首页期刊导航|数据采集与处理
期刊信息/Journal information
数据采集与处理
中国电子学会 中国仪器仪表学会信号处理学会　中国仪器仪表学会中国物理学会微弱信号检测学会　南京航空航天大学
数据采集与处理

中国电子学会 中国仪器仪表学会信号处理学会　中国仪器仪表学会中国物理学会微弱信号检测学会　南京航空航天大学

贲德

双月刊

1004-9037

sjcj@nuaa.edu.cn

025-84892742

210016

南京市御道街29号1016信箱

数据采集与处理/Journal Journal of Data Acquisition & ProcessingCSCD北大核心CSTPCD
查看更多>>本刊是中国科协主管，由中国电子学会、中国仪器仪表学会所属信号处理学会，中国仪器仪表学会、中国物理学会所属微弱信号检测学会和南京航空航天大学联合主办，南京航空航天大学出版，向国内外公开发行的技术刊物。主要反映信号处理、测试工程和计算机应用的科技成果，为中文核心期刊，中国科技论文统计周期刊，中国科学引文数据库(CSCD)中文核心期刊统计源，并被美国Ei Page One数据库、俄罗斯《文摘杂志》、《中国电子科技文摘》、《中国无线电电子学文摘》、《计算机网用文摘》、《中国导弹与航天文摘》等多种国内外著名检索刊物列为统计源。并是“中国国防科技中文期刊文献数据库”和“中国学术期刊(光盘版)”的成员。
正式出版
收录年代

    高分辨率特征增强的无人机航拍小目标检测

    周璇葛琦邵文泽
    908-921页
    查看更多>>摘要：针对无人机航拍图像背景复杂、小尺寸目标分布密集等造成的检测精度低等问题,提出一种高分辨率特征增强的无人机航拍小目标检测算法.首先,提出了高分辨率特征增强网络,通过减少主干网络的下采样倍数来扩大输出特征图的尺度,同时引入双线性插值法来减少采样后特征信息的丢失,从而保留更多语义特征与细节特征.其次,在主干网络嵌入一种结合局部跨阶段结构的快速空间金字塔池化(Spatial pyramid pooling fast cross stage partial construction,SPPFCSPC)模块,增强局部与全局特征的信息融合,从而获得更大的感受野.最后,通过马赛克混合数据增强方法来增强图像背景的复杂度,提高模型的泛化能力.在公开数据集VisDrone 2019上的实验结果表明,与"你只需看一次"(You only look once,YOLO)系列等其他主流算法相比,本文算法的平均精度均值有显著的提高,在不同场景下均验证了本文算法的优越性,表明本文算法对无人机航拍图像的密集小目标检测任务有较强的实用性.

    小目标检测无人机航拍图像空间金字塔池化

      原文链接:
    • 万方数据
    • 维普

    融合多时间维度视觉与语义信息的图像描述方法

    陈善学王程
    922-932页
    查看更多>>摘要：传统的图像描述方法仅使用当前时刻的视觉信息和语义信息来生成预测词,而没有考虑过去时刻的视觉信息和语义信息,从而导致模型输出的信息在时间维度上比较单一,因此生成的描述语句在准确性上有所欠缺.针对此问题,提出一种融合多时间维度视觉与语义信息的图像描述方法,有效地融合了过去时刻的视觉信息和语义信息,并设计一种门控机制动态地对两种信息进行选择利用.在MSCOCO数据集上进行实验验证,结果表明该方法能够更准确地生成描述语句,和当前最主流的图像描述方法进行对比,性能在各项评价指标上都得到了可观的提升.

    图像描述视觉信息语义信息时间维度门控机制

      原文链接:
    • 万方数据
    • 维普

    基于感知推理和外部空间先验特征的图像修复

    吴鹏张孙杰王永雄陈远峰...
    933-943页
    查看更多>>摘要：在基于深度学习的图像修复算法中,当存在大面积掩码时,由于缺乏合理的先验信息指导,修复结果往往会出现伪影和模糊纹理等现象.针对此问题,提出将先验特征与图像预测滤波相结合的图像修复算法.该算法包含两个分支:图像滤波核预测分支和特征推理与图像滤波分支.从图像滤波核预测分支的解码器部分提取特征,利用多尺度外部空间特征融合对掩码区域特征进行重建,并传递给另一分支的解码阶段作为先验特征,为图像修复提供更为丰富的语义信息.然后,在特征推理和图像滤波分支部分引入空间特征感知推理块,它能够过滤掉分散注意力的特征,同时捕捉信息丰富的远距离图像上下文进行推理.最后,使用图像预测滤波核进行过滤消除伪影.在CelebA和Places2数据集上与其他修复网络进行对比实验,证明了该方法在修复质量上的优越性.

    图像修复先验特征图像预测滤波特征感知推理外部空间特征融合

      原文链接:
    • 万方数据
    • 维普

    融合细粒度特征编码的点云分类分割网络

    陶志勇豆淼森李衡林森...
    944-953页
    查看更多>>摘要：有效获取点云特征是分析和处理三维点云场景的关键.针对目前深度学习方法特征信息提取不充分,难以捕捉深层次语义信息的问题,提出了一种融合细粒度特征编码的网络来提高点云分类与分割任务的准确率.首先,特征提取模块包含2个子模块:一个是扩张图卷积模块,相比图卷积能够提取更丰富的几何信息;另一个是细粒度特征编码模块,能够获取局部区域的细节特征.其次,通过可学习参数将二者动态融合,有效地学习每个点的上下文信息.最后,将提取的所有特征相加,通过通道亲和注意力模块来强调不同通道,协助特征图来避免可能的冗余.在ModelNet40及ScanObjectNN数据集上进行点云分类实验,总体分类精度分别为93.3%和80.0%.在ShapeNet Part数据集上进行点云部件分割实验,平均交并比为85.6%.实验结果表明,与目前主流方法相比,该网络具有较优的性能.

    深度学习局部特征提取点云分类部件分割细粒度特征

      原文链接:
    • 万方数据
    • 维普

    一种基于特征融合的息肉分割双解码模型

    吴港全海燕
    954-966页
    查看更多>>摘要：在结直肠癌的早期筛查中,通过对结肠镜图像进行自动化的息肉检测和分割可以提高诊断效率和准确性.由于肠道内部环境的复杂性以及图像质量的限制,自动化的息肉分割仍然是一个具有挑战性的问题.针对这一问题,提出了一种基于Transformer和空洞卷积特征融合的息肉分割双解码模型(Dual decoded polyp segmentation model fusing Transformer and dilated convolution,FTDC-Net).该模型以ResNet50作为编码器,以便能够更好地提取图像深层次特征.使用 Transformer 编码模块,它的自注意力(Self-attention)机制能够捕捉输入之间的长距离依赖关系,模型中使用了不同的空洞卷积(Dilated-convolution)来扩大模型的感受野,让模型能捕捉到结肠镜图像更大范围内的信息.本文网络模型的解码部分使用双解码结构,包含一个自动编码器分支,自动编码器可以重构输入,另一个编码分支用于分割结果.模型中,自动编码器的输出被用于生成一个注意力图作为注意力机制,该图将被用于指导分割结果.在Kvasir-SEG和ETIS-LARIBPOLYPDB标准数据集上进行了实验验证,实验结果表明FTDC-Net能有效地分割出结肠息肉,相比目前主流息肉分割模型,在各项评价指标上均取得了较高的提升.

    息肉分割Transformer自注意力机制ResNet50空洞卷积

      原文链接:
    • 万方数据
    • 维普

    轻度认知障碍分类中全脑功能连接的特征压缩分析

    马佳吴海锋李顺良
    967-983页
    查看更多>>摘要：利用静息态功能磁共振成像技术获取脑区的功能连接(Functional connection,FC)被广泛地应用于轻度认知功能障碍(Mild cognitive impairment,MCI)的分类研究中.然而,全脑FC用于分类通常存在信息冗余和特征维度灾难问题,为此,提出一种"G-Lasso+特征压缩"的新方法来解决以上问题.首先,利用盲源分离技术获得全脑功能脑区的活跃信号时间序列,采用G-Lasso构建FC稀疏网络;其次,计算MCI患者、正常被试及所有被试在组平均上的稀疏FC,并结合欧氏距离进行簇Class 1～Class 3中心判决,获取簇间差异特征信息;最后,将每个被试的稀疏FC表达为簇中心的线性组合,获取压缩的FC作为关键特征完成分类.实验采用公开的数据库测试本文方法,结果表明,所提方法进行Class判决后获得簇间特征具有显著差异且提供了有效的标志信息,进一步压缩获取关键特征的分类准确率(89.8%)比仅使用稀疏方法提高了5%～10%.该结果表明,为了解决全脑FC存在的问题,需要考虑到特征选择和降维,但有诸多不确定因素信息,可以适当地将"稀疏+压缩"进行结合.

    功能连接稀疏网络轻度认知障碍特征压缩分类

      原文链接:
    • 万方数据
    • 维普

    多视图低秩子空间的图结构学习多站点自闭症诊断方法

    黄剑辉马迪张礼
    984-995页
    查看更多>>摘要：自闭症谱系障碍(Autism spectrum disorder,ASD)是一种最常见且具有遗传性的神经发育障碍疾病,具有社交沟通缺陷等多种症状.准确识别生物标记物对ASD的早期干预起到至关重要的作用.现有大量方法利用了多站点影像数据来增加样本量,从而提高了方法诊断的准确性,但是多站点间由于成像装置、成像参数和数据处理流程存在的差异造成的数据异质性影响往往被忽略.为了解决上述问题,本文提出了一种基于多视图低秩子空间的图结构学习多站点自闭症诊断方法(MVLL-GSL).首先构建具有不同拓扑结构信息的多视图脑网络,然后分别将视图中不同类的样本分别投影到各自的低秩子空间,从而降低数据异质性的影响,最后使用图结构学习和多任务图嵌入学习相结合,并融入先验子网络和多视图一致性正则化约束,旨在从多视图低秩子空间中获得更具判别性和一致性的特征.使用自闭症公开数据库 ABIDE(Autism brain imaging data exchange)对提出的方法进行验证.实验结果表明,MVLL-GSL方法提高了ASD的诊断性能,并解释了不同先验子网络与ASD发病机制的关联性.

    自闭症多站点多视图图结构学习低秩表示

      原文链接:
    • 万方数据
    • 维普

    基于注意力机制的CNN-LSTM网络下肢膝关节角度预测

    汤璐杨玺霖王祥瑞胡倩媛...
    996-1008页
    查看更多>>摘要：解析膝关节运动意图是实现下肢外骨骼机器人穿戴舒适性的核心.神经系统疾病患者常伴有下肢运动障碍,通过表面肌电信号对其进行运动评估.为实现上述患者在运动评估与关节角度预测的融合,本文提出一种新型的基于注意力机制的CNN-LSTM网络模型,通过10通道表面肌电信号实现水平行走、上坡和上楼梯时 3种日常运动膝关节角度预测,其预测误差指标均方根误差(Root mean square error,RMSE)、平均绝对误差(Mean absolute error,MAE)和决定系数(R2)均值分别为 2.74、2.50和 0.97,均优于传统网络模型.进一步,通过消融实验,显示上述 3个预测指标分别平均下降了20.47%、34.36%和6.59%.可见,本文提出的基于注意力机制的CNN-LSTM模型端到端预测方法具有最高的预测精度,为下肢外骨骼机器人系统的人机交互控制方案提供了参考.

    表面肌电信号CNN-LSTM模型注意力机制关节角度预测外骨骼机器人

      原文链接:
    • 万方数据
    • 维普

    基于时变滤波经验模态分解的非接触式心率变异性估计方法

    马骁卢晓光张喆索晨淏...
    1009-1019页
    查看更多>>摘要：民航从业人员的身体健康状况是影响航空安全的重要因素,其中呼吸和心跳是极其重要的健康状况表征.为解决接触式或穿戴式测量系统对人员工作时的局限与影响,可采用线性调频连续波(Frequency-modulated continuous wave,FMCW)雷达达到非接触式测量的目的.由于生命体征信号具有时变、非平稳的特点,针对经验模态分解(Empirical mode decomposition,EMD)在信号分解中存在模态混叠现象的问题,使用时变滤波经验模态分解(Time varying filtering based on EMD,TVF-EMD)自适应信号的局部截止频率,可有效提高信号分离性能,解决模态混叠问题.利用TVF-EMD分解出的本征模态函数(Intrinsic mode functions,IMF)分量重构心跳对应的时域信号,估计心跳信号的频率和心跳节拍间隔(Inter-beat interval,IBI),进一步对心率变异性(Heart rate variability,HRV)相关指标进行估计.仿真实验与实测数据处理结果表明,TVF-EMD可从毫米波雷达测量信号中有效分离出呼吸与心跳信号.同时,从模态混叠程度及信号分离性能两方面对TVF-EMD与EMD方法分解效果进行了仿真分析,结果表明TVF-EMD能够有效解决模态混叠问题.因此,TVF-EMD方法能够准确有效地从毫米波雷达测量信号中提取生命体征信息,为IBI估计和HRV分析提供准确的时域信息,具有广阔的应用前景.

    非接触测量毫米波雷达生命体征检测时变滤波经验模态分解心率变异性

      原文链接:
    • 万方数据
    • 维普

    提示学习框架下融合多层级特征信息的中文命名实体识别

    王昕魏楚元张蕾万珊珊...
    1020-1032页
    查看更多>>摘要：目前基于预训练-微调模式下的命名实体识别任务预训练与微调之间会出现差距,难以有效地对实体与上下文之间的关系进行建模,并且当前中文命名实体识别方法不能获取足够的字形或词义.针对上述问题,本文提出一种基于提示学习且融合多层级特征信息的命名实体识别方法.首先根据提示学习机制构建提示文本,再将输入文本的字符、词和实体级别特征信息与之拼接作为预训练模型的输入,以有效捕捉上下文之间的语义信息,缩小预训练模型与下游任务之间的差距,提高模型对命名实体识别的感知能力.本文提出的方法充分利用先验知识,提升模型的学习质量,提高在中文复杂多变语义环境下命名实体识别的效果.在人民日报、MSRA、Weibo、Resume和CMeEE数据集上的F1值分别达到了97.09%、96.68%、83.44%、97.48%和76.05%.实验结果表明,本文提出方法总体优于目前主流的中文命名实体识别方法.

    命名实体识别语义特征提示学习多层级特征信息

      原文链接:
    • 万方数据
    • 维普