关键词： 训练监控   技术分析   数据处理   反馈  

摘要： 我国体育发展存在的矛盾主要是人民群众日益增长的多元化、多层次体育需求与体育有效供给不足所造成的,体育人才短缺是其中最主要的因素之一,而体育高考是国家体育事业未来发展的重要力量。因此,采取必要的手段提升体育高考生的水平是实现国家体育事业发展的重要基础。伴随着体育高考越来越热门,因此对学生的身体素质要求也越来越高,考生竞争压力越来越大。在训练中采用监控评价可以让教练员和学生能够直观的看到训练中的动态变化,也为教练员训练计划的调整提供指导,提升训练的客观性和科学性,从而提高体育考生的技术水平,提升训练成绩。本文以山东省普通高校体育专业考生身体素质状态监控与评价研究为研究对象,领*体育俱乐部35名普体考生为测试对象,运用文献资料法、数理统计法、录像分析法、对比分析法、专家访谈法、测试法等研究方法对测试对象训练全程进行跟踪分析,通过分析视频对其数据处理与进行技术分析,将获取到的数据进行及时的反馈,促进训练效率与运动成绩的提升。研究结果:1.在100m项目上步频指数与步长指数均有所上升,但步长指数提升不明显,大部分测试对象的全程步数偏高。最大速度水平较低成为影响成绩的重要因素,终点跑阶段测试对象的速度下降趋势明显,冲刺阶段部分测试对象思想不够重视。2.在铅球方面,整体来看水平仍然较低。虽然铅球出手速度与出手角度都有不同程度的改善,但是个别测试对象技术动作不稳定,整体出手速度较低导致成绩不理想。在投掷过程中部分测试对象并没有重视规则,频繁犯规。3.部分测试对象成绩不够优秀,主要体现在蹬地角度过大,导致水平速度降低。最大重心高度较低限制了空中收腹举腿动作的完整性。部分测试对象预摆次数过多,最终造成动作不协调。4.部分测试对象力量素质水平仍然较弱,个别对象虽然上肢力量比较优秀,但并没有与速度很好的结合,导致爆发力不足,进而影响铅球成绩。5.测试对象在日常测试当中重视程度不够,对于考试流程与规则并没有明确的了解,个别测试当中态度不够端正,最终影响成绩。6.在训练过程中采用训练监控与评价的方式能够有效促进训练的效率,通过对相应视频进行处理,获取数据,再将其反馈给教练员与测试对象,指导教练员科学安排后续训练。

关键词： 托卡马克   HXR相机   数字处理程序   USB实时通信  

摘要： 安装有LHCD(Lower Hybrid Current Drive,低杂波电流驱动)辅助加热系统的托卡马克装置,因为LHCD加热等离子体会使得快电子的速率分布偏离麦克斯韦速率分布。针对这个问题,目前较为有效的办法是使用多通道HXR(Hard X-Ray,硬X射线)相机测量快电子韧致辐射的HXR分布。中国环流器二号M(HL-2M)装置是核工业西南物理研究院研制的新一代的托卡马克装置。其建造目的是研究高比压、高参数条件下聚变等离子体物理和聚变堆有关的工程和技术问题,为下一步建造聚变堆打好基础。其上配备了LHCD辅助加热装置。为了研究LHCD加热等离子体时快电子相关的物理过程,计划安装一套63通道的HXR相机。本文为该HXR相机开发了满足HL-2M装置需求的数字处理程序,包括FPGA(Field-Programmable Gate Array,现场可编程门阵列)程序、USB(Universal Serial Bus通用串行总线)程序和上位机软件程序三个部分,并完成了数字处理程序的各项性能测试。 在FPGA部分,针对相机上采用的50MSPS(Million Samples per Second,每秒百万次采样)采样率,12位串行ADC(Analog-to-Digital Convert,模数转换器)芯片AD9249,本文在Intel公司的FPGA芯片5CEFA7U19CE上设计了相应的串并转换模块完成对ADC数据的接收。然后针对HL-2M装置在等离子体击穿和破裂时,大量快电子产生并发生韧致辐射,造成探测器信号严重堆积的问题,设计了基于FPGA的在线数据处理算法,算法解决了在高计数率条件下,脉冲信号波峰准确甄别和基线的准确求取。在这之后,对满足触发条件的信号进行了波形存储和能谱统计。最后FPGA的数据通过网络传输发送到上位机。在USB部分,因为HL-2M装置配备有一台实时服务器,具备实现实时反馈调节的能力,根据应用场景的实际需求,对FPGA和CYUSB3014芯片通信的GPIF II接口进行了相应的设计。采用了同步设备模式,将CYUSB3014作为外设挂载到FPGA总线上,并为3014开发了相应的固件程序,实现了自动DMA通道与实时服务器进行数据传输,最后开发了可在实时服务器上运行的USB主机驱动程序。在上位机软件部分,基于MATLAB开发了相应的界面程序。实现了与FPGA的网络通信和HL-2M控制系统的网络通信。让上位机软件可以通过接收控制系统的信息来控制FPGA的运行。设计了自定义的88位控制指令集,实现了上位机对FPGA的触发阈值、测试时间等参数的设置;实现了标定能谱、分时能谱、信号波形等不同类型数据的传输。最后还设计完成了交互友好的控制界面。 本文成功设计了一套满足HL-2M装置使用要求的HXR相机配套数据处理程序。在实验室环境和HL-2M装置现场环境分别进行了实验测试。实验结果表明,数据处理程序设计的高计数率触发算法可以在不超过3.5Mcps条件下正确进行触发。采用的USB3.0通信方案的传输延时不超过1ms。

关键词： 二维光谱   多模态   光谱分类   信噪比   卷积神经网络  

摘要： 一维光谱是目前天文研究中应用最广泛的数据,对信噪比要求高,低信噪比数据会被舍弃,造成数据浪费。而二维光谱图像是LAMOST天文望远镜的初始数据,比一维光谱拥有更多有效信息,且理论认为二维图像比一维序列具有更好的抗噪声性能,所以直接对二维光谱进行天文研究能够有效的缓解数据浪费,提高产出。为此,本文首先尝试直接利用二维光谱图像进行光谱分类,并开展了其分类准确率和噪声敏感性等工作。 (1)提出了二维光谱图像自动分类模型C-Net:该模型由特征提取模块、特征融合模块和分类器模块三部分构成。其中特征提取模块设计了两条支路用于二维光谱蓝、红端图像的特征提取,提取的特征送入特征融合模块和分类器模块进行融合和分类并输出结果。实验结果证明,C-Net模型可以实现二维光谱图像的自动分类,但是分类准确率不高。 (2)针对C-Net模型分类准确率不高的问题,本实验将多模态融合思想与C-Net结合,并综合测光图像与二维光谱图像数据,提出了多模态天体分类模型MAC-Net,模型中二维光谱支路加入CBAM注意力模块;而测光图像支路引入Inception模块,使MAC-Net得到了更好的分类结果。实验表明MAC-Net对星系、类星体和恒星三类天体的分类精确度分别达到了99.2%、100%和97.6%,比单模态模型分别提高了8.5%、28%和7%;在同样结合测光图像的情况下,星系和类星体的分类精确度方面,二维光谱的结果比一维光谱分别高出了1.9%、4.5%。实验结果既证明了多模态分类网络的有效性,又证明了二维光谱的有效信息含量高于一维光谱。 (3)为了研究二维光谱图像对噪声的敏感性,本文开展了两部分实验。实验1首先通过矩阵变换得到二维光谱的变形数据,然后对变形和原始形数据进行对比,得到了更适合开展研究的是原始形,更适合的研究模型是CNN的结论。实验2在该结论的基础上,提出了双支路光谱分类模型D-RC,通过先降维再提取特征的方法来处理二维光谱图像,并与一维光谱的分类结果进行对比。结果表明,噪声很大时二维光谱分类性能优于一维光谱。证明了二维光谱图像的抗噪性更强,以及低信噪比时直接分析二维光谱的可行性。 本文证明了对二维光谱图像直接开展研究的可行性和有效性,为天文学者开展研究时提供了新的思路和方法。

关键词： GRACE   球谐系数法   点质量   Mascon   Tikhonov正则化  

摘要： GRACE卫星的成功发射为研究陆地和海洋质量变化、全球水循环和冰川冰盖消融等提供了高精度的观测数据,极大地促进了环境监测以及地球科学研究的发展。格陵兰岛是世界上最大的岛屿,其冰盖质量变化直接影响着全球的海平面变化,同时还对全球水循环和全球质量再分布等产生重要影响。卫星重力技术的迅速发展为利用卫星数据从空间监测格陵兰岛冰盖质量变化提供了很好的机会。各GRACE数据处理中心为全球用户提供了无约束球谐系数估计,即GRACE Level-2产品,这些系数估计含有显著的条带误差和高频噪声,通常无法直接用于反演质量变化。可以采用两种方法解决此问题,即以球谐系数法为代表的谱域法,以及以点质量法和Mascon法为代表的空域法。在空域法中可以更灵活地选择模型参数,更方便地引入空间约束,为进一步提高质量反演性能提供了可能,由此,空域法在近年来得到了广泛的关注。本文以空域法为研究对象,研究内容如下。首先,介绍了采用GRACE Level-2数据进行质量反演的基本理论,重点介绍了空域法:点质量方法通过直接建立地表质量点源与重力场的函数关系求解地表质量变化;Mascon方法是以每个质量块的质量变化作为未知参数,建立重力场与未知参数的函数关系来求解地表质量变化。并介绍了解决病态问题的Tikhonov正则化方法,包括采用广义交叉验证选择最优正则化参数。其次,采用传统空域法进行了GRACE Level-2数据处理。在传统空域法中,根据GRACE Level-2提供的球谐系数模拟生成格陵兰岛上空卫星高度处的扰动位作为观测数据,选择了观测数据缓冲区的最优范围。采用2003年至2012年的GRACE Level-2数据,根据空域法反演格陵兰岛地区的质量变化,并分析了格陵兰全岛及局部质量变化的周年振幅、长期趋势等信号分布。将上述分析结果与谱域法结果以及外部参考模型进行对比,验证了方法的有效性。最后,尝试了一种新型的空间法,将其称为直接法Mascon。在该方法中直接以GRACE Level-2球谐系数为观测数据,不再需要传统间接法中模拟生成观测数据这一环节,建立了直接法Mascon的函数模型,即联系球谐系数与Mascon参数的观测方程。通过仿真实验和真实数据实验,对比分析了直接法Mascon和间接法Mascon反演的格陵兰岛冰盖质量变化,发现二者有较好的一致性,且精度与其他机构计算的Mascon产品相当,证明了直接法Mascon的有效性。为反演局部地区质量变化和研究格陵兰岛冰盖消融提供了一种有效方法。

关键词： 水下爆炸   测试系统   时基统一   数据去噪   能量评估  

摘要： 军事上,水下爆炸参数测量是水中武器设计及毁伤评估的基础,压力是水下爆炸试验的重要测量参数,水中炸药威力毁伤评估与爆炸能量参数密切相关。国内外水下爆炸压力测试方法有传感器测量方法、光学测量方法和霍普金森杆测量方法等,主流测试方法是传感器测量方法,相比于其他方法更加可靠,但同时存在频率响应差、存储速率慢、时基不能高度同步的问题。测试信号混有高频噪声干扰,需要对实测数据去噪处理,去噪精度影响能量评估的准确性。因此,水下爆炸压力测试系统的设计与数据处理方法的研究尤为重要。设计了基于FPGA的水下爆炸压力测试系统,旨在测试冲击波压力和气泡脉动压力。测试系统由压电传感器、光纤触发系统、信号调理电路、采集存储电路和读数装置组成,并通过读数装置与上位机通讯。其中,交替双平面页写操作和负延时双流水线“乒乓”存储,提高了存储速率;光纤断线触发与高精度同步算法结合,解决了时基难以统一的问题。为了提高数据去噪精度,提出了HHT(希尔伯特黄变换)与Bessel联合的数据去噪方法,结合了Bessel设计简单和HHT自适应性好且适用于分析非线性非平稳信号的优点。结果表明:与目前已有的数据去噪方法对比,该方法SNR(信噪比)更高,RMSE(均方根误差)更小,去噪精度更高,提高了信号分析的准确性。试验数据验证了测试系统的可行性,数据去噪的结果表明了数据处理方法的准确性。从测试数据中获取水下爆炸冲击波超压峰值、气泡脉动峰值压力,计算冲量、冲击波能、气泡能和爆炸能量,对水中炸药进行能量评估。

关键词： 温湿度箱   LABVIEW   数据采集仪   GPIB   数据处理  

摘要： 随着JJF 1101—2019《环境试验设备温度、湿度参数校准规范》落地实施，中国电子科技集团公司第五十五研究所在用温湿度自动测试系统标准装置中数据采集处理软件已不符合新规范要求。针对该问题，结合单位计量工作的实际需求，提出设计一款基于LabVIEW软件平台的温度、湿度参数自动采集程序，与原有硬件装置配合组成满足要求的温度、湿度参数自动校准系统标准装置。新搭建系统在实际应用中能够很好的完成自动控制、数据采集、数据处理、导出生成证书报告等自动化校准工作。

关键词： 多输出回归   LSTM神经网络   数据处理   麻雀搜索算法   即时学习  

摘要： 湿式脱硫系统运行过程中存在多个关键且难测参数,其实时准确的测量对系统经济安全运行至关重要。实际测量过程中由于理论不完善、传感器易受环境影响等原因,导致测量精度低且存在滞后性。多输出回归方法可以实现对多个参数的实时同步测量,有效改善了传统测量方式的不足。本文建立多参数测量模型,利用单一模型对多个参数进行测量,主要研究内容如下: 首先,针对脱硫系统大惯性、大时延与非线性的特点,本文在分析不同的多输出回归建模方法的基础上,选择了长短期记忆（Long Short-Term Memory,LSTM）神经网络作为测量模型。通过对湿法脱硫工艺过程进行分析,确定了目标参数和辅助变量,利用改进小波阈值算法结合互补集合经验模态分解（Complementary EEMD,CEEMD）分解进行数据降噪,对处理后的数据使用最大相关-最小冗余（max-Relevance and Min-Redundancy,m RMR）算法消除冗余变量的影响。 其次,针对LSTM神经网络的结构以及超参数选择的问题,通过调整网络结构并且加入Dropout层建立基础测量模型。利用混合策略改进原始SSA算法,并以标准函数验证了改进算法MSSA的寻优性能,结合MSSA算法寻优LSTM中的超参数,建立了m RMR-MSSA-LSTM多参数测量模型。考虑到工况改变会导致预测模型精度下降,将即时学习算法与所提模型相结合进行模型矫正,提高模型精度。 最后,基于DCS实际数据进行建模与仿真,实验结果表明,使用去噪算法以及变量选择算法优化输入变量,降低了冗余变量的影响;将MSSA算法用于寻优LSTM超参数,避免了参数选择的盲目性,提高了预测精度。在模型精度上,浆液p H值测量精度提高了37.4%,出口SO2浓度测量精度提高了35.4%,脱硫效率预测精度提高了37.6%。并且验证了即时学习算法结合本文预测模型的性能,与静态模型相比能够适应系统运行状态的改变,满足现场测量需要。

关键词： 电力指纹   用电负荷   辨识模型   特征提取   数据处理  

摘要： 非侵入式负荷辨识能为居民提供精细化的能源使用信息，已成为有效减少能源浪费的重要途径。非侵入式负荷辨识从居民用户的总负荷数据中分析出每个电器的运行状态，可以指导用户改善电器设备使用习惯，减少家庭用电量。同时，建立家庭用电负荷辨识模型，可实现对用电设备的监测、控制、管理和友好互动。然而，随着电网的复杂性和不确定性程度日益加深，电力指纹数据需要精细化处理与分析，对传统电力负荷辨识模型提出了挑战。因此，构建可靠的电力指纹识别模型是非侵入式负荷辨识中的关键步骤。本文基于公开的负荷数据集提取并构建了稳态和暂态特征电力指纹库，开展其在不同场景下居民用户的电力指纹识别应用。　　在海量不平衡电力指纹数据场景下，物联网通信的数据传输速率有限导致数据传输困难，提出了一种基于熵特征的优化轻量梯度提升机（LightGBM）电力指纹提取与识别方法。在边缘侧对电压和电流信号提取时域特征和电压-电流（V-I）轨迹特征，并构建了包含6个熵特征的56维原始特征集。然后，以LightGBM为基学习器改进 Boruta算法，对原始特征集合进行特征选择，确定包含5 个熵特征的23维最优特征子集。将最优特征子集上传到上位系统，降低了物联网通信压力。同时，使用Optuna算法优化LightGBM模型的超参数，并改进LightGBM模型的损失函数，使得电力指纹识别模型在不平衡数据集上的分类性能得到进一步改善。　　在部分居民用户电力指纹数据较少场景下，针对单一特征设备识别时特征信息不足问题，提出了一种基于彩色 V-I轨迹和 CBAM-ResNet34 的电力指纹识别方法。对电压和电流信号提取V-I轨迹并构建原始V-I轨迹图像，再利用彩色编码将电流、瞬时功率和轨迹动量信息添加到原始V-I轨迹图像中，得到彩色V-I轨迹图像。将卷积块注意力模块（CBAM）添加到 ResNet34 的每个残差结构模块，构建了CBAM-ResNet34模型用于彩色V-I轨迹图像识别。为进一步提高识别准确率，降低训练时间和负荷数据量，采用模型迁移的方法引入了迁移CBAM-ResNet34 电力指纹识别方法。利用 ImageNet 数据集对 ResNet34 模型进行预训练，用一个新的满足设备分类目标的全连接层替代ResNet34的全连接层。此外，引入类平衡损失（CB-loss）函数，对Softmax交叉熵损失函数进行重新加权，以解决V-I轨迹识别中的数据不平衡问题。　　在COOLL数据集上的实验结果表明，基于熵特征的LightGBM电力指纹识别方法可以有效地降低特征提取的计算复杂度，减少物联网数据的传输量。在PLAID数据集上的实验结果表明，基于彩色 V-I轨迹和 CBAM-ResNet34 的电力指纹识别方法在小样本不平衡的数据集中具有更好的分类能力，降低了负荷数据量和训练时间，满足了精细化电力指纹识别的识别精度和效率要求。

关键词： miRNA-疾病关联预测   链路预测   图神经网络  

摘要： miRNA-疾病之间的关联预测一直是生物医学领域的一个热门研究方向。很多研究表明,该研究有助于从miRNA分子水平上了解疾病的致病机制,能够促进疾病的预防、诊断、治疗和预后。传统的通过生物实验进行miRNA-疾病关联的预测方法研究存在人工成本高、实验周期长和实验结果不确定性等不足,不能满足社会需求。因此,研究有效识别miRNA-疾病之间的潜在关系具有重要意义。深度学习有望加速miRNA-疾病关联预测研究进展,为理解疾病机制、开发新的治疗方法和个性化医疗 供有力的支持。本文面向生物医学复杂数据处理的深度学习方法研究,主要工作如下: (1)现有的miRNA-疾病关联预测计算模型很多,但大多数模型仅利用单一特征源,无法取表征miRNA-疾病的全面特征。为了解决这个问题,出一种基于多特征融合的miRNA-疾病关联预测模型(Multi-Feature Fusion for miRNA-disease Association Prediction,MFFMDA)。该模型利用已知的miRNA-疾病关联数据构建了六个相似性网络模块,用于更好地表述网络中节点特征,利用带有多源特征注意力的自编码器,从多源输入中获取miRNA-疾病的低维特征表达,选择三种不同的特征融合策略,生成具有丰富信息的特征组,进行潜在的miRNA-疾病关联预测; (2)MFFMDA模型有着较高的预测精度,但其预测精度依赖于外部库作为辅助输入信息。为了解决这个问题,出一种基于多视图的miRNA-疾病关联预测模型(Multi-View Network for miRNA-disease Association Prediction,MVNMDA)。该模型使用已知的miRNA-疾病的关联信息来取特征,并在多个视图上学习不同类型节点的嵌入特征,包括两个元路径供的语义特征、局部特征以及节点感知的全局特征,通过级联注意力融合多层特征,得到不同层之间、特征之间的相关性,并抑制特征中的噪音。 在HMDD v2.0和HMDD v3.2数据集上进行了大量实验,验证所出的MFFMDA和MVNMDA模型。结果表明,MFFMDA能够预测潜在的miRNA-疾病关联关系,而MVNMDA通过多个视图传递和聚合节点特征,进一步高了miRNA-疾病预测的准确性。在案例分析中,MFFMDA和MVNMDA模型对食管癌、乳腺癌和肺癌的前30位预测结果,大多数都被最新的HMDD数据库所证实,进一步证明出方法的预测能力。