氮化镓(GaN)具有直接带隙、高频、大功率和高电子迁移率等优良的材料特性,使其在电力电子和光电器件等领域都具有广阔的应用前景.Si衬底具备大尺寸、低成本和工艺兼容性好等优势,所以Si基GaN具有很高的研究价值和商业价值.GaN材料的晶体质量决定着GaN基器件的性能,但Si基GaN的晶体质量较差,为此研究人员提出了多种方法来提高GaN的晶体质量,但都存在工艺复杂或成本高昂等问题.因此,本研究提出一种工艺简单且成本低的诱导成核技术来获取高质量的Si基GaN材料.对Si衬底完成相同剂量的N离子注入后进行不同时间的快速热退火处理,使用金属有机化学气相沉积法进行外延生长.结果表明,退火时间为6 min的样品具有最好的晶体质量,表面形貌和光学性能,与对照样品相比,螺位错密度降低14.7%,刃位错密度降低34.4%,总位错密度降低26.1%,并且提高了AlGaN/GaN异质结界面处的二维电子气面密度和电子迁移率,提高了AlGaN/GaN异质结的电学性能.
当前基于深度学习的中文长文本摘要生成的研究存在以下问题:(1)生成模型缺少信息引导,缺乏对关键词汇和语句的关注,存在长文本跨度下关键信息丢失的问题;(2)现有中文长文本摘要模型的词表常以字为基础,并不包含中文常用词语与标点,不利于提取多粒度的语义信息. 针对上述问题,本文提出了融合引导注意力的中文长文本摘要生成(Chinese Long text Summarization with Guided Attention,CLSGA)方法. 首先,针对中文长文本摘要生成任务,利用抽取模型灵活抽取长文本中的核心词汇和语句,构建引导文本,用以指导生成模型在编码过程中将注意力集中于更重要的信息. 其次,设计中文长文本词表,将文本结构长度由字统计改变至词组统计,有利于提取更加丰富的多粒度特征,进一步引入层次位置分解编码,高效扩展长文本的位置编码,加速网络收敛. 最后,以局部注意力机制为骨干,同时结合引导注意力机制,以此有效捕捉长文本跨度下的重要信息,提高摘要生成的精度. 在四个不同长度的公共中文摘要数据集LCSTS(大规模中文短文本摘要数据集)、CNewSum(大规模中国新闻摘要数据集)、NLPCC2017和SFZY2020上的实验结果表明:本文方法对于长文本摘要生成具有显著优势,能够有效提高ROUGE-1、ROUGE-2、ROUGE-L值.
为了满足C波段军事设备对高性能天线的需求,提出了一款宽带高增益超表面天线.该天线将超表面直接作为辐射器,并将超表面与高阻抗表面结构相结合,在低剖面、小型化的前提下,实现了宽带高增益的高性能;提出了超表面天线的等效电路模型;运用特征模分析,展示了一款天线从“零”到“一”的设计过程.分析了天线工程师关心的加工成本问题,并进行了天线样机的加工与测试.实测结果表明,在5~7.5 GHz(40%)的频段,反射系数小于-10 dB,峰值增益9.9 dBi,实测结果与仿真结果具有较好的一致性.
微波光子雷达由于具备距离向的超大带宽和超高分辨能力,通过逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像能够带来舰船等重要目标更精细的信息,对于海上监视具有重要意义.然而在超高分辨特性下,目标转动导致的三维空变多普勒参数会造成图像的散焦,在二维回波域成像时必须要进行区域化的补偿处理,但现有方法无法实现自适应的区域化分割,要实现二维超高分辨成像难度很大.为了解决上述问题,本论文提出了一种基于空变多普勒参数聚类的微波光子ISAR高精度成像方法.首先,建立了微波光子ISAR舰船目标回波模型,导出了多普勒参数的三维空变特性,并分析了二维区域化补偿处理的必要性;然后,通过强散射点的分离、多普勒参数的自适应估计及插值等处理,建立了目标各散射点与二维多普勒参数之间的映射关系,并在二维多普勒参数域通过聚类处理,完成空变多普勒参数的自适应最优分割,为高精度的区域化补偿处理奠定了基础.最后,通过区域化非空变二维相位一致性补偿处理,实现了微波光子ISAR超高分辨成像.并通过仿真和实测数据处理,验证了本方法的有效性.
本文针对快速多项式乘法算法与可重构单元的高能效设计问题展开研究,首先对现有的格基后量子密码算法展开研究,提出了一种基于数论变换(Number Theoretic Transform,NTT)的快速多项式乘法算法,并针对其中的核心运算过程,提出了高能效混合基的NTT和INTT(Inverse Number Theoretic Transform)算法,该算法可以利用NTT变换高效实现所有基于有限域的格基后量子密码算法中的多项式乘法.在此基础上,对快速多项式乘法算法运算结构进行研究,在不增加额外运算部件的前提下,通过优化网络连接关系,提出了一种高能效可重构的混合基多项式乘法加速网络,在可灵活实现基2、基3、基4的NTT/INTT算法的同时,将基3与基4的NTT运算效率提升了一倍.本文针对混合基NTT运算过程中的访存冲突问题展开研究,从理论上分析了冲突产生的原因,在此基础上分析提出了一种高能效混合基的内存管理方案,设计了相应的地址生成逻辑.本文提出的内存访问方案是原地内存访问的一种,硬件固化后仍可实现不同的多项式乘法算法的内存管理.实验结果表明,在55 nm CMOS工艺下,完成维度为256,模数小于216的多项式乘法运算仅需0.785
本文提出了一种具有超宽带(Ultra-Wide Band,UWB)平坦负群时延响应的带通(BandPass,BP)负群时延(Negative Group Delay,NGD)电路设计.基于阶梯阻抗谐振(Stepped Impedance Resonator,SIR)结构设计了一种超宽带平坦负群时延无源电路.研究了电路的S参数模型和负群时延响应模型.电路结构紧凑,总尺寸为11 mm × 81 mm,电尺寸仅为0.13
信噪比估计作为信号参数估计的一个重要组成部分,可为功率控制、调制方式识别、信道估计以及动态模式切换等技术提供先验信息.目前基于高阶矩的信噪比估计由于其计算复杂度低、实时性高的优势一直受到众多学者的关注,然而基于高阶矩的估计存在低信噪比和高信噪比两个极端情况下估计性能变差的缺陷.本文在分析信号高阶矩分布特性的基础上,设计了一种基于高阶矩特征选择和线性组合的信噪比估计算法.首先通过分析不同矩统计量与信噪比值之间的关系,对高阶矩特征进行筛选.在此基础上,对选择的高阶矩特征进行线性组合,并设计优化算法求解线性组合的权值系数.仿真结果表明,本文所提信噪比估计方法对低信噪比和高信噪比下的估计性能做了折衷,对比已有基于高阶矩的信噪比估计算法,在-10~20 dB范围内能够较好地兼顾低信噪比和高信噪比的估计性能.
针对强雷达干扰下跳频跳时通信信号突发检测困难的问题,本文提出一种基于间隔自相关系数的检测方法.在每个跳频频率子信道上,以雷达最大脉宽为相关长度和间隔单元,分别取两段相邻信号计算间隔自相关系数,基于跳频跳时信号的间隔自相关系数远大于雷达脉冲、随机噪声相关系数的特征,通过逐点滑动和组合阈值方式,确定各子信道的突发时刻和结束时刻,并根据各子信道信号突发时间的衔接关系,完成跳频跳时通信信号的检测.仿真结果表明,在强干扰条件下,该方法能有效克服雷达干扰,对跳频跳时信号突发检测的检测概率接近于1.真实电磁环境试验结果表明,该方法受强雷达脉冲干扰影响小,可实现准确检测.
针对智能反射面(Intelligent Reflective Surface,IRS)辅助多用户太赫兹(TeraHertz,THz)通信,用户间干扰导致系统和速率下降的问题,提出一种将滑动窗口与IRS结合辅助太赫兹通信的方案.首先,基于IRS形成和活跃用户数相同的阵列滑窗并与活跃用户一一关联.然后,通过引入路由理论后数学表示出滑窗与对应辅助活跃用户间的信道和速率,推导出最优主被动波束形成,并将波束形成问题等价为图优化问题.最后,在用户最小速率和基站总发射功率的约束条件下,采用交替优化算法,优化滑窗参数实现系统和速率最大化.仿真结果表明,在信道条件相同的情况下,本文方案的系统和速率相对于常规单IRS辅助多用户通信可以提升5 bps/Hz.
为解决认知无线电(Cognitive Radio,CR)系统动态开放性带来的信息传输安全问题,本文提出了一种同时透射和反射的可重构智能表面(Simultaneously Transmitting And Reflecting Reconfigurable Intelligent Surface,STAR-RIS)辅助CR系统安全波束成形算法.在考虑认知基站(Cognitive Base Station,CBS)发射功率、次用户(Secondary User,SU)能量收集等约束下,联合优化SU功率分配(Power Splitting,PS)系数等耦合变量,以最大化SU最差保密率.通过连续凸逼近(Successive Convex Approximation,SCA)算法将其转化为凸问题,利用半定松弛(Semi-Definite Relaxation,SDR)等算法求解耦合变量.仿真结果表明,所提出的联合优化算法相较于其他方案具有更高的SU保密率,且引入人工噪声(Artificial Noise,AN)可以进一步提升系统的安全性.
可见光通信与非正交多址技术结合,是满足室内高速通信和宽带数据接入的重要方法.由于室内密集设备通信需求增长,小区间干扰和资源紧缺日趋严重,为了降低小区间干扰,进一步增强室内用户设备高速通信的用户体验质量(Quality of Experience,QoE)和提高可见光通信的频谱资源利用率,提出室内基于非正交多址接入的可见光通信(Visible Light Communication-Non-Orthogonal Multiple Access,VLC-NOMA)协作多点用户接入和功率分配算法.在用户接入阶段,设计基于QoE和多接入点协作的用户接入(User Access algorithm based on User Experience Quality and Coordinated Multipoint,UA-UEQCM)算法,根据用户需求的最小速率、推荐速率值和VLC-NOMA提供的可达速率,评估用户的QoE值和等效的用户满意度值;然后,基于VLC-NOMA中用户需求的平均意见评分(Mean Opinion Score,MOS)和VLC接入点协作可用资源,设计NOMA用户组的效用函数优化用户设备与多个接入点协作接入的双向选择,提高VLC-NOMA网络的MOS值;在功率分配阶段,采用改进教与学优化方法优化NOMA组的功率分配,设计VLC-NOMA的总MOS值为适应度函数值,采用自适应更新和学习模式,优化NOMA组的功率分配因子.仿真结果显示,与其他接入算法和功率分配比较,当用户数目为26时,本文提出的接入算法和功率分配分别比VLC-NOMA网络的总MOS值提高18.06%和10.94%.
无人机(Unmanned Aerial Vehicle,UAV)具有低成本、高灵活性和易操作等优点,可作为空中基站(Base Station,BS)或中继为地面用户(Ground User,GU)提供无线传输服务.针对BS与GU之间无法直接通信的场景,可通过部署UAV作为空中中继实现BS与GU之间的信息交互.本文针对GU位置不确定的UAV辅助通信系统,研究UAV的部署和资源分配策略.首先将联合UAV部署、GU关联及功率分配问题建模为满足约束条件的系统平均能耗最小化问题.为求解所建模优化问题,首先提出一种基于圆堆算法的UAV初始部署策略,进而将原优化问题转换为三个子问题,并采用交替迭代法求解.具体而言,基于给定的UAV部署和GU关联策略,提出一种基于拉格朗日对偶方法的功率分配策略.给定UAV部署和功率分配策略,基于Voronoi图迭代确定GU关联策略.给定局部最优功率分配和GU关联策略,提出基于二次变换及一阶泰勒展开的UAV部署方案.对各子问题进行迭代求解,以得到联合优化策略.仿真结果验证了所提算法的有效性.
探地雷达(Ground Penetrating Radar, GPR)作为一种非破坏性的电磁探测技术,已广泛应用于市政工程、交通、军事等领域的探测.复杂的地下环境中,电磁波传播规律变得复杂,背景介质的介电常数难以准确获得.后向投影(Back Projection,BP)成像算法需要预知背景介质的相对介电常数,且需逐个计算各成像网格的散射强度值,计算效率低.本文提出一种基于深度学习的探地雷达自聚焦后向投影(Deep learning based Auto focusing BP,DABP)成像方法,设计了目标感兴趣区域(Region Of Interest,ROI)的检测模块,基于地下目标的空间稀疏特征,将YOLOX网络和BP成像机理相结合,快速检测出目标潜在区域,仅对该区域中的成像网格进行成像处理,避免全域的后向投影计算,大幅降低运算量.其次,针对介电常数未知情况下BP成像难以聚焦的问题,设计了一个自聚焦后向投影(Auto Focusing BP,AF-BP)成像模块,构建了BS-YOLOv5网络和相应的数据集,实现基于改进二分法的地下介质介电常数估计和自聚焦成像.然后,设计了一个基于双阈值和积分聚焦的伪影抑制(artifact suppression based on Double Threshold and Integral Focusing,DTIF)模块,进一步提高成像结果的聚焦度.开展了仿真和实测数据的成像处理和对比分析,与BP成像方法相比,仿真数据成像结果的ISLR指标下降了250%、SCR指标提升了131%;实测数据成像结果的ISLR指标下降了322%、SCR指标提升了72%,仿真实验和实测实验的成像速度均提升了300%,验证了所提方法在提高GPR成像效率和成像质量方面的有效性.
天波超视距雷达的效能受制于工作环境.当电离层状态不理想或雷达工作参数不适合,雷达信号无法照射预定区域.因此,地海杂波是否正常能够直接反映天波雷达的工作状态.针对天波雷达杂波信号样本匮乏和不均衡问题,本文提出基于生成对抗网络的杂波距离-多普勒图像数据增强方法,采用轻量化ResNet18实时识别雷达图像,进而设计地海杂波检测器,实现对地海杂波状态的自动识别.该检测器从距离-多普勒图中自动提取高幅度区域,通过增扩图集所训练的分类网络进行图像类别判断,并将结果反馈给雷达操作人员.仿真结果表明,本文的地海杂波数据增强将识别器的准确率提高了25.26%,地海杂波检测器能够准确判断实测数据和文献图像的杂波状态.因此,该检测器可作为天波雷达的扩展模块,自动检测和警报杂波异常状态,有利于提高天波雷达自动化程度.
信息超材料是一种人工结构阵列,其能够通过设计单元参数的排列方式定制等效材料和媒质属性,实现对电磁场和电磁波的灵活调控,带来全新的物理现象.基于信息超材料孔径的微波计算成像(Microwave Computational Imaging based Information Metamaterial Aperture, IMA-MCI)技术可以不依靠于雷达平台与目标之间的相对运动,在波束内实现目标的高分辨率成像.在微波成像过程,由于信息超材料天线的制作工艺限制,可能会导致相位误差的产生,IMA-MCI在有相位误差的情况下,对目标场景的重构能力不足.针对该问题,本文构建了基于反射式信息超材料天线的微波计算成像模型,提出一种结合深度展开网络和相位恢复算法的成像技术.该算法在相位恢复算法的基础上引入了动态超网络为原有网络生成阻尼因子,能够根据输入场景不同进行调整,在线生成阻尼因子,在系统的参数发生变化时仍然具有较好的性能.实验结果显示,该方法具有较好的成像性能和鲁棒性.
由于航空目标相对地面目标具有更快的运动速度、更广的运动范围,对航空目标的三维精确定位极具挑战性.本文提出了一种多传感器组网的航空目标三维定位算法,以两个高空无人飞艇各载一部光学传感器设备,无人机-艇载双基地两坐标雷达,多平台协同实现对航空目标的精确定位为研究背景,解决了由于各传感器量测维度欠完备、无法独立获得目标三维空间精确位置,导致传统点迹关联、目标定位方法失效等问题.首先,在空间对准的基础上提出了基于角度-距离两级点迹关联算法,实现多传感器缺维量测的有效关联;其次,通过目标引导点构建、椭球空间Nelder-Mead欧氏距离寻优、方位面空间投影,在各空间量测模型上确定目标初始定位点;最后,通过无迹变换和同源数据压缩得到目标精确定位点.仿真结果表明,该算法实现了缺维情况下雷达-双光学量测数据的稳定关联,且对航空目标的最优定位误差可达到115.7 m.
针对小型机器人在复杂环境中进行实时定位与建图时,存在机载端CPU(Central Processing Unit)计算资源不足,建图精度差、探索效率低的问题.本文提出一种基于同时定位与建图(Simultaneous Localization and Mapping,SLAM)、截断符号距离函数(Truncated Signed Distance Function,TSDF)实时的三维重建方法.该方法基于深度相机或双目相机获取重建目标及场景的RGB(Red Green Blue)图和深度图,同时基于ORB_SLAM2获取位姿信息;采用基于特征点云数据的表面重建算法TSDF与深度图相结合,实现一种实时三维场景重建;为了降低三维重建模型与真实场景的误差,提出一种采用光线碰撞检测融合特征点的方法,并结合优化策略减小光线投影距离与体素到物体表面距离的误差.通过优化后的TSDF值,保证了重建场景的完整性.在ASL(Autonomous Systems Lab)开源数据集上,相比于Voxblox、Voxfield和VDBblox,该系统三维重建模型的均方根误差分别下降了55.6%、47.11%、21.7%,相比于Voxblox、Voxfield,系统地图更新速率分别提升了9.7%和12.9%.最后,将该系统用于室内场景实验,地图平均每帧更新速率为7.35 ms/帧,验证了所提系统的可行性和有效性.
边缘计算将部分云中心业务扩展至网络边缘,能够有效缓解万物互联时代海量设备和数据造成的云中心计算开销大、处理时延长等问题.在边缘计算环境下,边缘节点和终端设备常部署于无人值守的开放环境中,使其在面临传统安全威胁的同时,也存在遭受物理攻击的风险.为实现边缘计算环境下设备的安全通信,已有学者提出了具有较高通信效率的多接收者签密方案.然而,现有方案应用于高安全性要求领域仍存在两个方面的不足:(1)未提供对物理攻击的防范机制;(2)未实现对发送者的匿名性保护.针对上述问题,基于物理不可克隆函数(Physical Unclonable Function, PUF)这一硬件安全原语,提出一种高效的多接收者多消息签密方案.方案将PUF与椭圆曲线上的无证书公钥密码体制相结合,无需使用高计算复杂度的双线性对运算且无密钥托管问题.安全性分析表明,方案在具备机密性、不可伪造性、匿名性等安全属性的同时,能够有效防范物理攻击.相较于同类方案,本文方案能够在不明显增加计算开销的前提下,以更低的通信开销实现更高的安全性,满足边缘计算环境下设备的安全通信需求.
随着智能合约被广泛使用,其处理的业务逻辑更加复杂,代码复杂度越来越高,引发了大量安全漏洞.为避免潜在安全漏洞造成的危害,研究人员提出了一系列智能合约漏洞检测方法.但现有方法对合约特征表征不完整,未将合约的语义及结构特征进行统一表征,难以准确、全面地检测和识别智能合约中的潜在漏洞和安全风险.为此,本文提出了基于图注意力网络的智能合约漏洞检测方法SCG-Detector(Smart Contract Graph Detector).首先,通过解析合约源代码构建抽象语法树(Abstract Syntax Tree,AST)以表征合约语法结构信息,并在AST上添加表示语义信息的数据依赖关系和控制依赖关系,以构建合约图(Smart Contract Graph,SCG)同时表征合约的语法结构及语义信息;然后,将SCG输入到图注意网络模型中进行训练,利用注意力机制学习合约中漏洞的特征;最后,利用训练好的图注意力网络模型检测合约中是否存在漏洞及所存在漏洞的类型.SCG-Detector在12 616个智能合约上进行的实验结果表明,相比于sFuzz、Conkas、ConFuzzius、Mythril、Osiris、Slither、Oyente、MANDO-GURU等8种广泛使用的方法,SCG-Detector的
针对光场图像空间分辨率低的问题,本文搭建了基于穿插特征更新的光场图像超分网络,获得更高质量的光场子孔径图像阵列.网络的浅层特征提取部分采用3分支结构,设计了并行残差块从不同形式的光场数据中提取空间特征和角度特征.深层特征提取采用穿插特征更新结构,设计了特征对齐交互模块、自注意力特征交互模块和空间特征增强模块,实现了空间特征与角度特征逐级融合更新.数据重构部分通过交替使用多尺度残差块和通道注意力块将逐级更新后的空间信息融合,最终经数据上采样得到超分图像.所提网络在充分挖掘、补充空间、角度特征的基础上,采用逐级融合、更新、增强机制,实现不同层次空间信息的收集,获得更好的超分效果.对比实验验证了所提网络的优越性,在5组公开光场数据集上,本文搭建的网络在4倍超分任务下平均峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)值达到32.31 dB,较现有网络表现出更好的超分性能.
集成学习是机器学习领域的重要分支和研究热点.目前集成学习算法的主要范式是:基于原样本集得到多个样本子集,分别训练基分类器,集成基分类器结果.这种做法的主要问题在于:由于各子集均来自原样本集,因此,各子集之间的多样性显著降低.尤其当原样本集数据尺寸小、采样比率大、不平衡程度高时,这一问题非常严重.此外,当原样本集可分度低时,重采样获得的样本子集的可分度改善也有限.为解决这个问题,本文提出面向集成学习的流形近邻样本包络与分层多类型变换算法,旨在通过包络化机制和多类型样本变换将原样本集转化为具有差异性的分层包络样本集,从而提高样本子集的多样性和可分度.首先设计流形近邻样本包络化机制,将原样本转化为样本包络.然后对样本包络进行多类型样本变换,重构生成分层包络样本.接着,设计基于联合结构域适应的层间一致性保持机制,保持变换前后样本分布的一致性,提高包络样本对原样本的高表征能力.此后,针对各层包络样本集,分别进行特征降维和训练基分类器.最后,采用二维决策融合机制得到最终分类结果.实验部分采用了十余个数据集和多个相关算法用于验证.结果表明,相较于原样本集,本文算法构造的分层包络样本集提高了样本子集的多样性,改进了集成学习性能,准确率最高提升了18.56%.与相关集成学习算法相比,准确率最高提升了7.56%.本文工作为现有集成学习算法改进研究提供了新思路,将直接基于原样本的集成学习范式转化为基于分层包络样本的集成学习新范式,具有参考价值.
针对医学图像分割领域长期存在的多目标尺度变化大和边界模糊以致分割困难的问题,提出了一种新型的基于混洗特征编码和门控解码的双分支混合网络框架用于多器官精准分割.为了充分利用卷积神经网络(Convolutional Neural Network,CNN)在局部信息提取方面和Transformer在长程依赖关系建模方面的优势,采用U-Net和Swin-Unet构建双分支网络.该方法的创新之处在于对不同网络分支的多个阶段学习到的高维特征进行混洗操作,通过双支路通道交叉融合的方式实现局部信息与全局信息的高效融合,加强了双分支网络在不同阶段间的信息交互,从而解决了图像目标轮廓模糊引起的分割精度受限的问题.此外,为了解决多器官尺度变化大的问题,进一步提出了一种全新的基于多尺度特征图的门控解码器(Gated Decoder based on Multi-scale Feature,GDMF).该解码器能够学习网络不同阶段的多尺度高维特征并进行自适应特征增强,采用注意力机制和特征映射来辅助获取精准目标信息.实验结果表明,与现有主流医学图像分割方法相比,所提方法在ACDC(Automated Cardiac Diagnosis Challenge)和FLARE21(Fast and Low GPU memory Abdominal oRgan sEgmentation challenge 2021)数据集上均表现出更优的性能,有效解决了医学图像中多目标尺度变化大和边界模糊问题.
连续监测心电信号对于加强心血管疾病的早期筛查和诊断至关重要.然而,现有的心电信号监测方法存在依赖昂贵设备、依赖用户执行特殊操作、应用场景受限等弊端,无法满足广泛人群在日常生活状态下长期连续监测心电的迫切需求.为了克服上述问题,本研究提出了一种基于改进的非负矩阵分解技术的抗运动干扰心电信号感知方法.其基本思想是利用成本低廉的腕戴式智能设备集成的陀螺仪,连续感知身体振动中隐含的心脏活动信息并生成细粒度心电信号.为了有效应对身体运动干扰难以消除的固有挑战,本研究提出了一种基于改进的非负矩阵分解技术的创新方法.该方法能够在未经训练的情况下,成功提取因心跳引发的微弱心冲击振动信号,有效克服运动干扰问题.此外,针对心冲击振动信号在心动周期中波形动态性强且缺乏明确起止点的特点,本研究首次提出了四种全新的形态特征,并结合机器学习算法,精准识别心冲击振动信号中的尖峰点,从而实现对心动周期的精确切分.最后,本研究基于循环生成对抗网络,构建了心冲击振动信号与心电信号之间的映射关系.得益于该网络的创新设计,模型在无需用户提供训练数据的情况下,也能高效生成精准的心电波形.本研究对18位志愿者进行了大量实验,结果表明所提出的连续心电信号监测方法非常有效,抗运动干扰效果显著.在身体静止和运动的情况下,平均幅值误差分别为7.92%和9.02%,均满足医学标准规定的误差范围低于10%的要求.
横摆稳定性是分布式驱动电动汽车(Distributed Drive Electric Vehicle,DDEV)稳定性研究中的重要难题.为解决DDEV横摆稳定性结构复杂、强耦合等问题,基于DDEV轮毂电机的独立可控性,本文提出一种基于多目标并行混沌优化的DDEV横摆稳定性控制系统.该控制系统由2个部分组成;上层控制器利用多目标优化策略,通过多目标并行混沌优化算法来计算DDEV维持横摆稳定所需的理想横摆角速度和期望滑移率;下层控制器为执行单元,根据上层控制器输出的最优期望变量,采用2个模糊控制器分别修正主动前轮转向角和分配驱/制动转矩,改善DDEV横摆稳定性.模型构建和仿真过程在Matlab/Simulink平台上完成,结果表明:该控制系统优化协调主动前轮转向角和驱/制动转矩,保证了DDEV横摆稳定性.