电子与计算机工程学报

交通运输业的快速发展带来了一些安全隐患。针对驾驶安全问题，将人工智能技术应用于安全驾驶行为识别中，可以有效降低事故率和经济损失。基于行车监控视频序列中存在时空背景混合信号等干扰信号，人眼等小目标的识别精度较低。本文提出了一种改进的双流卷积网络来识别安全驾驶行为。基于卷积神经网络(CNNs)，将注意机制(AM)集成到长短时记忆(LSTM)神经网络结构中，设计了混合双流AM-LSTM卷积网络信道。空间流通道采用CNN方法提取视频图像的空间特征值，采用金字塔池化代替传统池化，对尺度变换进行归一化。时间流通道采用单镜头多盒检测器(SSD)算法计算相邻两帧视频序列，用于检测人脸、眼睛等小目标。然后，利用AM-LSTM对双流信息进行融合和分类。建立了自建驾驶行为视频图像集。分别在FDDB数据库、VOT100数据集和自建视频图像集上进行ROC、准确率和损失函数实验。 Compared with CNN, SSD, IDT, and dual-stream recognition methods, the accuracy rate of this method can be improved by at least 1.4%, and the average absolute error in four video sequences can be improved by more than 2%. On the contrary, in the self-built image set, the recognition rate of doze reaches 68.3%, which is higher than other methods. The experimental results show that this method has good recognition accuracy and practical application value.

本研究介绍了高保真和高效数字类D音频功率放大器（CDA），由数字和模拟模块组成。为了实现兼容的数字输入，在MATLAB和Xilinx系统发生器上实现了一个完全数字音频数字到模拟转换器（DAC），由16倍内插滤波器组成，四阶四位量化的Δ-sigma（Δς）调制器，以及均匀采样脉冲宽度调制器。CDA利用闭环负反馈和环路过滤技术来最小化失真。基于现场可编程门阵列的音频DAC消耗0.128 W并使用7100 LUT，从而实现资源利用率的11.2％。模拟模块以0.18制成 µM BCD技术。后结仿真结果表明，CDA为1W的输出功率提供93.3％的输出功率，效率为4Ω扬声器，达到总谐波失真（THD）的0.0138％，瞬态噪声为1 kHz输入正弦测试音和3.6 V supply. The output power reaches up to 2.73 W for 1% THD (with transient noise). The proposed amplifier occupies an active area of 1 mm²．

针对永磁发生器无法控制的磁场的问题，提出了一种具有平行磁路的新的混合激发发生器（HEG）。HEG由组合永磁转子（PMR）和无刷电激励转子（EER）组成。PMR具有表面上安装和嵌入式磁体。PMR提供主气间隙场，无刷eer用于调节气隙场。详细给出了所提出的发电机的操作原理和电磁设计方案。此外，通过使用有限元法分析与两种不同类型转子和磁通调节特性的匹配。最后，测试了包括无负载和负载特性和输出电压的所提出的发电机的输出性能。结果表明，两种不同类型的转子可以有效地匹配并可靠地操作。内部磁通量易于调节，两个方向，所提出的HEG可以在宽速度和负载范围内输出稳定的电压。

风能作为一种可再生能源，作为满足日益增长的能源需求的主要能源之一，受到了许多国家能源当局的重视。然而，在确定特定地区因气候变化而产生的风力发电潜力时，需要仔细注意。从这个意义上说，预测风力发电和风力发电潜力是至关重要的。本文开发了人工神经网络(ANN)模型来预测斯里兰卡“帕万达纳维”(Pawan Danawi)风电场的风力发电。所建立的神经网络模型以风速、风向和区域环境温度为自变量矩阵，以发电量为因变量。采用Levenberg-Marquardt (LM)、Scaled Conjugate Gradient (SCG)和Bayesian Regularization (BR)三种训练算法对模型进行了检验。此外，在每个算法下对模型进行5个验证百分比(5% ~ 25%，5%的间隔)的校正，以识别出最适合的训练和验证百分比的最佳训练算法。均方误差(MSE)、相关系数(R.），使用根均方误差比（RSR），纳什数和偏置来评估开发的ANN模型的性能。结果表明，所有三种训练算法都会产生Pawan Danawi风电场的发电的可接受预测R. > 0.91, MSE < 0.22, and BIAS < 1. Among them, the LM training algorithm at 70% of training and 5% of validation percentages produces the best forecasting results. The developed models can be effectively used in the prediction of wind power at the Pawan Danawi wind farm. In addition, the models can be used with the projected climatic scenarios in predicting the future wind power harvest. Furthermore, the models can acceptably be used in similar environmental and climatic conditions to identify the wind power potential of the area.

本研究提出了一种新的空间矢量调制控制算法，以提高级联h桥多电平逆变器在单个或多个电源电池失效情况下的可靠性。故障检测方法保证了准确发现开路模块，具有快速、易于编程的特点。通过详细分析故障电池的影响，选择最佳的冗余电平状态，使输出电压达到可能的最高水平，同时保持三相线对线电压的平衡，并降低共模电压。对该算法进行了推广，使其适用于任何电平的h桥逆变器。通过数值模拟和11级联h桥逆变器的实验结果验证了该方法的有效性。

图像超级化（SR）中最近的大多数前进是假设在下采样期间的模糊内核是预定义的（例如，双方或高斯内核），但这是一种难以使其适合所有现实图像的任务。在本文中，我们提出了一种改进的超级化反馈网络（ISRFN），该网络（ISRFN）设计自由地通过直接处理现实世界HR-LR图像对，在没有下采样过程的情况下通过处理现实世界的HR-LR图像对预定精制。我们通过修改着名超级化反馈网络（SRFBN）的层和网络结构来提出ISRFN。我们用名为City100的摄像机镜头数据库训练了ISRFN，它分别在同一镜头上生产HR和LR，免费用于下采样，因此我们提出的ISRFN可以自由估算模糊内核。由于相机镜头（智能手机和DSLR）数据库，我们分别在两个基于相机镜头的City100数据库下执行了两种实验，选择了最佳的网络结构;实验使其明确表示基于相机镜头的数据库具有不同的最佳网络结构。我们还将我们的两个ISRFN与最先进的性能进行了比较;实验表明，我们所提出的ISRFN优于其他最先进的算法。