- 伍彩云;李娜;杜宁;
在传统的有源噪声控制系统中，原始噪声信号是获得参考噪声信号的必要条件，当原始噪声信号的信息不可获知时，有源噪声控制系统失效。为解决该问题，设计基于小波变换的有源噪声控制系统，利用小波阈值法对含噪语音信号进行处理，得到与原始噪声信号相关的参考噪声信号。在此基础上，对传统的有源噪声控制算法LMS进行改进，提出基于Sigmoid函数的γSLMS算法和C-γSLMS凸组合算法，解决LMS算法无法同时兼顾收敛速度和稳态误差的问题，为解决有源噪声控制问题提供新的解决方案。
2024年05期 v.43 1-6+13页 [查看摘要][在线阅读][下载 759K] [下载次数：274 ] |[引用频次：3 ] |[阅读次数：0 ] |[网刊下载次数：0 ] - 黄迎春;任国杰;
随着万物信息化与智能化的快速发展，网络攻击范围不断扩大。传统的入侵检测算法，如主成分分析(PCA)结合随机森林和K近邻等，由于网络数据繁多，特征提取能力较差，分类准确率低。针对上述问题，提出一种新的入侵检测技术，称为优先经验采样的近端策略优化裁剪(prioritized experience replay-proximal policy optimization clip, PER-PPO2)算法，基于强化学习实现包裹法特征选择。深度强化学习通过构建以分类器混淆矩阵为基础的奖励函数，使智能体根据奖励反馈选择分类器的较优特征，结合优先经验采样优化算法的训练样本，提高算法的稳定性与收敛性能；使用性能较优的轻量级梯度提升机(LightGBM)作为分类器。使用NSL-KDD数据集对模型进行实验评估，结果表明模型将数据集的41维特征降低为8维时分类F1值达到0.871 3,可以满足入侵检测的要求。
2024年05期 v.43 7-13页 [查看摘要][在线阅读][下载 439K] [下载次数：124 ] |[引用频次：1 ] |[阅读次数：0 ] |[网刊下载次数：0 ] - 宋建辉;郝奕全;刘晓阳;赵亚威;
为提升传统目标轮廓识别算法的实时性，提出一种基于动态时间规整(dynamic time warping, DTW)的轮廓特征目标识别算法。该算法将质心高度增量特征描述符与DTW相似性度量算法相结合，首先对目标轮廓均匀提取采样点，并对目标图像以及模板图像轮廓点的质心高度增量特征进行提取，然后使用DTW算法寻找规整路径的方法对目标图像以及模板图像的特征矩阵进行相似性度量，最后定义形状复杂度，同时联合翻转目标的二次匹配得出最终识别结果。实验结果表明，所提出算法在MPEG-7、Kimia99数据集中对待测形状能够在保证识别率优于大多数常见的传统目标识别算法的同时提升目标识别的实时性。
2024年05期 v.43 14-19+26页 [查看摘要][在线阅读][下载 541K] [下载次数：257 ] |[引用频次：0 ] |[阅读次数：0 ] |[网刊下载次数：0 ] - 樊涛;王宪楠;吴岩;赵爽;郭策安;张健;
研究水下爆炸冲击波信号的时频特性，对于舰艇利用弹药水下爆炸信号对抗自导鱼雷具有重要的实际意义。本文针对EMD-Hilbert方法中经验模态分解(EMD)存在模态混叠的问题，提出CEEMDAN-Hilbert方法实现水下爆炸冲击波信号精确的时频分析。在水深100 m处单发炸药爆炸，产生爆炸信号的频率主要分布在56.5 kHz以下的低频段，特别是0～28.3 kHz以下的能量最大，高于56.5 kHz的能量较少。通过与EMD-Hilbert方法相比，CEEMDAN-Hilbert方法在28.3～56.5 kHz频段的能量分布会更加明显，具有一定的优越性。
2024年05期 v.43 20-26页 [查看摘要][在线阅读][下载 556K] [下载次数：149 ] |[引用频次：0 ] |[阅读次数：0 ] |[网刊下载次数：0 ] - 蒋晓东;代勇;石征锦;
针对极端环境下因永磁体失磁导致电机性能下降，而不适宜采用永磁电机的情况，提出一种新型转子结构的定子侧电励磁无刷同步电机(stator electrically excited brushless synchronous motor, SEEBSM)。分别阐述绕组分布、转子结构和运行系统，设计一台额定功率为11 kW的样机，给出了主要参数和励磁绕组接线图，建立了电机二维物理模型，采用有限元方法分别对其空载和负载(轻载和额定负载)运行时的电磁特性进行了分析，研究结果表明所提出的新型转子结构能够改善起动性能，且能省去由励磁控制器向励磁绕组提供小直流电流使转速牵入同步的过程，可为后续样机的研制和实验研究提供参考。
2024年05期 v.43 27-33+40页 [查看摘要][在线阅读][下载 1008K] [下载次数：193 ] |[引用频次：0 ] |[阅读次数：0 ] |[网刊下载次数：0 ] - 于贺婷;刘思萌;文峰;
针对智能交通系统存在的卷积神经网络特征提取能力弱和特征表达能力有待提升等问题，在深度双Q网络(double deep Q network, Double DQN)模型基础上提出一种基于卷积注意力模块(convolutional block attention module, CBAM)的深度强化学习模型，用于智能交通信号控制。在三维卷积神经网络中加入CBAM轻量注意力模块，通过通道注意力和空间注意力两个模块结构更好地捕捉特征之间的相互依赖关系，增强卷积神经网络的特征表示质量，从而提升对拥堵路段重点特征的关注度以缓解交通拥堵问题。在城市交通仿真器SUMO(simulation of urban mobility)上的实验结果表明，相较其他常用算法，本文算法提高了交通灯配时的效率和稳定性，可为交通配时优化技术提供可靠依据。
2024年05期 v.43 34-40页 [查看摘要][在线阅读][下载 521K] [下载次数：349 ] |[引用频次：1 ] |[阅读次数：0 ] |[网刊下载次数：0 ] - 袁春华;冯博文;李翔宇;
抽油井长期运行可能使有杆泵抽油系统出现异常工况，这种异常的产生与设备的持续退化有关，但其具体原因仍难以通过数据驱动的深度学习方法来分析和解释。为了能够及时准确地检测到异常工况并推断故障级别和故障类型，提出一种基于可解释性无监督Shapelet学习(unsupervised Shapelet learning, USL)算法的抽油井电功率异常检测方法。首先利用提取到的先验知识改进USL;然后将改进的USL与单分类器结合，构成基于可解释性USL的异常检测算法(AD-IUSL),AD-IUSL可同时学习Shapelet特征和异常阈值。利用具有不同异常工况的抽油井电功率数据进行验证，结果表明，本文提出算法的F1分数达到了0.969,根据学习到的Shapelet特征合理解释了两种异常发生的潜在原因。
2024年05期 v.43 41-48页 [查看摘要][在线阅读][下载 681K] [下载次数：75 ] |[引用频次：0 ] |[阅读次数：0 ] |[网刊下载次数：0 ] - 文峰;石明泽;刘思萌;殷向阳;
针对现有点云目标检测算法对室外自动驾驶场景中遮挡物体检测精度低的问题，提出一种基于知识蒸馏和注意力增强的点云目标检测算法。以CIA-SSD模型为基础，设计了一种基于教师-学生模型的密集特征生成模块，提出基于交并比匹配策略的密集数据生成方法，将稀疏特征转换为密集特征。密集特征生成模块位于学生模型中，学生模型在教师模型生成的软目标监督训练下，推断出完整的密集目标特征，实现目标特征的补全；在教师模型中设计空间注意力和通道注意力机制，增强密集目标点云，提升特征图的质量。在KITTI数据集上的验证实验结果表明：与SE-SSD模型和CIA-SSD模型相比，本文提出的算法保持了单阶段目标检测速度的优势，同时明显提升了检测精度。
2024年05期 v.43 49-56页 [查看摘要][在线阅读][下载 708K] [下载次数：118 ] |[引用频次：0 ] |[阅读次数：0 ] |[网刊下载次数：0 ]