2025年, 第45卷, 第1期 刊出日期：2025-01-15
-
全选|
-
-
杭州电子科技大学学报. 2025, 45(1): 1-10. https://doi.org/10.13954/j.cnki.hdu.2025.01.001复杂环境牛只目标检测是基于机器视觉的牛只数量精准盘点的关键问题,受牛只拥挤导致的遮挡以及牛只处于摄像头边缘位置导致的牛只个体不完整等因素的影响,现有的牛只目标检测方法无法适用于养殖场复杂环境。本文提出一种基于Swin-Transformer(SWT)-YOLOV5s网络的复杂环境牛只检测算法:首先提出双层shortcut(SC)-SWT与多层卷积级联的牛只特征提取骨干网络SWT-Backbone,利用SC-SWT模块关注全局特征的特点,结合关注局部特征的含残差多层卷积模块增加网络的深度和感受野,使模型充分提取牛只的全局特征与局部特征。然后提出not shortcut(NSC)-SWT与金字塔网络级联的特征融合目标检测头SWT-Head,通过金字塔网络构建SWT-Backbone骨干网络所提取的全局特征与局部特征多尺度融合的特征金字塔,结合NSC-SWT模块Transformer的全局感受野和C3模块的CNN局部感受野,使模型更准确地检测筛选特征金字塔中高语义层次的牛只全局特征及表征牛只细节的局部特征,同时高效去除背景环境的特征干扰,提升了复杂环境下牛只目标的检测精度。采用实验室采集的COWYCTC-1480数据集进行实验,与本文方法在测试集上的精确率、召回率和mAP分别高出YOLOV5s算法7%、2%、11.1%,高出SSD算法20.8%、32%、29.3%。
-
杭州电子科技大学学报. 2025, 45(1): 11-18. https://doi.org/10.13954/j.cnki.hdu.2025.01.002通过二维数值仿真工具给出了加固前后1.7 kV碳化硅(4H-SiC)功率VDMOSFET单粒子烧毁(SEB)的仿真结果。研究结果表明,与传统的五缓冲层的VDMOSFET(FB-VDMOSFET)相比,改进后的VDMOSFET在高线性能量密度(linear energy transfer,LET)值范围内获得了更好的抗单粒子烧毁性能。同时,加固后VDMOSFET的导通电阻在电流扩展层的作用下比传统结构更低。此外,JFET区集成的PN结使结构在击穿电压下的峰值电场从3.66 MV/cm减小到2.94 MV/cm。当漏源电压为1 400 V和LET值为0.5 pC/μm时,FB-VDMOSFET已经烧毁,改进的VDMOSFET由于阶梯源极金属电极接触和集成的PN结降低了碰撞电离,最高晶格温度降为2 070 K。该加固结构可用于航空工业。
-
杭州电子科技大学学报. 2025, 45(1): 19-27. https://doi.org/10.13954/j.cnki.hdu.2025.01.003保障无线通信系统传输离不开性能良好的滤波器。微带滤波器凭借其小型化的体积以及易集成的特点被广为采用,然而传输频率提高会使微带滤波器的能量损耗大大增加,尤其是辐射损耗的增大,继而增加传输损耗,降低传输效率。针对这个问题,结合多层结构和缺陷的结构(Defected Ground Structure,DGS),使用优化尺寸参数后的工字型谐振器,并引入传输零点,设计了一款N78频段的三阶带通微带滤波器。经仿真,滤波器的整体辐射损耗小于0.1 dB,中心频率为3.55 GHz,相对带宽为22.3%,回波损耗为-22 dB,面积为0.67λg×0.5λg。该滤波器能够较好地减小辐射损耗,亦能更好地实现小型化,具有实用价值。
-
杭州电子科技大学学报. 2025, 45(1): 28-35. https://doi.org/10.13954/j.cnki.hdu.2025.01.004电网拓扑结构发生改变后,之前已训练好的神经网络故障诊断模型将不再适用于新拓扑电网的故障诊断。针对这一问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和模型迁移的电网故障诊断方法。该模型使用同步相量测量装置(Phasor Measurement Unit,PMU)采集到的电压、电流相量数据进行模型训练,在PMU设备有限时,仍能准确判断故障类型,并实现精准的故障定位。当电网拓扑改变时,通过模型迁移和少量新电网下的故障样本即可快速训练出新的故障诊断模型。新模型性能不亚于不使用迁移学习仅利用充足样本训练出的模型,减少了电网拓扑结构改变后模型训练对新样本的需求。
-
杭州电子科技大学学报. 2025, 45(1): 36-43. https://doi.org/10.13954/j.cnki.hdu.2025.01.005针对SURF特征匹配算法在复杂环境变化下匹配精确率低以及特征点冗余的问题,结合剔除冗余特征点的四叉树方法和快速获取单应性矩阵的改进RANSAC算法对SURF算法进行优化。首先对SURF算法所产生的特征点通过四叉树方法分割图像,依据划分深度和特征点数量的最大阈值剔除冗余特征点并进行粗匹配;然后根据特征向量间的距离对特征点进行排序,并在限定范围内执行RANSAC迭代,从而得到最优图像匹配结果。实验结果表明,图像在一定程度的旋转缩放、模糊和光照强度变化的情况下,改进后的SURF算法平均精确率为96.47%,平均消耗时间为649.33 ms,在复杂环境变化时具有良好的鲁棒性、精确性和时效性。
-
杭州电子科技大学学报. 2025, 45(1): 44-52. https://doi.org/10.13954/j.cnki.hdu.2025.01.006为了解决转换模型训练时不稳定的问题,并提升非平行语料情况下的语音转换性能,提出了一种基于GP-MaskGAN模型的语音转换方法。该方法采用R1零中心梯度惩罚技术惩罚真实数据上的鉴别器,防止训练时远离纳什平衡,保证模型训练的稳定性;同时,采用时间掩码,从空帧的前后帧中获取有用信息,填补缺失的帧,避免了转换过程对语音时频结构的破坏,从而提高了对语音梅尔谱的转换性能。客观和主观评价实验结果都表明,与基准模型MaskCycleGAN-VC相比,该方法在四种转换情况下的梅尔倒谱距离(Mel-Cepstral Distortion,MCD)更低,平均主观意见分(Mean Opinion Score,MOS)和偏好性测试得分(ABX)都更高,而且模型训练过程的损失曲线也更加平稳。
-
杭州电子科技大学学报. 2025, 45(1): 53-59. https://doi.org/10.13954/j.cnki.hdu.2025.01.007针对图神经网络池化中不能充分保留图的局部特征的问题,提出一种基于KL散度的信息增益图池化方法。首先,对使用KL散度衡量节点与加权邻域两者之间概率分布的差异得到每个节点的信息增益;然后,信息增益进行直接和局部归一化排序,获得topK个节点对应的索引序列;最后,基于邻域进行边的重构以得到最终的低分辨率图。实验结果表明,与图池化方法AttPool、GXN相比,提出方法的分类正确率分别平均提升了4.69%和0.73%。
-
杭州电子科技大学学报. 2025, 45(1): 60-66. https://doi.org/10.13954/j.cnki.hdu.2025.01.008本文提出了一种基于图像结构化方格分类的自学习插值算法,通过方格分类的方式学习图像自身的特征完成图像插值任务。该方法不仅有基于插值的方法可解释的优点,也吸收了基于学习的方法的优点,取得了和一些基于学习方法相当的性能。首先,进行结构化方格的分类,得到图像的纹理和边缘信息;然后学习低分辨率图像ILR自身的结构和特征,计算得到每一个类型的映射系数矩阵;最后,对ILR进行结构化分类,并使用对应的系数矩阵计算要插入到高分辨率图像IHR中的像素值。实验结果表明,结构化方格的类型越多,插值算法的性能往往越好。从客观结果上看,该算法在PSNR和SSIM都取得了很好的性能。从主观视觉中看,该算法得出的高分辨率图像具有平滑的边缘和良好的纹理。
-
杭州电子科技大学学报. 2025, 45(1): 67-73. https://doi.org/10.13954/j.cnki.hdu.2025.01.009为了提高计算机视觉对大豆品质检测的准确率和检测速度,提出基于麻雀搜索算法(Sparrow Search Algorithm, SSA)优化支持向量机(Support Vector Machine, SVM)及通过主成分分析法(Principal Component Analysis, PCA)进一步优化SSA-SVM模型的两种大豆品质检测模型。采集正常、破损和霉变的大豆图像并进行预处理,提取HSV颜色空间下的12个颜色特征参数,基于灰度共生矩阵法提取4个纹理特征参数。利用SSA寻找SVM的最佳惩罚因子和核函数半径。结果表明,SSA-SVM模型的准确率达到98.00%,较SVM模型的95.33%提高2.67%;使用PCA将16个特征参数降维到8个,构建PCA-SSA-SVM模型,该模型准确率为97.33%,较SVM模型的95.33%提高2.00%。PCA-SSA-SVM模型与SSA-SVM模型相比,其准确率低了0.67%,但迭代时间为11.78 s,较SSA-SVM的13.72 s缩短14.14%。结果表明,SSA-SVM模型与PCA-SSA-SVM模型在大豆品质检测方面均优于SVM模型。
-
杭州电子科技大学学报. 2025, 45(1): 74-81. https://doi.org/10.13954/j.cnki.hdu.2025.01.010电场和磁场对霍尔推进器的性能提升和优化起着关键作用。由于霍尔推进器的几何结构具有一定的非对称性,本研究利用COMSOL多物理场仿真平台进行了精确的三维模型构建,以探讨推进器通道内部电磁场的分布特性,并对其对推进性能,即推力和效率的影响进行了定性的分析。结果表明,径向磁场在通道口附近有高密度区域,对阴极发射出的电子具有捕获作用。轴向电场可以加速电离后的离子,为推进器提供动力。该研究结果可为改进和优化霍尔推进系统提供了理论指导。
-
杭州电子科技大学学报. 2025, 45(1): 82-88. https://doi.org/10.13954/j.cnki.hdu.2025.01.011脑电图信号具有难窃取性、抗伪造性和活体性等独特优势,可以为身份识别提供更安全的生物识别方法。传统的脑纹识别仅针对单一任务状态下的脑电图信号,身份识别的可靠性取决于特定刺激和诱发的脑电特征。在现实环境中,人类接收到的刺激是多种多样且瞬息万变的,诱发的脑电信号是复杂多变的,因此极大降低了这些研究结果在现实环境中的可靠性。卷积神经网络可以学习特征区域内的变化,且不同尺度的卷积核可以学习不同粒度的信息,因此针对任务无关的脑纹识别提出了一种基于多尺度卷积的方法。首先,对数据进行降采样和带通滤波,提取出具备时域、频域和空间特性的功率谱密度特征。然后,在各个通道的时间、频率维度使用多尺度卷积融合,再对具有时频变化的深度特征间使用多尺度卷积学习不同的脑域特征。最后,将高维空间的统计特征映射到子空间,去除冗余信息并保留个体独有特征,用映射到低维空间的本征脑电均值构成身份本征,通过计算样本与身份本征信号的余弦距离来判断受试者的身份信息。在具有多个任务的数据集上进行了实验,以评估所提出方法在不同任务中的泛化能力。提出的方法在印度理工任务无关数据集上,识别准确率和等错误率分别为87.8%和4.9%。
-
杭州电子科技大学学报. 2025, 45(1): 89-94. https://doi.org/10.13954/j.cnki.hdu.2025.01.012研究了一类带跳跃系数的椭圆界面问题,并将其转化为椭圆/混合椭圆界面问题。针对四阶/二阶椭圆界面问题,提出了一种混合有限元方法。对于四阶椭圆方程的非线性项,采用Picard迭代算法进行求解。通过一系列数值实验,得到了各变量在相应范数下的最优收敛阶。
-
杭州电子科技大学学报. 2025, 45(1): 95-102. https://doi.org/10.13954/j.cnki.hdu.2025.01.013研究了Rayleigh梁系统的事件触发控制。首先,将Rayleigh梁系统改写为抽象发展方程,运用线性算子的扰动定理得到该系统的适定性;再借助Rayleigh梁的特征值渐近展开,通过比较原来系统控制和事件触发控制的误差,得到了事件触发控制Rayleigh梁系统的指数稳定性。算例验证了理论结果的有效性。
