检索结果-南通市图书馆

多因素影响下双时间尺度退化设备剩余寿命预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

哈尔滨工程大学学报 2023年

作者：耿鑫月郑建飞胡昌华李家垒裴洪火箭军工程大学解放军96901部队

针对双时间尺度退化设备在性能退化过程会受到内外部多重因素综合影响的问题，本文提出了一种考虑多因素影响的剩余寿命预测方法。首先通过transformer编码器学习单因素退化数据深层特征，然后将其输入到由transformer网络构建的剩余寿... 详细信息

针对双时间尺度退化设备在性能退化过程会受到内外部多重因素综合影响的问题，本文提出了一种考虑多因素影响的剩余寿命预测方法。首先通过transformer编码器学习单因素退化数据深层特征，然后将其输入到由transformer网络构建的剩余寿命(Remaining useful life， RUL)混合深度学习预测模型中，学习多因素数据间相关性及其中包含的寿命信息，进一步基于蒙特卡洛仿真获得RUL预测结果的区间估计。最后，通过锂电池的实例验证了所提方法有效提高了RUL预测的精度。

关键词：多因素影响双时间尺度 transformer网络 RUL预测不确定性量化 Dropout 蒙特卡洛仿真随机退化

双时间尺度下基于transformer的锂电池剩余寿命预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

空间控制技术与应用 2023年第4期49卷 119-126页

作者：耿鑫月胡昌华郑建飞裴洪火箭军工程大学陕西710025

准确预测锂离子电池剩余使用寿命对于掌握其健康状况和管理备件资源具有重要作用.现有锂电池剩余寿命预测方法大多局限于以循环次数为主的预测结果,本质上属于面向单一时间尺度的方法,忽略了锂电池健康状态受循环次数与工作时长双重时... 详细信息

准确预测锂离子电池剩余使用寿命对于掌握其健康状况和管理备件资源具有重要作用.现有锂电池剩余寿命预测方法大多局限于以循环次数为主的预测结果,本质上属于面向单一时间尺度的方法,忽略了锂电池健康状态受循环次数与工作时长双重时间尺度下的退化综合影响的现实问题.提出一种双时间尺度下基于transformer的锂电池RUL预测模型.该方法选取容量作为表征其性能退化的关键指标,通过Kalman滤波和滑动时间窗对电池容量数据进行处理获取训练集和测试集,有效提取双时间尺度中蕴含的寿命信息,并充分考虑不同时间尺度寿命信息间的相互关系,建立容量与双重时间尺度的映射关系,实现了锂电池在双时间尺度下的RUL准确预测.通过锂电池实例验证了所提方法的有效性和潜在应用价值.

关键词：深度学习双时间尺度 transformer网络 RUL预测

维普期刊数据库

基于TransEditor的轻量化人脸生成方法及其应用规范

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年第2期50卷 221-230页

作者：梁伟亮李悦王棚飞中国人民大学区块链研究院北京100872 深圳职业技术学院经济学院广东深圳518055 中华人民共和国应急管理部大数据中心北京100013

人脸生成可以将人脸的样式和头部的姿态进行组合,合成虚假的人脸图像,常用于性别转换、姿势修改等视觉任务。基于GAN的人脸生成方法大幅度提高了人脸生成的质量和可编辑性,但是这些生成方法网络结构复杂、计算资源需求大,很难直接应用... 详细信息

人脸生成可以将人脸的样式和头部的姿态进行组合,合成虚假的人脸图像,常用于性别转换、姿势修改等视觉任务。基于GAN的人脸生成方法大幅度提高了人脸生成的质量和可编辑性,但是这些生成方法网络结构复杂、计算资源需求大,很难直接应用于实际场景中。为了实现高效的人脸生成,提出了一种基于TransEditor的轻量化人脸生成方法,并探讨了相应的应用规范路径。在技术层面,首先,以TransEditor人脸编辑网络模型为基础,参考StyleGAN2等轻量化网络模型的生成器结构,设计了轻量化的人脸生成网络模型。其次,从生成损失、对抗损失、重建损失等方面分析了网络模型的损失函数,提出使用PReLU激活函数代替Softplus激活函数来提高生成器的生成效果。最后,大量实验证明,提出的基于TransEditor的轻量化人脸生成方法的LPIPS仅减少了0.0042,大幅度减少了模型的训练时间和参数量,提高了人脸生成模型的运行效率。在应用规范层面,需完善现有的规制措施,规范所提方法的使用,使技术进步更好地服务于社会发展。

关键词：人脸生成生成对抗网络 transformer网络轻量化应用规范

维普期刊数据库

融合快速边缘注意力的transformer跟踪算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2023年

作者：薛紫涵葛海波王淑贤安玉杨雨迪西安邮电大学电子工程学院

针对长期目标跟踪中出现模型退化和跟踪漂移的问题，提出了一种融合快速边缘注意力的transformer跟踪算法TransFEA(Fast Edge Attention on transformer，TransFEA)。使用ResNet-50作为Siamese网络的骨干网络，并在其每个残差块后端引... 详细信息

针对长期目标跟踪中出现模型退化和跟踪漂移的问题，提出了一种融合快速边缘注意力的transformer跟踪算法TransFEA(Fast Edge Attention on transformer，TransFEA)。使用ResNet-50作为Siamese网络的骨干网络，并在其每个残差块后端引入注意力网络进行特征提取，增强目标的关键信息和全局信息；边缘注意力网络(Edge Attention network，EA)提取模板与搜索区域的特征向量，快速注意力网络(Fast Attention network，FA)计算注意响应值，确定两个区域的相似度，以此调整目标位置。设计多层感知器预测边界框，避免过多超参数，使跟踪器实现了准确性与轻量化的平衡。实验结果表明，TransFEA在LaSOT数据集上成功率和准确率分别为65.3%、69.1%，运行可以达到90fps，提高了长期跟踪的成功率和准确率。

关键词： transformer网络边缘注意力网络快速注意力网络多层感知器

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于并行多注意力的语音增强算法

计算机工程 2023年

作者：张池王忠姜添豪谢康民四川大学电气工程学院国网浙江省电力公司温州供电公司

语音增强算法的鲁棒性对比人耳依旧有差距。人耳接收语音信息时可利用语音的全局相关性对信息进行采集，依旧可从受干扰的语音中恢复出语音所传递的信息。语音的频域特征比时域更加丰富，易于提取。针对此问题，提出一种基于并行多注意... 详细信息

语音增强算法的鲁棒性对比人耳依旧有差距。人耳接收语音信息时可利用语音的全局相关性对信息进行采集，依旧可从受干扰的语音中恢复出语音所传递的信息。语音的频域特征比时域更加丰富，易于提取。针对此问题，提出一种基于并行多注意力机制（PMAN）的编解码结构语音增强网络对受干扰语音进行频域增强。网络输入经过短时傅里叶变换的语音频域特征，包含振幅谱和复数谱。编码器使用密集卷积模块对输入数据信息进行整合，中间层的并行多注意力模块学习频域的局部以及全局信息，并融合局部注意力机制（LPA）捕捉语音频域二维结构，实现干净语音与干扰因素的二维层面的分离。解码器部分将学习到的信息进行整合，分别生成振幅掩模和复数频谱，通过加权求和生成最终的语音复数频谱。通过使用时域与频域联合损失函数实现相位信息的融入。与未使用注意力机制的算法相比，提出的算法增强效果有所提升。在VB-DEMAND语音数据集上进行实验结果表明：增强后的语音感知质量、短时可懂度和分段信噪比，相比于TSTNN网络分别提升10.8%，11.8%，1.05%。

关键词：语音增强频域多注意力 transformer网络并行模块

基于FEEMD算法对小样本电磁信号的识别与分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

国外电子测量技术 2023年第4期42卷 166-172页

作者：郭钰荣姚金杰白建胜温雪芳中北大学太原030051

针对当前小样本条件下电磁信号识别算法在不同信噪比下识别准确率较低的问题,提出了一种模糊熵限阈经验模态分解(fuzzy entropy empirical mode decomposition,FEEMD)算法进行电磁信号特征提取,提取表征明显的数据展开短时傅里叶变换(sh... 详细信息

针对当前小样本条件下电磁信号识别算法在不同信噪比下识别准确率较低的问题,提出了一种模糊熵限阈经验模态分解(fuzzy entropy empirical mode decomposition,FEEMD)算法进行电磁信号特征提取,提取表征明显的数据展开短时傅里叶变换(short time Fourier transform,STFT),然后选用transformer模型分类识别各制式信号。该算法采用8种不同制式的电磁信号分别在-10、-5、0、5、10 dB这5种信噪比下的识别准确率,确定了该网络的最优超参数。仿真结果表明,在5种信噪比下,2FSK、AM、ASK、SSB这4种调制信号识别率均超过90%,QAM16、QPSK和OFDM的准确率由30%~40%提升到了70%以上,由此表明了该算法的有效性和可实施性。

关键词：短时傅里叶变换 transformer网络 FEEMD算法信噪比

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

结合特征增强与模板更新的目标跟踪方法研究

结合特征增强与模板更新的目标跟踪方法研究

作者：刘焕西安工业大学

学位级别：硕士

目标跟踪作为计算机视觉领域的研究热点,旨在探索如何准确快速地捕获感兴趣目标运动状态,实现强鲁棒性的目标跟踪,相关技术方案可以广泛应用于安全监控、智能交通等诸多领域,具有重要的理论意义与应用价值。然而,现有跟踪方法大多缺乏... 详细信息

目标跟踪作为计算机视觉领域的研究热点,旨在探索如何准确快速地捕获感兴趣目标运动状态,实现强鲁棒性的目标跟踪,相关技术方案可以广泛应用于安全监控、智能交通等诸多领域,具有重要的理论意义与应用价值。然而,现有跟踪方法大多缺乏对全局信息的关注,不能充分利用深层和浅层信息。此外,单纯依赖初始帧的特征进行模板匹配,无法适应跟踪整体过程中目标持续发生外观变化的问题。尤其是对于航拍视角下获取的目标对象,存在目标信息量少等多种复杂因素,使得研究设计性能稳定的跟踪方法面临重大挑战。本文立足现实应用需求,针对典型跟踪方法存在的不足,基于孪生网络架构和transformer网络结构提出两种新的解决方案。论文的主要研究内容与创新性贡献如下。1)为了充分利用深层和浅层信息提高特征表征能力,并且更好适应目标外观变化,提出一种结合transformer特征增强与模板更新的目标跟踪方法(TUTrack)。首先,基于孪生网络架构特征提取网络对特征进行预提取,构建由通道注意力和transformer模块组成的特征增强网络,对预提取的特征向量进行上下文和通道上的显著性增强。然后,利用增强的特征信息通过分类回归网络实现目标状态估计。最后,设计模板更新策略,依据置信度得分有判断性地自适应更新样本模板。实验结果表明,提出的跟踪方法在典型基准数据集OTB100、La SOT和GOT-10k上取得了良好的跟踪性能,特别是在目标变化,背景干扰、运动模糊等复杂场景中具有较好的鲁棒性。2)为了获取更加丰富的全局上下文感知和时空信息,同时提高设计方案对航空领域微小目标的跟踪鲁棒性,提出一种基于transformer特征集成网络的目标跟踪方法(TFITrack)。文中结合transformer网络结构,在编码器中引入相似性计算层、时间上下文过滤层和双重注意力模块,用于聚合时空和全局上下文信息。相似性计算层和双重注意力模块可以加深特征之间的相似度,并进行通道与空间维度的校正,提高特征的表达能力。时间上下文过滤层用来自适应忽略不重要的特征信息,在保证跟踪性能的情况下减少模型计算参数量。实验结果表明,提出的跟踪方法在OTB100、La SOT、GOT-10k、DTB70、UAV123、UAV20L和UAV123@10fps七个基准数据集上具有较好的跟踪性能,特别是在具有视角变化明显、分辨率低、目标运动速度快等航拍挑战因素影响的情况下表现出更优良的鲁棒性。

关键词：目标跟踪卷积神经网络 transformer网络模板更新注意力机制

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非接触式生命体征状态识别的方法研究

非接触式生命体征状态识别的方法研究

作者：李佳琪华南理工大学

学位级别：硕士

生命体征检测根据检测方法分为接触式和非接触式。接触式检测需要将设备与人体进行直接接触,对使用环境和适用人群有所限制,且会对使用者的生活质量造成影响。而非接触式检测可以实现隔空甚至隔物检测,具有穿透性较强,探测距离较远,受... 详细信息

生命体征检测根据检测方法分为接触式和非接触式。接触式检测需要将设备与人体进行直接接触,对使用环境和适用人群有所限制,且会对使用者的生活质量造成影响。而非接触式检测可以实现隔空甚至隔物检测,具有穿透性较强,探测距离较远,受障碍物影响较小等优点,因而在自然灾害救援、医疗监测等领域越来越受到关注和欢迎。生命体征状态变化指的是被测者的呼吸率和心率发生变化,如突发心脑血管疾病导致心率迅速增加。为了及时检测到心率或呼吸率的变化(激增或骤降),本文使用多普勒雷达和transformer网络进行非接触式生命体征状态识别。本文所做主要工作如下:本文首先详细介绍了非接触式生命体征检测的现状,重点介绍多普勒雷达及其探测原理。根据其原理,使用频率分别为心率和呼吸率的两个正弦信号对心脏、胸腔的缩张进行建模,多普勒雷达接收的人体反射波受到上述两个叠加正弦信号的调制。本文提出了一种基于压缩感知理论的数据重建算法,以恢复雷达采样信号中的异常点、提高数据的可用性。该算法先使用孤立森林算法对采集数据的异常点进行检测并记录其位置信息,将去除异常点后的数据看作随机亚采样的低维信号,然后根据采样信号的时域平滑性和异常点的位置设计稀疏正交基和观测矩阵,这样就可以通过求解l范数优化问题来重建缺失数据。对于多普勒雷达采集的不同状态的生命体征信号,针对以往的神经网络学习方法大多数忽略了时序数据不同时刻间依赖性的问题,本文提出了一种使用transformer网络识别其状态的方法,使用二维卷积将数据分块并通过加入卡方偏置的多头注意力机制并行计算提取其特征,最后使用谱估计中的MUSIC(MUltiple SIgnal Classification)算法估计出数据的心率和呼吸率。为了验证所提出方法的有效性,本文使用MATLAB和PEM11002多普勒雷达进行了大量的仿真实验和实测实验,并比较了不同数据长度及信噪比对识别准确率的影响。该方法在实验中表现良好,成功识别出多普勒雷达收集的生命体征数据的状态,并找出每组的心率和呼吸率。实验结果表明,本文方法有较好的实时性和准确性。

关键词：非接触式生命体征检测多普勒雷达生命体征状态 transformer网络 MUSIC算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的单光纤局域散斑成像技术研究

基于深度学习的单光纤局域散斑成像技术研究

作者：陈永城天津理工大学

学位级别：硕士

多模光纤(Multimode Fiber,MMF)模式容量大,保密性好从而被广泛运用在通信和影像传输领域中。基于单根多模光纤的内窥镜尺寸纤细,分辨率高,可应用于工业和医疗领域的狭小空间成像。光在MMF中传输时,由于模式间的耦合、干涉、色散等混合... 详细信息

多模光纤(Multimode Fiber,MMF)模式容量大,保密性好从而被广泛运用在通信和影像传输领域中。基于单根多模光纤的内窥镜尺寸纤细,分辨率高,可应用于工业和医疗领域的狭小空间成像。光在MMF中传输时,由于模式间的耦合、干涉、色散等混合效应,导致传输状态高度可变,MMF输出光场呈现高度随机的颗粒状散斑分布,无法直接成像,需要从散斑光场中恢复出原始图像。所以,确定性的解析MMF端到端的光场映射关系显得尤为重要。然而,由于MMF传输过程中的模式混合效应以及夹带的噪声干扰,使得MMF的散斑往往包含了大量的冗余信息,对全局散斑光场进行特征提取与图像恢复会增加算法的复杂性且成像效率也会大大降低。为了提高散斑重构图像的质量和速度,我们提出了利用局域散斑光场进行图像恢复的方法,并利用深度学习的神经网络架构实现了高保真重构。主要研究工作包括以下两个方面:1.分析了MMF传输的点扩散传输理论,搭建了MMF图像传输光路,通过调节透射型空间光调制器(Spatial Light Modulator,SLM),将原始图像加载至光路中,利用Charge coupled Device(CCD)相机拍摄并获取了MMF前端和后端的光场图像。为了研究散斑光场的冗余特性,将采集到的全局散斑光场进行局域位置和局域面积的分割,建立了39种不同局域散斑的数据集。另外,为了研究散斑颗粒分布的随机性,通过提取随机坐标位置的散斑像素点,组成了两种随机像素重组散斑数据集。2.采用了基于transformer主体架构的Swin-Unet神经网络模型来对散斑图像进行恢复,研究了其对散斑特征全局关联和局部关注的特性,对41种局域散斑分别进行了图像的重构训练和测试,并与全局散斑恢复效果进行了对比。实验结果证明,局域散斑光场具有恢复原始图像的能力,其中散斑面积越大,越靠近中心的位置,所包含的有效特征信息越多。另外,散斑光场的有效特征信息分布具有随机性,随机重组散斑也可以很好的恢复出原始图像。因此利用局域散斑进行图像重构可简化网络的复杂度,减少运算资源。

关键词：散斑成像多模光纤深度学习 transformer网络