图像描述生成任务的目的是生成语法准确、语义连贯的句子,以表达给定图像的内容,具有很好的实用价值. Transformer模型在完成该任务时获得显著优势. 针对Transformer存在注意力复杂度高以及训练期间产生内部协变量偏移的问题,提出外部注意和二次层归一化的图像描述生成模型. 一方面,在编码端使用外部注意力,通过可学习的外部共享记忆单元,将注意力机制的复杂度从二次幂降为一次幂,并学习到基于整个数据集的先验知识,挖掘了样本间的潜在相关性,使模型生成的文本描述内容更加准确. 同时,分别对注意力图的行和列作归一化处理,消除输入特征大小对注意力的影响. 另一方面,定义二次层归一化并用于Transformer模型中,在维持输入数据分布稳定的同时,提高了数据表达能力. 在MS COCO数据集上进行的仿真实验表明,相对于Up-Down、SRT、M2等代表性模型,改进后的模型在METEOR、ROUGE、CIDEr和SPICE指标上分别取得了29.3、58.6、131.7和22.7的分数. 实验结果表明,改进后模型的语义表达更加充分、描述更加准确,改进是有效的.

针对乌鸦搜索算法易陷入局部最优和位置更新策略具有盲目性的不足,提出一种基于莱维飞行（l$ \stackrel{´}{\mathit{e}} $vy flight）的自适应乌鸦搜索算法,对标准乌鸦搜索算法的感知概率和飞行距离进行动态调整,对乌鸦个体在第二种情况下的位置更新策略进行优化.所提算法引入莱维飞行、经验因子和自适应调整参数机制,动态增加算法前期的全局搜索能力和后期的局部寻优能力.在算法个体发现自己被其他个体跟踪的情况下,采取经验因子和莱维飞行相结合的更新策略来引导其他个体,增强算法个体位置更新的效率,避免个体在最优解附近来回振荡,使得算法快速准确的到达极值点,有效弥补了原始乌鸦搜索算法位置更新的盲目性和收敛速度较慢的不足. 通过和其他新型智能优化算法在8个基准测试函数和1个工程应用问题的实验对比,来检验算法的有效性.仿真结果表明,所提算法的寻优平均结果、标准差、收敛性和鲁棒性均优于其他算法,有效避免了位置更新的盲目性,增强了算法的性能效率.

针对黑暗场景下拍摄的光照图像中所产生的光照不均匀,恢复细节不够清晰等问题,提出了基于深度学习的一种低光照图像增强方法,称为ADLIE（Attention-directed Low-light Image Enhancement）算法. 首先,利用双通道注意力机制来引导注意网络,依据输入图像的明暗程度进行区域性的分级划分,同时双通道注意力机制还可以提取更多良好的局部特征信息. 然后,将注意图和输入图像一同输入到增强网络中. 对不同区域利用不同级别的光照强度来提升图像对比度,达到整体图像的均匀曝光的效果. 最后,加入增强模块,利用增强模块中的多层卷积连接恢复图像细节,来获得更自然清晰的高质量图像. 此外,采用在真实场景下采集的公开LOL数据集和LSRW数据集进行的实验验证,对比了Retinex、R2RNet等经典的方法,在PSNR（峰值信噪比）、SSIM（结构相似性）、CTRS（对比度）和Information Entropy（信息熵）等常见的评价指标上的实验结果有了显著的提升. 该网络在提高低光照图像整体亮度的同时恢复了图像的细节,减少了颜色失真,避免了全局过度曝光,得到更加清晰自然的图像.

为提升复杂场景下基于可见光图像的目标检测性能,将深层卷积神经网络与多源信息融合技术相结合,提出了一种自适应融合红外特征的可见光目标检测算法. 该算法以红外和可见光图像作为输入,通过卷积、激活结合残差结构的方式分别提取目标红外和可见光特征,并利用空间和通道注意力机制提升目标所属类别以及所在图像区域的特征权重. 其次,将提取的红外特征以自适应加权的方式融入对应维度的可见光特征中,充分弥补目标在单模态模型下的局限. 最后,针对多尺度目标,设计了金字塔采样结构,通过交替上采样和下采样方式来充分融合目标全局及局部特征,增强网络尺度不变性. 通过实验验证,所提注意力机制、特征自适应融合以及金字塔采样结构都能有效提升目标检测效果,相比于同类型红外-可见光目标检测方法,该方法可以充分融合目标多模态特征,并有效降低噪声干扰,使网络具有更高的检测性能. 同时,在实际电网设备检测中,所提方法也表现出较高泛化能力和鲁棒性,可以准确高效的实现目标设备的识别及定位.

针对使用深度神经网络进行多视角图像三维重建时存在特征图对光照变化敏感以及重建不完整的问题,提出了一种融合梯度和高斯过程回归的多视图重建方法. 首先,针对光照变化影响提取特征的问题,设计一个融合梯度的特征提取网络.通过对图像进行独立的梯度计算并在梯度与原图像的基础上使用卷积神经网络提取特征,提高了梯度信息在特征图中的影响力,增强了特征图对光照变化因素影响的抑制力. 其次,针对多视图重建中特征提取步骤只关注当前视图而没有考虑视图间的潜在空间关系的问题,提出一个融合高斯过程回归算法的视图特征增强模块,有效地增益了视图间相关信息对多视立体视觉重建任务的影响,提高了多视立体视觉重建结果的完整度. 最后,通过衡量参考图像与相邻图像特征体之间的匹配程度计算不同视图对CostVolume的贡献度,重新构建符合视觉感知的CostVolume. 在DTU和Tanks and Temples数据集上进行实验,结果表明,与主流的多视立体视觉重建方法相比,该方法在三维重建的完整度方面有较大提升,并且拥有良好的泛化性.

随着新冠感染患者数量的增多,产生了大量与之相关的流调数据. 以流调数据为基础,通过分析患者间的语义关联特征可以在个体层面表达疾病的传播过程,深入探讨患者染病的特征分布、患者之间的传播路径等问题. 基于此,研究以患者为中心并兼顾语义关联特征,借助知识图谱技术完成对患者流调数据的建模. 首先在解析流调数据的基础上定义患者语义关系,据此设计患者关系图谱的模式层.然后,通过识别患者、地点实体,抽取“患者-关系-患者”及“患者-居住-地点”三元组等任务完成数据层构建.最后,利用Neo4j图数据库实现患者关系图谱的可视化并加以分析. 结果表明,通过对超级传播源分析和传播路径追溯等层面进行验证,患者关系图谱可以挖掘患者的内在关联、有效整合患者语义关系,表达疾病在患者间的传播过程.

针对当前混凝土建筑裂缝走向不规则、细小裂缝特征难以提取的问题,提出一种基于YOLOv4改进的混凝土建筑裂缝检测算法. 该算法以YOLOv4框架为基础,在其特征提取网络部分引入感受野更宽的RFB模块捕获特征图；并基于PANet多尺度路径融合结构,提出新的多尺度特征融合方式SL-PANet.该方式首先增加浅层网络特征信息,提高模型对细小裂缝识别的精度,其次采用DUpsampling上采样模块充分还原图像的特征信息,并在上采样和下采样过程中融入CBAM注意力机制模块,突出裂缝的特征信息,去除背景冗余信息的干扰,以此增强裂缝特征的表达能力.该算法同时利用AdamW优化器加快网络训练的收敛. 实验结果表明：文章改进的算法检测精度高达94.47%,较原YOLOv4算法提高6.44%,能够满足当前混凝土建筑裂缝检测需求.

如何高效地检测出火灾初期的火源并对其进行准确定位,是有效遏制火情恶化和及时制定消防计划的重要前提. 目前火源检测定位所面临的主要问题为火源检测与定位双任务相互分离,这严重制约了火灾预警的实时性. 为了克服上述问题,提出以YOLO V5作为火源检测基础模型,同时利用CIOU（Complete intersection over union）损失函数对anchor（anchor-boxes）与GT（Ground Truth）进行精准框定以进一步提高模型标注精度,并将Leaky RELU激活函数替换为正则化和激活函数相结合的GELU（Gaussian Error Linear Unit）. 另外,在准确检测出火源的同时,采用平行双目定位算法对火源进行空间定位,以实现火源检测与定位的智能一体化. 实验结果表明,所提方法的火源检测mAP值比原始算法提高了9.8%,在保证检测火源精确性的同时能准确定位火源位置.

混合关键系统是现代嵌入式系统发展的主要趋势之一,其中高关键任务代表紧急度高或者重要程度高的实际任务,往往需要优先保证. 为了保证高关键级别任务的执行,当前的混合关键任务调度算法中常常存在对低关键级别任务采用丢弃或者调度不及时的现象,造成在关键级别转换时,任务丢失时限率较大且系统利用率较低. 为此,本文在具有双重关键级别的混合关键系统中,对EDF-os半划分调度算法进行改进.首先,在划分阶段,将高关键级别的任务作为固定任务,低关键级别的任务按照利用率使用Worst-Fit策略进行划分. 其次,在执行阶段,采用job边界迁移形式,并详细讨论了在不同系统关键级别之下,不同关键级别任务优先级确定的策略,根据优先级对任务进行调度执行. 最后,模拟具有双关键级别的多处理器混合关键系统,随机产生任务集进行仿真实验,结果表明,该方法使得低关键级别任务的可执行比例平均提升了14.8%,任务丢失时限率降低了19.7%.

为了解决传统PTAT电流源在启动过程中响应速度过长和收敛速度过慢等问题,提出了一种新型快速启动和稳定PTAT电流源. 基于高可靠双极结构,引入了一种具有弱失配机制的运算放大器结构,利用局部负反馈以及共享负载电容等方法,在优化芯片面积的同时,大大加快电路的启动速度和环路收敛稳定速度. 电路性能在上电启动、稳定收敛和工作模式三方面均有大幅度的提升. 结果表明,在标准UMC 180 nm CMOS工艺下,电路可实现−40℃到85℃的宽温工作范围、2.5～5 V宽摆幅工作电压,104.26 μA的平均电流,实现4 μs的启动速度以及108 dB的高PSRR抑制比特性,在对启动与收敛速度要求较高的系统芯片中有良好的应用前景.

设计了一种用于GaN HEMT器件栅驱动芯片的高性能温度保护电路,能精确响应并输出保护信号以确保电路安全. 过温保护采用两路温度检测电路来采集温度信号电压值并对电压差值进行放大,比较滤波后经过具有滞回功能的施密特触发器输出整形保护信号,可以克服共模噪声和温度应力的影响. 基于CSMC 0.18 μm BCD工艺,完成了电路设计验证与测试,结果显示电路功能正确,可满足GaN HEMT器件栅驱动芯片应用要求.

在军事无线、卫星、水下等环境复杂的语音通信领域,连续可变斜率增量CVSD编码以实现简单、纠错能力强等特点被广泛应用. 然而,标准CVSD编码的混合双积分增量调制系统存在不稳定现象,面对信道突发误码,抗干扰能力不足容易导致语音质量的下降. 设计一种改进型CVSD编译码器,利用语音编码的延迟性和语音数据的相关性,通过连续跟踪多条路径进行误差度量,采用合适的失真准则从多种可能的编码输出中找到最佳输出序列,在确保重建语音波形的基础上,实现对语音信号的有效编码,从而解决混合双积分增量调制系统不稳定的问题；同时,通过改进的数字压扩器提高编译码的信噪比,解决由查表法引入的误差累积问题,进一步提升CVSD编码在特殊信道中的适应能力. 最后基于某水下语音通信终端对改进的CVSD编译器可用性进行测试评估. 实验表明,本文提出的改进型CVSD编译码器在稳定性上相比标准CVSD编码抗误码能力更强,语音质量更好,具有较高的使用及推广价值.

采用0.25 μm BCD商用工艺,设计了一种适用于DC/DC控制器的测试及修调电路. 该电路基于引脚功能复用的思路,通过对特定引脚施加特定信号,在不影响控制器正常工作时的引脚信号状态的情况下,既能够在圆片级或封装后实现内部信号的读取以及参数指标的修调,又能够克服封装寄生效应对高电压精度以及大电流测试的影响,具有测试操作简单、测试成本低廉、测试范围广泛等优点. 该电路缓解了传统PAD扎针加压方案在熔丝数量较多时突出的面积问题；解决了传统激光切割方案需要昂贵激光修调设备及编写ATE程序的成本问题；改善了两种传统修调方案均只能在圆片级测试,不适合高精度、大电流测试的应用问题. 该电路内部结构包括寄存器时钟及数据输入电路、测试及修调使能电路、测试及修调阵列电路、测试数据输出电路. 仿真结果表明,在DC/DC控制器开环状态下,通过配置特定端口的数据位,能够通过测试电路实现振荡器输出振荡信号等内部典型信号的输出,实现关键指标导通电阻的测试,通过修调电路实现关键参数基准电压精度的修调.

绝缘栅双极晶体管（insulated gate bipolar transistor,IGBT）作为功率变换器的重要组成部分,其剩余使用寿命的预测极为重要. 针对IGBT的剩余使用寿命问题,提出了利用黏菌优化算法（slime mould algorithm,SMA）优化Elman神经网络实现权值和阈值的自适应选择,并将其用于IGBT的寿命预测. 首先,对NASA研究中心老化试验数据集中的栅射极关断电压尖峰峰值进行平滑处理.其次，对处理后的数据进行时域特征提取.再次，用核主成分分析（kernel principle component analysis,KPCA）进行优选降维。最后，利用SMA-Elman神经网络模型实现IGBT的寿命预测. 结果表明,提出的SMA-Elman神经网络模型相比Elman、BP神经网络及SVR模型具有更优的性能,均方误差为0.021%,均方根误差为0.014,拟合度为0.998,可以更好地实现IGBT剩余使用寿命的预测.

基于仿真和实验方法,开展了100VN 沟槽MOSFET的设计研究工作. 通过沟槽深度,体区注入剂量和栅氧化层厚度拉偏,获得了对击穿电压,阈值电压和导通电阻的影响规律并对机理进行了分析,仿真工具同时描述了器件内部的电流路径和碰撞电离率分布. 随着沟槽深度增加击穿电压先升后降,导通电阻则表现为相反趋势；击穿电压与注入剂量具有弱相关性,阈值电压随注入剂量增加而升高；击穿电压随着栅氧化层厚度增加整体表现上升趋势,但变化幅度不大,阈值电压与厚度变化表现出强相关性. 通过逐步优化获得了最终结构和工艺参数为沟槽深度1.5 um,体区注入剂量1.3E13,栅氧化层厚度700 A,通过流片获得器件最终电性参数为击穿电压为105.6 V,阈值电压2.67 V,导通电阻3.12 mR,相较于仿真参数分别有98%,94%和75%的变化率.

系统级封装（System in Packet, SiP）技术将多个子系统集成在一个封装内,具有组装方式灵活、研发周期短等优势,在电子设备小型化的进程中具有广阔的发展前景. 在SiP的设计流程中,原理图设计是否正确往往决定了整体设计的成败. 然而,原理图设计中出现的连接性错误通常需要工程人员花费大量时间进行查找对比,从而确定错误的位置. 为了提高原理图连接性错误检查的效率,提出了一种应用于SiP系统级封装原理图设计阶段的连接性规则检查错误反标工具,由工具命令语言（Tool Command Language,TCL）开发.该工具以插件形式集成于OrCAD Capture CIS工具中,可以配合已有的原理图规则检查工具,使用户可以通过图形界面获取并分析规则检查工具生成的有效错误信息,并将错误信息清晰直观的反标于原理图的相应位置. 通过对由26页原理图组成的测试系统进行错误反标测试,该工具可以在数秒内将原理图中的连接性错误信息反标在原理图的对应位置,使设计人员可以快速定位错误的位置,有效的提高了原理图设计阶段连接性检查的效率.