- 冯迎宾;李亚玮;王天龙;曾城锋;
使用激光雷达在动态场景下实现精确的位姿估计与地图映射是同时定位与建图(simultaneous localization and mapping, SLAM)研究领域的重要内容之一,但动态环境中物体移动会导致SLAM算法精度下降,为此提出一种低成本且可有效剔除动态影响的激光雷达SLAM算法。首先引入深度图投影,通过检测相邻时刻深度图之间的像素值波动,筛选并去除动态点云;然后进行地面点云分割,利用非地面点云的特征实现位姿估计和地图映射,利用地面点云的特征施加地面约束,限制高度漂移;最后引入回环检测矫正全局姿态。实验结果表明,与LOAM、LeGO-LOAM和SuMa算法相比,本文算法可更有效剔除动态目标,提供更优秀的定位建图效果和鲁棒性能。
2025年05期 v.44 1-7页 [查看摘要][在线阅读][下载 442K] [下载次数:68 ] |[引用频次:0 ] |[阅读次数:0 ] |[网刊下载次数:0 ] - 张傲;刘微;刘阳;杨思瑶;管勇;李波;刘芳菲;
为应对磁共振成像(MRI)中形态复杂和边界不规则的脑肿瘤检测,提出一种改进的YOLOv8模型TumorNet-YOLO。该模型通过三项创新模块提升检测性能:自适应感受野卷积模块增强多尺度肿瘤特征的提取能力,降低漏检率;分割融合卷积模块通过多尺度特征融合,增强浅层和深层特征的协同作用;可变形融合模块优化对不规则肿瘤区域的检测,提升模型在复杂MRI背景下的鲁棒性。实验结果表明,TumorNet-YOLO在脑肿瘤检测数据集Br35H中表现优异,平均精度均值mAP@0.5为96.6%,mAP@0.5∶0.95为73.8%。此外,模型计算量(GFLOPs)为8.6,显著优于现有方法。为了验证模型的泛化能力,在BCCD和BTOD数据集上进行了对比实验,结果显示TumorNet-YOLO在mAP@0.5和mAP@0.5∶0.95等多个指标上超越了YOLOv8n,表明TumorNet-YOLO可为脑肿瘤检测和医学图像分析提供更为有效的解决方案。
2025年05期 v.44 8-13+20页 [查看摘要][在线阅读][下载 438K] [下载次数:44 ] |[引用频次:0 ] |[阅读次数:0 ] |[网刊下载次数:0 ] - 李翔宇;孙鹏然;高宪文;袁春华;
为消除滑模控制中的振颤问题,设计一种基于超螺旋算法的T-S模糊广义系统动态滑模控制器。首先,构造一个新型的动态滑模面,利用广义系统描述滑模运动的动态过程,同时使用基于输出反馈动态滑模的控制方法进行系统设计,并利用凸优化与状态输入增强相结合的方法分析出系统渐近稳定的充分条件;其次,采用多变量超螺旋算法设计二阶且连续控制器,可有效减缓滑模控制系统中存在的振颤问题。实验结果表明,所提出的控制器可以使系统状态在有限时间内到达滑模面,并保持稳定的滑动模态,同时也有效消除系统中的振颤问题,提升系统的控制性能。
2025年05期 v.44 14-20页 [查看摘要][在线阅读][下载 328K] [下载次数:11 ] |[引用频次:0 ] |[阅读次数:0 ] |[网刊下载次数:0 ] - 蔡春雷;刘微;任腾腾;
为提高电力系统短期电力负荷预测的准确性,提出一种基于混合蜣螂优化(hybrid dung beetle optimization, HDBO)算法优化长短期记忆(long short-term memory, LSTM)网络的预测模型(HDBO-LSTM)。首先,为克服原始蜣螂优化(dung beetle optimization, DBO)算法全局搜索能力较弱且易陷入局部最优的问题,在原始DBO算法的基础上引入随机对立学习策略、哈里斯鹰优化算法、逐维高斯变异策略和动态处理机制,以此形成HDBO算法,增强算法的搜索能力和收敛速度,并通过10个基准函数的对比实验验证HDBO算法的搜索性能;其次,采用HDBO算法优化LSTM网络的超参数,以减小随机超参数对负荷预测精度的影响。使用电工数学建模竞赛的电力负荷数据集对模型进行评估,结果显示,在数据集内随机选取的七天预测任务中,HDBO-LSTM模型的均方根误差(RMSE)、平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和变异系数(COV)较原始LSTM模型分别降低了22.38%、16.33%、19.16%和22.52%,该模型能够有效提升短期电力负荷预测的准确性。
2025年05期 v.44 21-28页 [查看摘要][在线阅读][下载 615K] [下载次数:35 ] |[引用频次:0 ] |[阅读次数:0 ] |[网刊下载次数:0 ] - 宫硕;蒋强;李婷雪;
针对儿童腕部X光图像中细微骨折检测精度较低的问题,提出一种基于YOLOv11n改进的MSEF-YOLO(multi-scale efficient fusion network-YOLO)目标检测算法。首先,将空间和通道重构卷积(SCConv)模块与C3k2模块融合,通过空间重构单元(SRU)和通道重构单元(CRU)并行处理空间与通道的冗余,增强对小目标的感知能力;其次,引入多尺度扩张注意力(MSDA)机制提高特征提取能力,进而提高模型检测精度与泛化性,有效减少漏检和误检;最后,优化尺度序列特征融合(SSFF)模块并设计SSFF-X模块,通过3D卷积增强多尺度特征融合能力,进一步提升对细微骨折的检测效果。实验结果表明,相较于原YOLOv11n算法,MSEF-YOLO算法的精确率、召回率、mAP@0.5和mAP@0.5~0.95分别提高了3.1%、3.8%、3.0%和3.5%。MSEF-YOLO算法能够有效协助放射科医生检测儿童腕部骨折,为医学图像的诊断提供技术支持。
2025年05期 v.44 29-36页 [查看摘要][在线阅读][下载 533K] [下载次数:19 ] |[引用频次:0 ] |[阅读次数:0 ] |[网刊下载次数:0 ] - 隋涛;韩佳依;杜智豪;于其豪;
为解决传统差分混沌移位键控(differential chaotic shift keying, DCSK)系统安全性较差及误码性能受限的问题,提出一种结合脉冲位置调制与动态帧变换技术的DCSK(frame-transform DCSK system based on pulse position modulation, FT-PPM-DCSK)系统,实现安全性与误码性能的协同优化。通过推导系统在加性高斯白噪声(additive white Gaussian noise, AWGN)信道下的误比特率(BER)表达式,基于蒙特卡洛仿真验证其性能。实验结果表明,与基准DCSK系统相比,FT-PPM-DCSK系统提高了误码性能且具有更高的安全性。
2025年05期 v.44 37-43+58页 [查看摘要][在线阅读][下载 456K] [下载次数:9 ] |[引用频次:0 ] |[阅读次数:0 ] |[网刊下载次数:0 ] - 蒋莹莹;邓梦瑶;杜卓昕;周越;石天玉;杨东;
包装大米水分快速无损检测是确保其在储运环节质量安全的有效手段。首先,为了探究包装大米水分的非破坏性检测方法,开展基于电容层析成像(ECT)技术的研究,通过数值模拟分析,构建一套适用于包装粮实际尺寸的三维立体式ECT传感器仿真模型(40 cm×12 cm×60 cm),并完成其正问题求解。其次,进一步对阵列电极传感器的性能参数进行优化研究,综合分析传感器极板的宽度、高度、极板上下间距、屏蔽层厚度等结构参数对测量空间的灵敏度分布均匀性、电容的动态测量范围及重构图像相对误差三项评价指标的影响规律。通过设计正交试验,对比分析各个结构参数对三项指标的评价结果,最终确定了一组性能最优的ECT传感器结构参数,即极板高为7 cm、极板宽为5 cm、极板上下间距为6.5 cm、屏蔽层厚度为6.5 cm。最后,采用Landweber算法进行图像重构并完成效果验证,结果表明重构图像能够基本映射出高介电常数区域(高含水率大米)分布位置,但交界处图像质量还有待提升。研究结果有望为包装成品粮水分ECT检测系统的研发提供理论依据。
2025年05期 v.44 44-51+58页 [查看摘要][在线阅读][下载 535K] [下载次数:8 ] |[引用频次:0 ] |[阅读次数:0 ] |[网刊下载次数:0 ] - 郑杰;宁佳绪;刘子怡;
针对遥感图像背景复杂、小目标数量多、目标尺度各异的特点,提出一种基于改进YOLOv8的遥感图像目标检测算法。首先,在主干网络引入深度可分离卷积(DSConv),减少模型的计算量和参数量,提升计算效率;其次,为提升对遥感图像的目标检测能力,在颈部(Neck)添加一种高效通道空间注意力模块(ECSA),通过对通道和空间特征的融合提高模型的识别能力;最后,增加检测尺度为160×160的小目标检测层,提升图像中小目标检测能力,并将边界框损失函数替换为SIoU,关注预测边界框与真实边界框的角度信息,提升检测精度。在遥感图像数据集SIMD上的实验结果表明:改进YOLOv8算法具备更强的特征提取能力,与YOLOv8算法相比,平均精度均值提升了2.63%,模型参数量减少了19.43%,模型计算量减少了28.31%,证明了改进YOLOv8算法的有效性。
2025年05期 v.44 52-58页 [查看摘要][在线阅读][下载 395K] [下载次数:94 ] |[引用频次:0 ] |[阅读次数:0 ] |[网刊下载次数:0 ]