2022年电子、通信与自动控制
传统视频压缩编码方法被广泛使用,为了进一步提高压缩性能,基于深度学习的视频压缩编码方法的研究日益受到关注。现有深度学习的视频压缩编码方法基于光流实现运动补偿,在光流对齐过程中会产生伪影现象,降低了预测的准确性。文中提出了深层特征域的运动估计思路,设计了相应的神经网络在深层特征域提取运动信息。在此基础上,提出了多层多假设预测的运动补偿网络,通过在深层特征域、浅层特征域以及像素域3个层次使用多假设预测模块,提升运动补偿的准确性,提高整体的率失真性能。仿真结果表明,文中算法帧间预测结果减缓了伪影现象,视觉效果明显优于光流对齐。同时,文中算法与传统H.264、H.265方法和基于深度学习的单帧参考方法DVC、DVCpro相比,在高比特率和低比特率的情况下均取得了较好的率失真性能。与研究前沿的DCVC方法相比,在率失真性能相近的同时,文中算法减少了约26.8%的编码时间。以H.264编码结果为基准,于相同比特率条件下,文中算法在HEVC测试序列ClassB、ClassD、ClassE上的解码质量分别提升3.73、4.76、2.65 dB。由仿真实验结果可知,文中算法对视频序列进行压缩编码时,提高了运动补偿预测帧的准确度,降低了预测误差,缩短了残差信号压缩编码码流,提升了整体的率失真性能。
针对频率选择表面单元的面积大、带宽窄、阻带抑制度不高、低入射角度以及阻带窄的问题,提出了一种基于3层对称叉指微带、两层方形耦合环以及4层介质层组成的三阶超宽阻带小型化单元频率选择表面单元结构。将三阶超宽阻带小型化单元频率选择表面单元中的对称叉指结构等效为电容、方形耦合环等效为电感、介质层等效为分布参数的短截线,得到了具有集总参数和分布参数的混合参数等效滤波电路。通过电路理论计算得到该混合参数等效电路具有三阶切比雪夫带通滤波器的频率响应特性以及超宽阻带的频率特性。采用电路理论计算和电磁仿真软件HFSS相结合设计了三阶超宽阻带小型化单元频率选择表面,理论计算的结果与电磁仿真软件HFSS仿真的结果相吻合,且具有三阶带通滤波器和超宽阻带的频率响应特性曲线。设计的超宽阻带小型化频率选择表面单元尺寸为6 mm×6 mm,厚度为7 mm。加工了41×41单元三阶超宽阻带频率选择表面,并测试了其频率特性。测得频率选择表面的中心频率为2.48 GHz,相对带宽为11.2%,带内插入损耗小于0.5 dB,带内回波损耗大于18 dB,阻带超过55 GHz,从2.8 GHz到55 GHz的频率范围阻带内抑制度大于25 dB,在0°到70°的入射角度内所设计的频率选择表面具有较好的频率稳定性。实测和仿真结果吻合较好,表明了设计方法和三阶频率选择表面结构的正确性。
表面肌阻抗图(sEIM)是肌肉失衡与肌肉疾病状态评估中的重要手段。表面电极获取的皮下多层组织阻抗混合信号包含众多冗余成分。为了提升sEIM检测对目标肌肉状态变化的敏感性,文中将sEIM获取的混合信号作为盲信号,肌肉层阻抗值作为源信号,提出了一种基于阻抗等效分析和盲源分离的肌肉层阻抗分离方法。首先,建立肢体多层圆柱体有限元模型,采用灵敏度方法计算各组织层的阻抗贡献,用于排除冗余微弱信号,并将其等效为以肌肉为目标组织的盲源分离问题;然后,通过数值仿真和在体实验,比较了独立成分分析法、主成分分析法和等变化自适应独立分离法(EASI)的分离效果,获得最优方案并验证方法的可行性。结果显示,采用EASI分离肌肉层阻抗的方法,相关系数大于0.98,抗噪性约为0.8,串音误差收敛于0.876,在体实验中分离的肌肉层阻抗值符合人体阻抗特性规律,表明采用EASI的肌肉层阻抗分离方法能够较好地分离sEIM中肌肉层阻抗值,可用于提升检测目标的肌肉状态变化敏感性。
近年来“低小慢”无人机的过快增长,肆意飞行严重威胁了城市安防和公众安全。如何在复杂低空环境下有效地定位“低小慢”无人机,成为亟待解决的社会问题。由于雷达、光电探测等手段存在盲区、辐射强度弱等问题,导致近距离定位效果不理想。声学定位因其传感器成本低,阵列布放形式灵活,近距离定位误差较小,有效地补充了雷达、光电等定位方法的缺陷。文中对无人机声学定位方法进行了综述,分析了无人机噪声的频谱,发现这些噪声信号具有很强的线谱结构,这些线谱具有丰富的谐频成分和很高的信噪比,且抗干扰能力较强。首先结合旋翼噪声的声学特性得出了从时域角度和频域角度定位无人机的可行性;接着介绍了声学定位方法的原理,并给出了算法仿真结果,比较了时域和频域定位方法的均方根误差;然后统计了近年来国内外高校基于声学定位的低空无人机的实现方法,发现基于到达时间差(TDOA)的平面阵列使用最广,定位效果较好;最后对未来低空无人机声学定位进行了展望。
对称型双向放大器的接收、发射模式采用相同的放大核心,能够降低匹配网络结构的复杂度,减小芯片面积。为进一步降低对称型双向放大器芯片的面积,文中提出了一种融合不同工作状态下晶体管寄生参数的双向匹配技术,探明了在不同偏置状态下硅基晶体管的节点阻抗变化与匹配电路阻抗的映射关系;基于德国IHP微电子研究所0.13 μm SiGe BiCMOS工艺,采用该匹配技术,设计了一款207~215 GHz高增益、无开关式对称型双向放大器,该放大器通过对电路偏置的切换来实现消除通信系统中单刀双掷开关的目的。文中通过对芯片版图的镜像对称性进行优化来保证该双向放大器正向和反向性能的一致。全波电磁仿真和电路仿真结果表明:在工作频段内该双向放大器每个通道的最大增益为28.6 dB,最小噪声系数为16 dB,双向匹配网络的输入、输出反射系数S11和S22的最小值分别为-13.6 dB、-15.5 dB,芯片功耗为63 mW,核心面积仅为0.17 mm2,说明该双向匹配网络在节省芯片面积的同时,能够实现优良的输入输出和噪声匹配效果;文中设计的无开关式硅基双向放大器可实现200 GHz以上的工作频率,具有高增益和面积紧凑的特点。该双向放大器极大地缩小了芯片面积,降低了射频前端成本,可应用于太赫兹微系统。
为应对复杂的水声信道环境,提高信道均衡算法的收敛速度和误码率性能,文中提出了一种零值吸引稀疏控制成比例最小误码率判决反馈均衡算法。该算法在稀疏控制成比例最小误码率判决反馈均衡算法的基础上,通过在目标函数中加入近似l0范数的稀疏约束,迫使均衡算法在迭代过程中将幅值小的均衡器抽头向零值吸引,以加快均衡算法的初始收敛速度;同时在信道均衡过程中引入锁相环技术,以消除抖动相位噪声带来的影响。传统的锁相环技术都是基于最小均方误差准则的,但现有文献和相关实验仿真已经证明,当系统的均方误差最小时,误码率不一定最小。针对此问题,文中提出了一种基于最小误码率准则的锁相环相位追踪算法,并将其嵌入稀疏均衡算法中。在Matlab平台上,分别在实际采集的静态水声信道和实际时变水声信道条件下进行了实验,结果表明:加入近似l0范数约束的稀疏控制成比例最小误码率判决反馈均衡算法,在没有时变相位噪声影响下的收敛速度更快;在有时变相位噪声影响的信道条件下,基于最小误码率准则的锁相环相位追踪算法相较于基于最小均方误差准则的锁相环相位追踪算法,收敛速度更快,误码率性能更优。
针对中大型机械臂拖动示教中迟滞和难以精细化操作、控制困难等问题,提出一种基于位置跟踪器的机器人快速示教系统。首先,位置跟踪器接收端被固定在机械臂末端,对其进行坐标系数学建模;其次,分别推导了机器人基坐标系-末端坐标系和位置跟踪器发射端坐标系-接收端坐标系的变换关系,给出了采用基于四元数的求解位置跟踪器发射端坐标系与机器人基坐标系的变换关系的方法;最后,在标定完成后可将位置跟踪器接收端当成示教笔用于机器人示教工作。根据位置跟踪器接收端坐标系与机器人基座标系的变换关系即可将位置跟踪器接收端的位姿转换成机器人基坐标系下的位姿,无需拖动机器人即可快速完成机器人示教,获取路点信息;此外,位置跟踪器接收端相比机器人末端更轻便小巧。在一些需要在小范围示教场景下,使用位置跟踪器接收端进行示教工作比人工拖动机器人更加方便、高效。在验证测试中,采用大象公司的E系列工业机器人和美国Ascension公司的trakStar位置跟踪器搭建了快速示教系统,分别进行了误差实验和喷涂应用场景下的轨迹示教实验。实验结果表明,基于位置跟踪器接收端位姿计算得到的机器人末端位姿中,旋转角误差绝对值不超过0.8°,平移误差绝对值小于2.5 mm,能够满足实际的机器人快速示教需求。
手动分割核磁共振成像(MRI)图像中的脑肿瘤区域费时、费力,容易受个人主观性的影响,能够可靠、高效的半自动或自动分割脑肿瘤,对于医学辅助诊断尤为重要。近年来,基于卷积神经网络的脑肿瘤图像自动分割方法虽然取得了长足进步,但现有方法仍未能有效地融合肿瘤图像大尺度轮廓和小尺度纹理细节等方面特征,忽略了训练时丰富的全局上下文信息。针对这些问题,文中提出了一种多尺度轻量级脑肿瘤图像分割网络MSL-Net。首先,利用改进的分层解耦卷积替换U-Net网络中的基础卷积,在高效探索多尺度多视图空间信息的同时扩大了感受野;然后,在跳跃连接处引入双向加权空洞特征金字塔结构以融合多尺度特征,并使用结合了广义Dice损失函数和Focal损失函数的混合损失函数,以提升肿瘤和非肿瘤区像素数量不平衡情况下的分割精度并加快收敛速度。在BraTS 2019数据集上的实验结果表明:文中所提出的MSL-Net网络在整体肿瘤区、核心肿瘤区和增强肿瘤区的Dice相似系数分别为0.900 3、0.830 6和0.777 0,参数量和计算量(每秒浮点运算次数)分别为3.9×105和3.16×1010;与目前先进的方法相比,文中方法在实现轻量化的同时获得高的分割精度。
针对相关延迟移位键控系统(CDSK)传输效率较差的缺点,设计出一种基于施密特正交降噪改进型多用户多进制相关延迟移位键控(NR-I-MUMA-CDSK)混沌通信系统。该系统在发送端利用施密特正交化产生N组不同的正交混沌序列,将产生的序列分别复制P次,结合多进制信息映射和多载波技术,使每个用户可以携带K个数据比特,并设计将N个用户信息通过N个不同正交混沌信号承载叠加后,在一条载波上进行传输,提升系统的传输速率和能量效率。接收端采用滑动平均滤波器处理信号,使噪声方差由N0/2降低至N0/2P,减小噪声干扰,进而减小系统误码率。对该系统在加性高斯白噪声(AWGN)信道和Rayleigh衰落信道下分别进行了理论公式推导和系统仿真分析。结果显示,相比CDSK文中系统提高了系统的信息传输速率和能量效率,且信息传输速率随N和K不断提升,同时随着K的增加,平均比特能量减少了接近100%。文中还对不同参数对系统误码率的影响进行仿真验证,结果表明系统误码率在两种信道下,均与P和进制数M成反比,与N和R成正比,与理论公式推导结果一致;同时在Rayleigh衰落信道下对路径数L和不同路径增益下进行仿真,验证了路径数和路径增益对误码率的影响。相较于多种混沌通信系统,文中系统误码率大大降低,且系统误码率随着M的增大而减小,证明了该系统具有很好的理论价值及实际工程意义。
在带有透镜天线阵列的毫米波大规模多输入多输出系统中,由于射频链路远少于天线数量,因而需要从低维的有效观测信号中通过信道估计恢复出高维信道。当前的信道估计方法基本上利用波束空间信道的稀疏性,将信道估计转化为压缩感知问题再采用不同方法进行估计。针对近似消息传递(AMP)算法在信道估计时需要信道先验信息的局限性,文中提出了一种改进的信道估计算法。首先基于AMP算法推导出新的噪声项并使用卷积神经网络进行拟合,然后将迭代去噪过程展开成深度网络来求解观测信号到信道的线性逆变换,最后将初步估计到的信道通过去残留噪声网络进一步优化。此外,文中引入了可控制参数来增加信道估计过程的灵活性,并通过感知矩阵与其他网络参数的联合训练来提高信道的估计精度。文中从信道的估计精度和系统传输质量两方面对所提算法进行验证,在Saleh-Valenzuela信道模型上进行理论公式推导和系统仿真分析。仿真结果表明,与传统算法相比,文中提出的算法具有较少的模型参数和计算量,并且提高了信道估计精度和通信系统的传输质量。
为了提高面向可疑中继网络的合法窃听性能,增强合法监测中心对通信网络的监管能力,针对由单根天线的可疑节点和多根天线的合法监听者组成的合法监听模型,提出了先窃听后干扰窃听(EJS)、两时隙持续窃听(CES)和先干扰后窃听(JES)3种窃听方案,推导了相应的可疑中断概率、窃听非中断概率和平均窃听速率的闭式表达式。特别地,在EJS和JES方案中,求解了最大化平均窃听速率的优化问题,给出了合法监听者采用单天线发射干扰信号的发射信噪比(SNR)的近似最优解表达式。结合前述3种方案的优势,在合法监听者与可疑节点之间的链路部分可用和全部可用的场景下,设计了基于最大化窃听非中断概率的最优窃听模式选择方案(OEMS),通过比较上述3种方案的窃听非中断概率,选择最高窃听非中断概率值对应的方案作为窃听手段,从而实现最佳的监听性能。仿真结果表明,在合法监听者更靠近可疑中继时,与EJS方案相比,CES和JES方案在低信噪比区域分别具有更高的窃听非中断概率和窃听速率,而且所提的OEMS能达到最优的窃听性能,同时具有更好的场景适应性。在同等条件下,与采用单天线的监听者相比,采用双天线的监听者具有如下优势:为实现持续监听,其干扰信号发射功率可降低15 dB左右;EJS和JES方案的平均窃听速率在低SNR区域最高可提升0.8 bits/(s·Hz)左右。因此,增加合法监听者的天线数量不仅能节省总的发射功耗,还可增强其监听能力。
蒸汽湿度的精确测量对维护汽轮机的稳定性有重大意义,而蒸汽湿度的测量又受水膜厚度的影响。为了解决圆柱腔内壁水膜厚度的测量问题,基于介质加载圆柱谐振腔内谐振频率随介质厚度变化的原理,提出一种用于测量圆柱腔内壁介质厚度的新方法。根据介质加载圆柱波导所满足的麦克斯韦方程组和边界条件,推导了填充双层介质圆柱波导的特征方程。在给定介质厚度的情况下,根据特征方程给出了传播模式的相位常数和波导工作频率间的关系;基于推导的特征方程,建立了圆柱腔内壁介质厚度和谐振频率值之间的关系模型。应用MATLAB软件进行数值求解,得到不同介质、不同厚度下对应的谐振频率。在与数值求解设定的同等参数下,利用HFSS软件仿真分析了双层介质加载圆柱腔对应的谐振频率。将仿真数据和理论计算数据进行对比,结果表明随着介质厚度的增加,两者都呈平行下降趋势,且谐振频率频偏与介质厚度呈线性关系的规律,验证了该方法的可行性。该方法测量的介质厚度没有限制(在半径以内),具有普适性。文中还利用网络分析仪进行了相关实验,并搭建了实用性测量系统,当介质厚度在100 μm以内时,每间隔10 μm所能测得的介质厚度值的间隔约为6.8~7.1 μm,相对测量误差不超过24.6%。通过理论数据与实验数据对比,发现该方法测出的数据更为精确。