检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

微弯光纤感知心动周期研究

中国激光 2024年第13期51卷 204-213页

作者：蒋治国马佳宁钱淑霞王超超张先超嘉兴学院浙江省医学电子与数字健康重点实验室浙江嘉兴314001 北京邮电大学信息与通信工程学院北京100876 嘉兴学院附属第二医院神经内科浙江嘉兴314000 嘉兴学院生命健康智能感知浙江省工程研究中心浙江嘉兴314001

心动周期的检测对心血管疾病的诊断和分析有重要意义。该研究通过微弯光纤传感器获取心冲击图(BCG)以进行心动周期检测,主要包括BCG光纤感知、BCG波形提取和BCG特征识别三个过程。针对微弯光纤传感器采集的人体微弱振动信号,提出基于平... 详细信息

心动周期的检测对心血管疾病的诊断和分析有重要意义。该研究通过微弯光纤传感器获取心冲击图(BCG)以进行心动周期检测,主要包括BCG光纤感知、BCG波形提取和BCG特征识别三个过程。针对微弯光纤传感器采集的人体微弱振动信号,提出基于平滑先验滤波联合改进型变分模态分解的BCG波形提取算法,平滑先验滤波可有效抑制低频趋势项,结合中心频率与相关性分析的改进型变分模态分解可有效抑制高频噪声干扰,BCG波形主要特征能够完整保留;提出一种借助幅度特征、峰值时间间隔等先验信息定位特征峰的BCG特征识别算法,采集5位受试者的BCG-心电图(ECG)信号,以ECG的心动周期为标准,通过该算法从BCG中获取心动周期的误差的标准差最大为0.0287 s,平均心率的误差为0.69%,优于短时能量、模板匹配和均值聚类三种特征定位算法。该BCG波形提取和BCG特征识别算法能从微弯光纤传感器获取的微弱心肺振动信号中有效提取心动周期。

关键词：光纤传感心冲击图心动周期特征识别

基于感受野扩展残差注意力网络的图像超分辨率重建

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第5期44卷 1579-1587页

作者：郭琳刘坤虎马晨阳来佑雪徐映芬湖北大学人工智能学院武汉430062 智能感知系统与安全教育部重点实验室武汉430062 智慧政务与人工智能应用湖北省工程研究中心武汉430062

针对现有残差网络存在残差特征利用不充分、细节丢失的问题,提出一种结合两层残差聚合结构和感受野扩展双注意力机制的深度神经网络模型,用于单幅图像超分辨率(SISR)重建。该模型通过跳跃连接形成两层嵌套的残差聚合网络结构,对网络各... 详细信息

针对现有残差网络存在残差特征利用不充分、细节丢失的问题,提出一种结合两层残差聚合结构和感受野扩展双注意力机制的深度神经网络模型,用于单幅图像超分辨率(SISR)重建。该模型通过跳跃连接形成两层嵌套的残差聚合网络结构,对网络各层提取的大量残差信息进行分层聚集和融合,能减少包含图像细节的残差信息的丢失。同时,设计一种多尺度感受野扩展模块,能捕获更大范围、不同尺度的上下文相关信息,促进深层残差特征的有效提取;并引入空间-通道双注意力机制,增强残差网络的判别性学习能力,提高重建图像质量。在数据集Set5、Set14、BSD100和Urban100上进行重建实验,并从客观指标和主观视觉效果上将所提模型与主流模型进行比较。客观评价结果表明,所提模型在全部4个测试数据集上均优于对比模型,其中,相较于经典的超分辨率卷积神经网络(SRCNN)模型和性能次优的对比模型ISRN(Iterative Super-Resolution Network),在放大2倍、3倍、4倍时的平均峰值信噪比(PSNR)分别提升1.91、1.71、1.61 dB和0.06、0.04、0.04 dB;视觉效果对比显示,所提模型恢复的图像细节纹理更清晰。

关键词：图像超分辨率残差网络感受野深度学习注意力

嵌入混合注意力机制的Swin Transformer人脸表情识别

在线全文

学校读者我要写书评

暂无评论

西北大学学报（自然科学版） 2024年第2期54卷 168-176页

作者：王坤侠余万成胡玉霞安徽建筑大学电子与信息工程学院安徽合肥230601 安徽省古建筑智能感知与高维建模国际联合研究中心安徽合肥230601

人脸表情识别是心理学领域的一个重要研究方向,可应用于交通、医疗、安全和刑事调查等领域。针对卷积神经网络(CNN)在提取人脸表情全局特征的局限性,提出了一种嵌入混合注意力机制的Swin Transformer人脸表情识别方法,以Swin Transforme... 详细信息

人脸表情识别是心理学领域的一个重要研究方向,可应用于交通、医疗、安全和刑事调查等领域。针对卷积神经网络(CNN)在提取人脸表情全局特征的局限性,提出了一种嵌入混合注意力机制的Swin Transformer人脸表情识别方法,以Swin Transformer为主干网络,在模型Stage3的融合层(Patch Merging)中嵌入了混合注意力模块,该方法能够有效提取人脸面部表情的全局特征和局部特征。首先,层次化的Swin Transformer模型可有效获取深层全局特征信息。其次,嵌入的混合注意力模块结合了通道和空间注意力机制,在通道维度和空间维度上进行特征提取,从而让模型能够更好地提取局部位置的特征信息。同时,采用迁移学习方法对模型网络权重进行初始化,进而提高模型的精度和泛化能力。所提方法在FER2013、RAF-DB和JAFFE这3个公共数据集上分别达到了73.63%、87.01%和98.28%的识别准确率,取得了较好的识别效果。

关键词：表情识别 Transformer 注意力机制迁移学习

面向激光测振应用的改进相位生成载波解调算法

在线全文

学校读者我要写书评

暂无评论

光子学报 2024年第1期53卷 42-56页

作者：蒋翌超顾劭傑张刚许林广葛强吴许强俞本立安徽工程大学电气工程学院芜湖241000 安徽工程大学数理与金融学院芜湖241000 安徽大学信息材料与智能感知安徽省实验室合肥230601

为了解决相位生成载波解调方案应用于激光测振技术时,系统中存在的非线性失真问题,提出一种改进相位生成载波解调算法。该算法采用低频、大幅值的相位调制和迭代重加权椭圆特殊拟合对两路含有非线性误差的正交信号进行校正以抑制非线性... 详细信息

为了解决相位生成载波解调方案应用于激光测振技术时,系统中存在的非线性失真问题,提出一种改进相位生成载波解调算法。该算法采用低频、大幅值的相位调制和迭代重加权椭圆特殊拟合对两路含有非线性误差的正交信号进行校正以抑制非线性失真。其中,低频相位调制由三角波信号驱动压电换能器生成,确保小信号情况下椭圆拟合结果的准确性。迭代重加权椭圆特殊拟合可以减小离群数据的影响并避免拟合结果退化为双曲线,具有精度高、鲁棒性好和计算效率高的优点。实验结果表明改进相位生成载波解调算法可以有效抑制激光测振实验系统的非线性失真,在不同相位调制深度(0.8~3.4 rad)下解调信号的信纳比和总谐波失真稳定,对应的标准差分别为0.55 dB和0.03%。系统的响应线性度优于99.99%,动态范围可达103.9 dB@500 Hz,总谐波失真为1%且工作频宽为20~8000 Hz。与传统相位生成载波解调方案相比,该算法不仅显著抑制了非线性失真,还克服了椭圆拟合算法在小信号下无法工作的缺点。

关键词：激光测振技术相位生成载波解调算法低频调制迭代重加权椭圆特殊拟合非线性失真

磁场诱导的TmFeO_(3)单晶自旋重取向

在线全文

学校读者我要写书评

暂无评论

物理学报 2024年第1期73卷 306-312页

作者：王宁黄峰陈盈朱国锋苏浩斌郭翠霞王向峰福州大学机械工程及自动化学院福建省太赫兹功能器件与智能传感重点实验室福州350108 CAD/CAM福建省高校工程研究中心(莆田学院) 莆田351100 智能配电网装备福建省高校工程研究中心福州350108 福州大学物理与信息工程学院福州350108

TmFeO_(3)具有磁光效应、多铁性和自旋重取向等丰富的物理特性,在凝聚态物理和材料物理领域具有重要的研究价值.本文利用时域太赫兹低温磁光谱,研究TmFeO_(3)单晶在1.6 K温度下自旋共振频率随外加磁场的变化规律,并表征其内部复杂的相... 详细信息

TmFeO_(3)具有磁光效应、多铁性和自旋重取向等丰富的物理特性,在凝聚态物理和材料物理领域具有重要的研究价值.本文利用时域太赫兹低温磁光谱,研究TmFeO_(3)单晶在1.6 K温度下自旋共振频率随外加磁场的变化规律,并表征其内部复杂的相互作用.结果表明,随磁场增加TmFeO_(3)单晶的准铁磁共振向高频移动,而准反铁磁共振在临界磁场(2.2—3.6 T)转变为准铁磁共振,通过磁结构分析和理论拟合,证实单晶磁矩发生了磁场诱导的自旋重取向.本研究有助于深入理解稀土正铁氧体在外磁场、温度场综合作用下,内部磁结构的调控机制,开发相关的自旋电子学器件.

关键词：太赫兹稀土正铁氧体铁磁共振自旋重取向

维普期刊数据库博看期刊

精密单点定位场景下基于动态多路径半天球图模型的多径效应抑制

在线全文

学校读者我要写书评

暂无评论

太原理工大学学报 2024年

作者：赵锦华赵菊敏李灯熬毋凡铭太原理工大学电子信息与光学工程学院大数据融合分析与应用山西省重点实验室山西省智能感知工程研究中心太原理工大学计算机科学与技术学院(大数据学院)

多径效应作为伪距观测和载波相位观测过程中的重要误差来源，严重影响复杂环境下的精密单点定位精度。传统多路径半天球图模型（Multipath Hemispherical Map，MHM）是一种利用多径信号空间重复性特点进行多径建模并抑制多径效应的方法... 详细信息

多径效应作为伪距观测和载波相位观测过程中的重要误差来源，严重影响复杂环境下的精密单点定位精度。传统多路径半天球图模型（Multipath Hemispherical Map，MHM）是一种利用多径信号空间重复性特点进行多径建模并抑制多径效应的方法，该模型对接收机周围的多径误差进行建模用于后续观测日的多径实时校正，提高残差划分网格的分辨率是提升模型中多径校正值精度的普遍手段，但这不仅增大了计算成本，也使得许多网格中的残差数量太少从而导致残差均值结果可靠性下降。针对该问题，提出动态多路径半天球图模型（Dynamic Multipath Hemispherical Map，D-MHM）进行两次多径建模，通过设置残差阈值来保证网格的残差数量充足，在使用较高分辨率网格建模得到的高精度多径校正值基础上，在第二次建模时对不满足阈值未被建模的区域使用较低分辨率网格进行建模，避免多径校正时因对应网格的校正值缺失而导致多径校正率下降的问题。首先介绍了从观测结果中提取多径残差的过程，然后探究了网格分辨率等参数对D-MHM建模效果的影响，最后评估了它在多径残差校正率和定位精度改善方面的性能。实验结果表明，相较于MHM，使用D-MHM模型在多径残差的校正性能方面可以提升大约7.7%，东、北、天三向的定位精度改善效果分别可以提升8.1%、5.6%、6.7%。该方法在接收机周围的信号环境探测与地震波监测等领域也有重要价值。

关键词： GNSS 精密单点定位多路径效应残差阈值动态模型

光学自旋角动量的调控机理及研究进展(特邀)

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光学学报 2024年第10期44卷 23-46页

作者：苟新鑫李松泽石鹏袁小聪深圳大学射频异质异构集成全国重点实验室微纳光电子学研究院纳米光子学研究中心广东深圳518060 之江实验室智能感知研究院浙江杭州311100

自旋角动量是基本粒子和场的一个基本的动力学物理量,它在光与物质相互作用中扮演着极其重要的角色。在光学研究中,光的自旋角动量与圆极化密切相关,通过研究光学自旋与物质或结构的相互作用产生了许多新颖有趣的光学现象和光学应用,并... 详细信息

自旋角动量是基本粒子和场的一个基本的动力学物理量,它在光与物质相互作用中扮演着极其重要的角色。在光学研究中,光的自旋角动量与圆极化密切相关,通过研究光学自旋与物质或结构的相互作用产生了许多新颖有趣的光学现象和光学应用,并诞生了自旋光学这一新兴学科。过去的研究中,研究人员主要聚焦在与平均波矢方向平行的纵向光学自旋。近年来,科研人员通过研究限制场如聚焦波、导波和倏逝波等的自旋轨道耦合性质,发现了一类新型的光学自旋,这类自旋与平均波矢方向垂直,因此被称为光学横向自旋。横向自旋具有自旋动量绑定的性质,一经发现便受到研究人员的广泛关注。横向自旋的发现拓展了光学自旋轨道相互作用的内容,并在光学操纵、光学精密检测、手性量子光学和光学自旋拓扑态等领域具有广阔的应用前景。本文从理论、实验技术和应用3个方面详细介绍自旋光学的最新进展。自旋光学的理论概念和框架可为研究人员进一步开拓基于光学自旋在光学成像、光学探测、光通信和量子技术等领域的应用发挥巨大的作用,同时也可拓展到一般经典波场,比如流体波、声波和引力波等。

关键词：物理光学自旋角动量自旋动量绑定自旋轨道耦合光学微分计算光学探测横向光学力

基于深度强化学习的含智能软开关配电网电压控制方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

高电压技术 2024年第3期50卷 1214-1224,I0023页

作者：朱振山张新炳陈豪福州大学电气工程与自动化学院福州350108 智能配电网装备福建省高校工程研究中心福州350108

大量分布式新能源接入给配电网运行带来了电压越限和网损增加等一系列问题。提出了一种基于多智能体强化学习的无模型电压控制策略,通过协调光伏逆变器、分布式储能和智能软开关以降低网损、消除电压越限。针对传统电压控制策略对配电... 详细信息

大量分布式新能源接入给配电网运行带来了电压越限和网损增加等一系列问题。提出了一种基于多智能体强化学习的无模型电压控制策略,通过协调光伏逆变器、分布式储能和智能软开关以降低网损、消除电压越限。针对传统电压控制策略对配电网精确的模型参数依赖性强的问题,提出了基于高斯过程回归的潮流替代模型,通过多智能体与潮流替代模型交互实现无模型的离线训练和在线应用。同时提出了一种基于随机加权三重Q学习的多智能体深度强化学习算法,能够进一步降低柔性演员-评论家算法的高低估误差,提升算法探索能力和收敛结果。最后在IEEE33节点系统上的仿真结果,验证了所提方法在解决配电网分布式电压优化控制问题上的有效性。

关键词：深度强化学习电压控制智能软开关多智能体配电网高斯过程回归

不均衡小样本下多特征优化选择的生命体触电故障识别方法

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第7期39卷 2060-2071页

作者：高伟饶俊民全圣鑫郭谋发福州大学电气工程与自动化学院福州350108 智能配电网装备福建省高校工程研究中心福州350108

针对现有的剩余电流保护装置无法有效识别触电事故的问题,该文提出了一种不均衡小样本下多特征优化选择的生命体触电故障识别方法。首先通过变分自编码器(VAE)对实验收集到的生命体触电小样本数据进行增殖以实现正负样本均衡;然后在时... 详细信息

针对现有的剩余电流保护装置无法有效识别触电事故的问题,该文提出了一种不均衡小样本下多特征优化选择的生命体触电故障识别方法。首先通过变分自编码器(VAE)对实验收集到的生命体触电小样本数据进行增殖以实现正负样本均衡;然后在时域上提取能够反映波形动态变化特性的23个特征量,并利用高斯核Fisher判别分析(GKFDA)与最大信息系数(MIC)法从中选择最优表达特征组;最后,提出基于遗忘因子的在线顺序极限学习机(FOS-ELM)算法实现生命体触电行为的鉴别。实验结果表明,所提方法利用不均衡小样本触电数据集就可以训练出一个优秀的分类模型,诊断准确率可达98.75%,诊断时间仅为1.33 ms。其优良的性能结合在线增量式学习分类器设计,使得模型具备新知识学习能力,具有极好的工程应用前景。

关键词：剩余电流保护装置生命体触电故障多特征优化选择基于遗忘因子的在线顺序极限学习机(FOS-ELM) 不均衡小样本