强激光与粒子束
2024, 36(4): 043020
强激光与粒子束
2024, 36(4): 043013
1 重庆邮电大学工业物联网与网络化教育部重点实验室,重庆 400065
2 重庆邮电大学通信与信息工程学院,重庆 400065
针对脉搏波信号采集过程中存在噪声的问题,提出了基于改进互补集成经验模态分解的脉搏波去噪算法。利用光纤布拉格光栅传感器获取脉搏波信号,首先在互补集成经验模态分解算法中加入高斯白噪声,然后利用粒子群算法优化高斯白噪声幅值,以此来消除互补集成经验模态算法分解产生的模态混叠现象,并联合小波阈值函数对其处理后的脉搏波信号进行重构。实验结果表明,所提算法能够有效降低脉搏波信号中的噪声干扰,在信噪比、均方误差两个指标上均优于对比算法,为提取脉搏波的时域特征奠定了基础。
光纤布拉格光栅 脉搏波 信号去噪 互补集成经验模态分解 粒子群优化算法 小波阈值
重庆邮电大学通信与信息工程学院,重庆 400065
跨模态行人重识别是一项具有挑战性的行人检索任务。现有研究侧重于通过提取模态共享特征来减小模态间差异,忽视了对模态内差异和背景干扰的处理。为此,提出了一种掩膜重构与动态注意力(MRDA)网络,该网络通过重构人体区域特征来消除背景杂波的影响,从而增强网络对背景变化的鲁棒性。此外,该网络结合了动态注意力机制,以过滤无关信息,动态挖掘并增强具有辨别力的特征表示,消除模态内差异的影响。实验结果显示:该网络在SYSU-MM01数据集的all-search模式下的第一个检索结果匹配成功的概率(Rank-1)和均值平均精度(mAP)分别达到70.55%和63.89%;在RegDB数据集的visible-to-infrared检索模式下的Rank-1和mAP分别达到91.80%和82.08%。在公共数据集上验证了所提方法的有效性。
行人重识别 跨模态 掩膜重构 双流网络 动态注意力 激光与光电子学进展
2024, 61(10): 1015001
强激光与粒子束
2024, 36(1): 014001
1 西南科技大学信息工程学院,四川 绵阳 621010
2 西南科大四川天府新区创新研究院,四川 成都 610299
3 中国工程物理研究院化工材料研究所,四川 绵阳 621900
太赫兹光谱可表征晶体分子间弱相互作用,太赫兹光谱的非谐性机理为晶体宏观性质认知提供了微观基础。以2,6-二氨基-3,5-二硝基吡嗪(ANPZ)为对象,研究了温度作用下太赫兹光谱非谐性机理。通过光谱测量,获得ANPZ不同吸收峰的温度诱导非谐特性。通过密度泛函理论,对吸收的振动特性进行指认。对振动特性的分解结果表明:特定分子间氢键的软化是太赫兹光谱强非谐性的原因。进一步,基于声子和准简谐近似计算了ANPZ原子随温度的位移特性,并对上述分析结论进行了验证。研究表明:太赫兹光谱技术结合相关方法,可以深入分析温度作用下晶体内分子间氢键的响应规律,可为晶体宏观性质的认识提供科学分析手段。
光谱学 非谐性 模态分解 分子间氢键 温度 激光与光电子学进展
2024, 61(5): 0530001
为了实现低成本微惯性测量单元(MIMU)的自对准功能、提高自对准精度, 提出了一种基于级联卡尔曼滤波(KCF)的动基座GPS单天线辅助MIMU自对准方法。首先, 对GPS单天线测得的速度矢量随机误差进行了总平均经验模态分解(MEEMD), 信号重构后使用卡尔曼滤波对其降噪解算得到航向角测量; 其次,以基座姿态角和陀螺常值漂移为状态量建立了系统的状态方程, 并融合加速度计和GPS单天线测量信息, 建立了系统的观测方程; 然后, 使用自适应无迹卡尔曼滤波进行信息融合, 实现了基座姿态角的最优估计。经仿真验证对比, 所提算法有效提高了自对准精度。仿真结果验证了所提算法在GPS单天线辅助MIMU自对准中的优越性。
微惯性测量单元 初始对准 总平均经验模态分解 自适应级联卡尔曼滤波 Micro Inertial Measurement Unit (MIMU) initial alignment Modified Ensemble Empirical Mode Decomposition (ME Adaptive Kalman Cascade Filtering (AKCF)
1 南京城市职业学院智能工程学院,江苏南京 211200
2 南京信息工程大学 江苏省气象探测与信息处理重点实验室
3 南京信息工程大学 江苏省气象传感网技术工程中心,江苏南京 210044
针对气体泄漏声波信号降噪的问题,提出一种集合小波包分析(WPA)与变分模态分解(VMD)相结合的降噪方法。通过小波包变换对信号的噪声进行预处理;利用 VMD对去除噪声的信号进行分解,得到所有的本征模函数(IMF)分量,并根据相关系数准则判断有效 IMF;最后提取有效成分并进行信号重构。对本文方法进行验证,结果表明,本文方法能够有效剔除气体泄漏信号中包含的各种噪声,降噪后信噪比为 15.485 1,均方根误差为 0.028,为后续信号分析减少了干扰,也为气体泄漏声波信号的特征提取与分析提供了新的思路。
降噪 气体泄漏 小波包分析 变分模态分解 预处理 noise reduction gas leakage wavelet packet analysis Variational Mode Decomposition pretreatment 太赫兹科学与电子信息学报
2023, 21(8): 1031