基于残差注意力自适应去噪网络和Stacking集成学习的局部放电故障诊断

基于残差注意力自适应去噪网络和Stacking集成学习的局部放电故障诊断[模拟设计][智能电网]

针对传统局部放电（Partial Discharge， PD）故障诊断方法在处理复杂含噪PD信号存在局限性并依赖于人工去噪和专家经验，难以学习到PD特征多样化表达等问题，分别提出残差注意力自适应去噪网络（Residual Attention Adaptive Denoising Network， RAADNet）和基于Stacking集成学习的PD故障诊断模型。RAADNet基于残差网络结构设计，通过集成CAM注意力机制和软阈值函数实现自适应去噪；Stacking集成模型的基学习器分别由基于卷积神经网络的RAADNet、基于多头自注意力机制的Transformer以及基于Boosting集成策略的XGBoost多个差异化模型共同构建构成。实验结果表明，提出的RAADNet优于其他先进方法，识别准确率达到93.99%，Stacking集成模型则通过学习多样化特征表达，进一步提高模型性能，达到96.79%识别准确率。

发表于：2024/11/14 下午3:26:02

圆形阵列式霍尔电流传感器抗磁干扰算法研究

圆形阵列式霍尔电流传感器抗磁干扰算法研究[MEMS|传感技术][智能电网]

阵列式霍尔电流传感器是电力电子领域中的一个研究热点，特别是在直流电测量方面，它具有线性度高、动态范围大、体积小、功耗低等优点，是对铁磁磁芯的电流传感器的改进。然而，由于没有铁芯聚磁，在汽车电子、配电系统等场所内，导体排布密集，外部磁场很容易进入磁传感器，从而影响测量精度。因此，提出了一种抗磁干扰算法来解决这一问题，采用构造超越方程的方法，不仅可以计算被测电流，还可以计算任意位置的干扰电流，并通过数值模拟、有限元分析和室内实验对该算法进行验证。实验结果表明，在受到强干扰电流的影响下，误差在3.5%以内，验证了构造的圆形传感器阵列及抗磁干扰算法的有效性。

发表于：2024/11/14 下午3:12:54

某型接收机中放大器自激机理分析与预防措施

某型接收机中放大器自激机理分析与预防措施[模拟设计][通信网络]

对某型接收机中频噪底升高故障进行了分析处理，分析结果表明射频模块腔体内存在个体差异，导致本振放大器在脉冲工作条件下产生自激，通过对放大器自激机理的分析给出了相应的预防措施，在射频小盒侧壁中粘贴吸波材料，可以有效消除自激。论文对今后腔体自激问题的处理分析具有参考价值。

发表于：2024/11/14 下午2:57:00

基于ARM 架构的安全总线桥设计与实现

基于ARM 架构的安全总线桥设计与实现[模拟设计][工业自动化]

为提高SoC（System-On-Chip）系统安全性能，设计了一种基于ARM（Advanced RISC Machine） 架构的安全总线桥电路。该电路设计了一个桥接模块和一个访问控制功能模块。仿真表明，该电路能够在任意倍频的AHB（Advanced High-Performance Bus）和APB（Advanced Peripheral Bus）时钟频率下完成AHB传输协议向APB传输协议的转换，同时支持灵活配置主从设备的访问权限和保护模式，防止外设寄存器数据被非法访问和恶意篡改，提高了系统的安全性能和适用性。

发表于：2024/11/14 下午2:44:30

基于改进AlexNet卷积神经网络人脸识别的研究

基于改进AlexNet卷积神经网络人脸识别的研究[人工智能][消费电子]

近期，人脸识别技术在社会上广受关注，其非接触式的识别特性相较于指纹等传统接触式识别方法展现出明显优势。在深度学习领域，由于传统卷积神经网络在人脸识别任务上的准确性和速度尚有提升空间，因此提出采用改进的AlexNet卷积神经网络进行人脸识别。通过实验验证，与传统卷积网络相比，改进后的AlexNet在人脸识别上不仅准确度更高，而且识别过程更为稳定。

发表于：2024/11/14 下午2:29:57

计及可再生能源接入配电网的负荷预测和优化

计及可再生能源接入配电网的负荷预测和优化[人工智能][智能电网]

目前，可再生能源大量接入配电网，但是太阳能、风能、光伏及风电等可再生能源的间歇性和随机性不可避免地会造成配电网的波动。考虑电网内可再生能源发电功率与用电负荷随时间变化的特点，提出一种基于小波变换和神经网络的可再生能源接入配电网的负荷预测和优化方法。首先采集配电网的发电与负荷数据，利用小波变换处理收集到的数据，得到局部尺度和频率分解的特征参数，建立神经网络预测模型；然后，对经过小波变换后得到的特征参数进行训练，根据预测负荷对可再生能源的发电量进行调节，保持配电网供需侧的动态平衡。结果表明，所提方法能够对负荷进行有效预测，通过提前预测负荷量，保证配电网用电稳定性的同时，最大化利用可再生能源。

发表于：2024/11/14 下午2:16:53

基于Transformer残差网络的事件重建算法

基于Transformer残差网络的事件重建算法[人工智能][消费电子]

目前的人工视觉系统仍然无法处理一些涉及高速运动场景和高动态范围的真实世界场景。事件相机因其低延迟和高动态范围捕捉高速运动的优势具有消除上述问题的能力。然而，由于事件数据的高度稀疏和变化性质，在保证其快速性的同时将事件重建为视频仍然具有挑战性。因此提出了一种基于Transformer残差网络和光流估计的事件流重建算法，通过光流估计和事件重建的联合训练，实现自监督的重建过程，并引入去模糊预处理和亚像素上采样模块来提高重建质量。实验结果表明，在公开数据集上，提出的方法可以有效提高事件流的重建效果。

发表于：2024/11/14 下午2:03:50

稀疏矩阵在C66x上的应用及优化

稀疏矩阵在C66x上的应用及优化[模拟设计][其他]

随着大数据的爆炸式发展，稀疏矩阵已经成为机器学习和边缘计算的重要一环。在机器学习领域，数据集的稀疏矩阵化既可以保存信息又可以节省内存，已成为不可避免的趋势。SpMV（稀疏矩阵向量乘）作为稀疏矩阵计算中的核心，其迭代求解过程的空间复杂度和时间复杂度具有重要研究意义。分析稀疏矩阵C00、CSR、ELLPACK和DIA压缩格式，改变稀疏矩阵的稀疏度和非零元素的分布，得出COO读取数据、CSR进行计算的SpMV通用性更强。利用C66x的VLIW指令构架，采用软件流水的方式对SpMV_CSR算法进行指令并行优化，利用SIMD单指令多数据指令集对SpMV_CSR算法完成数据并行优化。实验结果表明，优化后的SpMV_CSR算法相较于优化前的加速比平均达到5倍以上。

发表于：2024/11/14 下午1:55:39

一种基于Yarn云平台的基因启发式多序列比对算法

一种基于Yarn云平台的基因启发式多序列比对算法[模拟设计][医疗电子]

提出一种基于Yarn云平台的基因启发式多序列比对算法。建立核酸替换等价矩阵作为基因启发式数学模型，构建Yarn云平台逻辑架构，通过对基因数据预处理、基因数据存储、基因序列比对、基因数据管理、基因数据分析等步骤，对数据分类保存，划分错误率较高的长序列，得到多个较短的基因片段。对不同片段实施定位，将其中的变长种子生成，进行骨架构建和孔隙填补，可以实现基因启发式多序列比对。结果表明，设计的算法在不同数据集下处理时间缩短，多序列比对SP（Sum of Pairs）的分值较高，实验验证了该多序列比对方法具有很好的应用价值。

发表于：2024/11/14 下午1:45:24

基于电路切割方法的并行量子模拟方法

基于电路切割方法的并行量子模拟方法[模拟设计][其他]

量子计算在解决传统计算难题方面展现了巨大潜力，但由于其高错误率和噪声问题，经典模拟成为验证其性能的重要手段。然而，量子的叠加和纠缠特性带来了模拟上的巨大挑战，尤其是在内存受限的情况下。尽管电路切割方法能够将大规模量子电路分解为更小的计算任务，减轻计算压力，先前的研究主要关注其在量子计算机上的应用，未充分考虑其在量子电路模拟中的效果。论文研究填补了这一空白，提出了基于启发式切割算法和子电路状态向量复用的优化方案，以应对模拟中的内存限制。通过引入全局计算成本的考量和整数规划模型，提出的启发式方法不仅优化了切割过程，还结合了子电路状态向量复用技术，以减少重复计算和内存占用。实验结果显示，与当前流行的电路切割方法相比，所提出方法在提升模拟速度的同时显著降低了内存需求，有效应对了量子电路模拟中的挑战。在经典量子电路的测试中总体平均加速达到了46%。

发表于：2024/11/14 下午1:36:03