短期记忆网络生成视频的描述语句.在 MSVD与 MSR-VTT数据集上的实验结果表明,提出的模型可以显著提高生成的描述语句的准确性.

    视频描述生成增强特征融合网络自然语言处理

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

    改进的DeepLabV3+指针式仪表图像分割算法

    杨武胡敏常鑫赵昕宇...
    10-19页
    查看更多>>摘要：针对现有的仪表自动化读数算法占用空间大、推理速度较慢以及不能有效分割图像中密集细小目标的问题,提出改进的DeepLabV3+指针式仪表分割算法.首先以轻量化的 MobileNetV2来构建网络主干达到降低参数量和推理权重、提高检测速度的目的.其次通过分块并归策略设计CSP-ASPP结构,在保证网络性能的同时降低参数量.之后使用改进后的SKFF模块通过自注意力机制以非线性方式融合多尺度特征,将原网络解码器中的二尺度特征融合变为四尺度特征融合.最后使用交叉熵损失联合加权的Dice损失作为网络的总损失函数,解决仪表分割中各类别像素分布不均的问题.最后通过实验证明,改进后的DeepLabV3+算法在仪表分割数据集上的平均交并比(mIoU)和平均像素准确率(mPA)达到了89.3%和94.8%,相对原网络分别提高了0.7%、0.6%,参数量和推理权重却仅有原网络的约7%,同时在GPU和CPU上的推理速度分别达到91和16 fps,解决了嵌入式设备部署困难的问题,达到了实时检测的要求,提高了仪表自动化读数的效率.

    指针式仪表图像分割DeepLabV3+轻量化分块并归多尺度特征融合DiceLoss

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

    基于双重动态调整的改进非洲秃鹫优化算法

    陈麒羽邵洁王超群陈乐...
    20-29页
    查看更多>>摘要：针对非洲秃鹫优化算法(African vulture optimization algorithm,AVOA)多样性低、探索开发能力不平衡、易发生早熟的现象,提出了一种基于双重动态调整的改进非洲秃鹫优化算法(improvement African vulture optimization algorithm,IA-VOA).改进后的算法分为3个部分,通过引入混沌映射初始化种群,以确保种群在前期寻优中具有较高的多样性;加入动态调整因子来确定当前最优个体,用来平衡前期探索与后期开发的能力;针对AVOA中饥饿率的变化情况加入动态调整的高斯扰动,用于防止早熟问题的发生,提高最终解的质量.改进后的算法在9个标准测试函数上进行测试.结果表明,该算法表现出更佳的求解性能.

    非洲秃鹫优化算法高斯干扰动态调整因子混沌映射

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

    基于多视图与注意力机制的睡眠脑电分期

    李兰亭苗敏敏
    30-37页
    查看更多>>摘要：为了更全面地对睡眠脑电进行特征提取,提出一种基于多视图与注意力机制的睡眠脑电分期方法.首先针对原始睡眠脑电信号构造时域和时频域两类视图数据;然后设计融合注意力机制的混合神经网络对多视图数据进行表征学习;接着通过双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络进一步学习睡眠阶段之间的转换规则;最后使用Softmax函数进行睡眠分期,并利用类别加权损失函数解决睡眠数据类别不均衡的问题.实验使用Sleep-EDF数据库中前20名受试者的单通道脑电信号并采用20折交叉验证对模型进行性能评估,睡眠分期准确率达到83.7%,宏平均F1 值达到79.0%,Cohen's Kappa系数达到0.78.与现有方法相比,算法性能提升明显,证明了所提方法的有效性.

    睡眠分期多视图注意力机制双向长短时记忆网络类别加权损失函数

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

    雷达属性散射中心的快速目标分类和参数估计

    宋坚毅胡承鑫黄瑶管灵...
    38-44页
    查看更多>>摘要：雷达属性散射中心模型的属性参数能够提供目标更为丰富的重要信息,属性散射中心参数估计对解析雷达目标有着极其重要的研究意义.针对雷达属性散射中心模型,提出了基于深度学习的雷达属性散射中心快速目标分类和参数估计的技术.首先利用ViT(vision transformer)深度学习网络将雷达属性散射中心分类为局部式和分布式两类,然后基于TS2Vec框架构建针对属性散射中心参数估计的卷积神经网络(convolutional neural network for attribute scattering centers,ASC-NN),最后分别对两种数据进行训练以实现局部式和分布式属性散射中心的参数估计.基于属性散射中心模型展开数值实验,实验结果表明,该方法对雷达属性散射中心目标分类的准确率高达99%以上;雷达属性散射中心参数估计的速度超过传统方法的10 000倍以上,且精度更高,验证了所提方法的有效性和优越性.

    属性散射中心深度学习目标分类参数估计

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

    基于融合注意力的多尺度芯片缺陷检测算法

    韩明桥蒋三新
    45-51页
    查看更多>>摘要：芯片的表面缺陷检测在半导体制造中具有重要意义,针对目前芯片表面缺陷面积小,缺陷外形多变,缺陷尺寸跨度大的情况,提出一种基于YOLOv5改进的芯片表面缺陷检测算法,首先基于ConvNext网络改进特征提取模块,提升网络稳定性和特征表达能力,同时提出增强卷积注意力模块(ehanced convolutional block attention module,E_CBAM),将更详细的位置信息嵌入到卷积注意力(convolutional block attention module,CBAM)之中,提升整个网络对于小面积及边缘缺陷的检测能力,而针对芯片缺陷多变尺寸跨度大的问题,研究引入了可变形卷积和双向特征金字塔网络(bi-directional feature pyramid net-work,BiFPN),一方面可变形卷积对于外形不规则的卷积有更好的提取能力,另一方面Neck部分的BiFPN在简化结构的同时保证了多尺度融合的准确性.经过实验表明,改进后的网络在芯片表面缺陷数据集(chip defect dataset,CDD)上,平均精度均值(mAP)mAP@0.5指标达到95.3%,相较于原始的YOLOv5s网络提升了3.1%,在没有过多增加网络参数的情况下,对芯片表面缺陷的精度更高,鲁棒性更强.

    芯片表面缺陷检测ConvNext网络可变形卷积小目标检测特征融合

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

    基于光线重排的印制电路板高速扫描成像迭代去模糊方法研究

    许润泽罗守华鄢志鸿刘鹏飞...
    52-59页
    查看更多>>摘要：自动光学检测(automated optical inspection,AOI)相机运动速度过高,拍摄印制电路板(printed circuit board,PCB)图像会产生严重模糊.如能正确恢复因此而产生的退化,可提高相机的运动速度,进而提高AOI的检测效率.受代数迭代重建算法(algebraic reconstruction technique,ART)启发,提出一种基于光线重排的图像非盲去模糊算法.该方法在模糊核已知的情况下,基于快速迭代收缩阈值算法(fast iterative shrinkage thresholding algorithm,FISTA)迭代重建算法,运用Nestrov加速和光线重排提高了迭代收敛速度,运用数据正则抑制图像的各类加性噪声和伪影,较好地重建出原本的清晰图像.结果表明,该方法对噪声具有较好的抑制能力,对AOI相机运动曝光引起的严重模糊,较常用的传统逆滤波方法具有更好的图像恢复效果.

    图像非盲去模糊代数迭代重建算法运动模糊

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

    异构网络中基于MADDPG的协作边缘缓存策略研究

    宋端正李晖诸锦涛王昊...
    60-69页
    查看更多>>摘要：由于大量用户和设备共存,移动网络经历了数据量和用户密度的巨大增长.在宏基站(macro base station,MBS)覆盖区域内部署小蜂窝基站(small basic station,SBS),并提前在SBS缓存热门内容,是下一代移动通信网络提供高速、低时延服务的有效手段.针对异构网络环境不稳定以及难以找到精确的数学模型进行优化的问题,提出一种基于传输时延最小的异构网络协作边缘缓存算法.首先以 Markov移动预测模型为基础,考虑用户社交关系对于用户移动性的影响,给出了新的用户移动位置预测方法;其次,采用多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient,MADDPG)算法,通过用户关联、延迟控制和缓存设计来减少内容传输时延并提高缓存命中率.仿真结果表明,同传统DDPG和Greedy算法相比,MADDPG算法缓存命中率分别提高17.89%和42.71%,内容传输时延分别降低9.07%和12.86%,能够有效地解决异构网络中的资源分配和缓存设计问题.

    异构网络边缘缓存资源分配深度强化学习

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

    基于FPGA的多通道温度采编装置设计

    任勇峰赵逢锦张凯华庞云飞...
    70-76页
    查看更多>>摘要：针对飞行试验中对设备温度测量的需求,设计了一种适用于飞行测试的高精度多通道温度采编装置.设计以FPGA构建信号采集处理系统,采用AD8227和AD590来实现信号的调理和温度冷端补偿,通过标准RS422协议实现16路温度信号传输,并采取线性拟合的方式对输出进行非线性校正,提高了系统准确率和稳定性.测试结果表明,测温电路全量程内最大测量误差为±0.083%F.S..经过测试验证,该方案传输过程无丢帧零误码,系统运行高效、可靠.

    温度采集冷端补偿线性拟合

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

    融合2维卷积与注意力以预测PM2.5浓度的S-TCN模型

    李春辉张瑛琪孙洁
    77-86页
    查看更多>>摘要：针对传统预测模型对PM2.5 浓度预测精度较低、可解释性差的缺陷,提出一种融合2维卷积层(2D convolution)和注意力层的时空卷积网络预测模型(spatio-2D-temporal convolutional networks attention,S-2D-TCNA).选取北京市2014年5月1日～2015年4月30日的36个监测站点逐小时空气质量和气象数据,通过对多个站点时空相关性分析,将符合相关性阈值的监测站数据输入至卷积进行升维再降维的处理方式,得出具有时空序列的输入特征;将注意力融入时间卷积网络预测模型,用于预测未来1 h的中心监测站PM2.5 浓度.在模型训练优化参数过程中,通过Adam来训练深度学习模型的参数,然后使用贝叶斯优化来调整模型的超参数,这种方法能找到模型的最佳参数,使其均方根误差、平均绝对误差分别减少3.791%和5.576%,拟合优度增大0.67%;在质量方面,所提出的S-Conv2D-TCNA模型均方根误差、平均绝对误差和拟合优度分别为16.020 9、10.610 0和0.942 8,该预测模型在准确性和稳定性方面优于基线模型.结果表明,该预测模型空气污染的预警、区域预防和控制方面大有可为.

    时空序列注意力时间卷积网络(TCN)PM2.5浓度

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