1 上海市计量测试技术研究院，上海 201203
2 上海在线检测与控制技术重点实验室，上海 201203
3 桂林电子科技大学 计算机与信息安全学院，广西 桂林 541004
提出了一种结合深度学习的空间相位解包裹方法，采用基于改进U-Net网络的编码器-解码器架构，同时加入包含双向长短期记忆网络（BILSTM）的CBiLSTM模块，并且结合注意力机制，避免了典型卷积神经网络学习全局空间依赖关系的固有缺陷的同时增强了深度学习模型对相位解包裹任务中的关键信息的关注能力。通过大量的模拟数据，验证了文中方法在严重噪声(SNR=0)、不连续条件和混叠条件下的鲁棒性，在以上三种情况下，同其他深度学习网络模型进行对比，文中所提出的网络模型的归一化均方根误差（NRMSE）分别为0.75%、1.81%和1.68%；结构相似性指数（SSIM）分别为0.98、0.92和0.94；峰值信噪比(PSNR)分别为40.87、32.56、37.38；同时计算时间显著减少，适合应用到需要快速准确的空间相位解包裹任务中去。通过实际测量数据，验证了文中提出网络模型的可行性。该研究将双向长短期记忆网络（BILSTM）和注意力机制同时引入光学相位解包裹问题中，为解决复杂相位场的解包裹提供了新的思路和方案。
相位解包裹 深度学习 注意力机制 长短期记忆网络 卷积神经网络 phase unwrapping deep learning attention mechanism long short-term memory network convolutional neural network 红外与激光工程
2024, 53(2): 20230564
刘琨 1,2,3,*尹慧 1,2,3江俊峰 1,2,3刘铁根 1,2,3赵成伟 1,2,3
1 天津大学精密仪器与光电子工程学院，天津 300072
2 天津大学光电信息技术教育部重点实验室，天津 300072
3 天津大学光纤传感研究所，天津 300072
针对目前深度学习在气体检测领域多聚焦于学习单个任务即气体定性分类或气体体积分数定量回归，忽略了相关任务间的信息关联性，降低了模型学习精度与效率等问题，提出了一种基于一维卷积神经网络和长短期记忆网络的多任务学习模型，即MTL-1DCNN-LSTM，并行实现了混合气体种类定性识别与体积分数定量回归。利用掺铥光纤，搭建了二级放大掺铥环腔光纤激光器，基于有源内腔吸收光谱法探测了CO2和NH3混合气体的吸收光谱数据。将实验数据放入多任务学习模型中训练，并进行超参数优化后，对测试集数据进行测试得到气体识别准确率为100%，NH3体积分数预测决定系数为99.84%，CO2体积分数预测决定系数为99.62%，优于单任务模型与传统的气体反演算法如反向传播神经网络和支持向量机。所提出的深度学习算法与有源内腔法相结合的方法，为吸收光谱型混合气体反演技术的进一步研究提供了新思路。
掺铥光纤激光器 有源内腔法 多任务学习 一维卷积神经网络 长短期记忆网络 激光与光电子学进展
2024, 61(3): 0306002
1 上海电力大学自动化工程学院，上海 200090
2 新南威尔士大学电气工程与电信学院，澳大利亚 新南威尔士州悉尼 2052
借助深度学习算法的非线性处理能力，提出基于注意力机制和长短期记忆（LSTM）网络的温漂预测模型，从而对法布里-珀罗（F-P）滤波器进行温漂补偿。针对温漂数据中复杂的时空信息，采用LSTM提取时间信息，利用注意力机制分配空间权重。实验结果表明：在升温-降温-升温环境下，所提方法和LSTM模型的最大波长漂移误差分别为6.75 pm和16.64 pm；在单调降温环境下，两种方法的最大波长漂移误差分别为5.39 pm和14.09 pm。所提方法在最大绝对误差（MAXE）、均方根误差（RMSE）和平均误差（MAE）上均优于最小二乘支持向量机（LSSVM）和循环神经网络（RNN）。
光栅 光纤光栅 法布里-珀罗滤波器 温漂误差 注意力机制 长短期记忆网络 光学学报
2023, 43(22): 2205001
1 光电控制技术重点实验室, 河南 洛阳 471000
2 中国航空工业集团公司洛阳电光设备研究所, 河南 洛阳 471000
3 空装驻洛阳地区第二军事代表室, 河南 洛阳 471000
针对无人机近距空战的自主决策问题, 提出了一种基于近端策略优化(PPO)算法的无人机自主引导方法。针对敌我距离、角度、速度以及任务约束等信息重塑奖励, 建立了无人机三自由度模型, 在速度坐标系上构建强化学习的状态和动作, 分别对结合了全连接神经网络的PPO算法(标准PPO算法)和长短时记忆网络的PPO算法(改进PPO算法)模型进行了仿真训练。根据训练的结果可以证明, 相比于标准PPO算法, 所提的改进PPO算法能够更有效地处理与时间序列高度相关的无人机自主引导任务。
近距空战 近端策略优化 自主引导 长短时记忆网络 close air combat Proximal Policy Optimization(PPO) autonomous guidance long short-term memory network
1 南京信息工程大学自动化学院，江苏 南京 210044
2 南京信息工程大学海洋科学学院，江苏 南京 210044
海表温度（SST）是重要的海洋水文参数。对其进行精准预测在海洋相关领域中至关重要。深度学习强大的分析能力使其近年来广泛应用于SST预测中，但SST时间序列波动性和随机性的特点使其精准预测仍然具有挑战性。首先，采用变分模态分解（VMD）作为去噪模块，降低SST序列噪声对预测结果的影响。进而，为了解决深度模型在SST预测中存在的滞后现象，采用迁移学习的方法，将长短时记忆网络（LSTM）与宽度学习系统（BLS）相结合，使用LSTM作为BLS的特征映射结点，提高了预测精度。最终，提出了一种基于VMD-LSTM-BLS的SST预测模型。选取我国东海海温进行实例验证。通过与基准模型支持向量机、LSTM、门控循环单元以及现有的深度模型进行比较，证明了提出模型在SST预测中具有相对稳定、高效的优势，为SST预测的发展提供了新思路。
大气光学与海洋光学 海表温度 变分模态分解 长短时记忆网络 宽度学习系统 激光与光电子学进展
2023, 60(7): 0701001
1 天津大学精密仪器与光电子工程学院精密测试技术及仪器国家重点实验室，天津 300072
2 宁夏回族自治区水利工程建设中心，宁夏 银川 750004
提出了以长短期记忆网络（LSTM）与卷积神经网络（CNN）为主要框架的深度学习网络，基于该网络实现模式识别。LSTM-CNN以时域曲线及其短时傅里叶变换（STFT）结果作为网络输入，LSTM提取输入信号的时序特征，CNN提取时域曲线的轮廓特征及能量特征。实验中以相敏光时域反射仪（φ-OTDR）为传感系统完成数据采集。将LSTM-CNN与传统的人工神经网络（ANN）及CNN对比，LSTM-CNN在各项评价指标中均处于最优状态，实现了φ-OTDR模式识别的既定目标，为实际的工程产品开发提供了概念证明与演示示例。
光通信 模式识别 长短期记忆网络 卷积神经网络 光纤预警
天津大学电气自动化与信息工程学院, 天津 300072
随着近年假脸合成技术(DeepFake)的发展,当前社交平台充斥着通过换脸技术生成的海量假视频,虽然假视频可以丰富大众的娱乐生活,但是同样存在着曝光隐私等负面问题。如何精准检测出由DeepFake生成的伪造数据已成为网络安全防御领域中一项重要且具有挑战性的任务。针对这一问题,很多科研工作者提出了针对换脸视频的检测方法,但是现有的检测方法均忽略了DeepFake视频帧与帧之间的关联特性。因此,对于部分针对脸部信息进行平滑处理的篡改方法,已有的检测方法的检测准确率有明显的下降。基于此,提出了一种基于长短期记忆(LSTM)网络的DeepFake视频检测算法。该算法能够捕获DeepFake视频帧中的脸部微表情变化,并利用编码器生成局部视觉信息的特征,同时利用注意力机制实现局部信息的权重分配;最后再次借助LSTM网络实现时序空间下视频帧的关联信息融合,从而实现对DeepFake视频数据的有效检测。采用FaceForensics++数据库对所提算法进行了评估,与现有方法相比,实验结果证明了所提算法的优越性。
机器视觉 假脸合成技术检测 帧间特性 卷积长短期记忆网络 注意力机制 激光与光电子学进展
2021, 58(24): 2415002
兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
针对传统方法在机械故障诊断时存在特征提取困难、分类器训练复杂等问题,提出了一种基于S变换和卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,将轴承的原始数据经过S变换得到时频图,再通过CNN进行二次特征提取。然后,通过分类器对故障进行分类,并对滚动轴承进行故障诊断。实验结果表明,相比长短时记忆网络、CNN和支持向量机,该方法的诊断准确率更高且稳定性也较好。
信号处理 S变换 卷积神经网络 长短时记忆网络 支持向量机 故障诊断 激光与光电子学进展
2021, 58(22): 2207001
